Python生成器
生成器简述
利用迭代器，我们可以在每次迭代获取数据（通过 next() 方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合 next() 函数进行迭代使用，我们可以采用更简便的语法，即 生成器(generator)。
生成器是一类特殊的迭代器。
生成器的创建方法
推导式
要创建一个生成器，有很多种方法。第一种方法很简单，只要把一个列表生成式的 [ ] 改成 ( )
In [26]: L = [num * 2 for num in range(5)]
In [27]: L
Out[27]: [0, 2, 4, 6, 8]
In [28]: G = (num * 2 for num in range(5))
In [29]: G
Out[29]: <generator object <funexpr> at 0x000001D62EA28248>
创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是一个列表，而 G 是一个生成器对象。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过 next()函数、for循环、list()等方法使用。
next() 函数
In [30]: next(G)
Out[30]: 0
In [31]: next(G)
Out[31]: 2
In [32]: next(G)
Out[32]: 4
In [33]: next(G)
Out[33]: 6
In [34]: next(G)
Out[34]: 8
In [35]: next(G)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-35-b4d1fcb0baf1> in <module>
----> 1 next(G)
StopIteration:
for 循环与 list
In [38]: G = (num * 2 for num in range(5))
In [39]: for i in G:
...: print(i)
...:
0
2
4
6
8
In [40]: list(G)
Out[40]: []
In [41]: G = (num * 2 for num in range(5))
In [42]: list(G)
Out[42]: [0, 2, 4, 6, 8]
注意：在 ipython 测试中由于 G 已经迭代到了最后，所以要重新构造G，否则没有数据。
yield关键字
funerator 非常强大。如果推算的算法比较复杂，用类似列表生成式的 for 循环无法实现的时候，还可以用带yield 关键字的函数来实现。
我们仍然用斐波那契数列来举例，回顾一下用迭代器的实现方式：
class FibIterator(object):
"""斐波那契数列迭代器"""
def __init__(self, n):
"""
:param n: int, 指明生成数列的前n个数
"""
self.n = n
# current用来保存当前生成到数列中的第几个数了
self.current = 0
# num1用来保存前前一个数，初始值为数列中的第一个数0
self.num1 = 0
# num2用来保存前一个数，初始值为数列中的第二个数1
self.num2 = 1
def __next__(self):
"""被next()函数调用来获取下一个数"""
if self.current < self.n:
num = self.num1
self.num1, self.num2 = self.num2, self.num1+self.num2
self.current += 1
return num
else:
raise StopIteration
def __iter__(self):
"""迭代器的__iter__返回自身即可"""
return self
注意，在用迭代器实现的方式中，我们要借助几个变量 n、current、num1、num2 来保存迭代的状态。
现在用生成器来实现一下。
In [43]: def fib(n):
....: current = 0
....: num1, num2 = 0, 1
....: while current < n:
....: num = num1
....: num1, num2 = num2, num1+num2
....: current += 1
....: yield num
....: return 'done'
....:
In [44]: F = fib(5)
In [45]: next(F)
Out[45]: 0
In [46]: next(F)
Out[46]: 1
In [47]: next(F)
Out[47]: 1
In [48]: next(F)
Out[48]: 2
In [49]: next(F)
Out[49]: 3
In [50]: next(F)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-37-8c2b02b4361a> in <module>()
----> 1 next(F)
StopIteration: done
在使用生成器实现的方式中，我们将原本在迭代器 __next__ 方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的 return 换成了 yield，此时新定义的函数便不再是函数，而是一个生成器了。
简单来说：只要在函数中有 yield 关键字的就称为 生成器
此时按照调用函数的方式( 案例中为 F = fib(5) )使用生成器就不再是执行函数体了，而是会 返回一个生成器对象，然后就可以按照使用 迭代器的方式 来使用生成器了。
In [51]: for n in fib(5):
....: print(n)
....:
0
1
1
2
3
但是用 for循环 调用 funerator 时，发现拿不到 funerator 的 return 语句的返回值。如果想要拿到返回值，必须捕获 StopIteration 错误，返回值包含在 StopIteration 的 value 中：
In [52]: g = fib(5)
In [53]: while True:
....: try:
....: x = next(g)
....: print("value:%d" % x)
....: except StopIteration as e:
....: print("生成器返回值:%s" % e.value)
....: break
....:
value:1
value:1
value:2
value:3
value:5
生成器返回值:done
总结
- 使用了
yield关键字的函数不再是函数，而是生成器。 yield关键字有两点作用：- 保存当前上下文环境即运行状态（断点），然后暂停执行，即将生成器（函数）挂起
- 将
yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
- 可以使用
next()函数让生成器从断点处继续执行，即唤醒生成器（函数）
说明
Python3 中的生成器可以使用 return 返回最终运行的返回值，而 Python2 中的生成器 不允许 使用 return 返回一个返回值（即可以使用 return 从生成器中退出，但 return 后不能有任何表达式）。
使用send唤醒
除了可以使用 next() 函数来唤醒生成器继续执行外，还可以使用 send() 函数来唤醒执行。使用 send()函数的一个好处是可以在唤醒的同时向断点处 传入一个附加数据。
例如：执行到 yield 时，fun() 函数作用暂时保存，返回 i 的值；temp 接收下次 f.send("python")，send发送过来的值，next(f) 等价 f.send(None)
def fun():
i = 0
while i<5:
temp = yield i
print(temp)
i+=1
使用send
In [43]: f = fun()
In [44]: next(f)
Out[44]: 0
In [45]: f.send('haha')
haha
Out[45]: 1
In [46]: next(f)
None
Out[46]: 2
In [47]: f.send('haha')
haha
Out[47]: 3
In [48]:
使用next函数
In [11]: f = fun()
In [12]: next(f)
Out[12]: 0
In [13]: next(f)
None
Out[13]: 1
In [14]: next(f)
None
Out[14]: 2
In [15]: next(f)
None
Out[15]: 3
In [16]: next(f)
None
Out[16]: 4
In [17]: next(f)
None
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-17-468f0afdf1b9> in <module>()
----> 1 next(f)
StopIteration:
使用 __next__() 方法（不常使用）
In [18]: f = fun()
In [19]: f.__next__()
Out[19]: 0
In [20]: f.__next__()
None
Out[20]: 1
In [21]: f.__next__()
None
Out[21]: 2
In [22]: f.__next__()
None
Out[22]: 3
In [23]: f.__next__()
None
Out[23]: 4
In [24]: f.__next__()
None
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-24-39ec527346a9> in <module>()
----> 1 f.__next__()
StopIteration:
公众号
新建文件夹X
大自然用数百亿年创造出我们现实世界，而程序员用几百年创造出一个完全不同的虚拟世界。我们用键盘敲出一砖一瓦，用大脑构建一切。人们把1000视为权威，我们反其道行之，捍卫1024的地位。我们不是键盘侠，我们只是平凡世界中不凡的缔造者 。