首页
学习
活动
专区
工具
TVP
发布

Python 生成器

01

列表生成式的缺点

通过列表生成式,我们可以直接创建一个列表。但是,内存数量有限,列表容量肯定不能超过内存大小。

再有,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面10%的元素,那后面绝大多数元素占用的空间都白白浪费了。

02

解决办法

如果列表元素中的元素可以按照某种算法推算出来,那是否可以在循环过程中,推算出我们需要的一定数量的元素呢?

这样地话,我们就可以灵活地创建需要数量的list,从而节省大量的空间。

在Python中,这种一边循环一边计算的机制,称为生成器:generator

03

创建generator

下面介绍两种创建generator的方法

第一种方法很简单,只要把一个列表生成式的 [] 改成 (),就创建了一个generator

g =(x * x for x in range(10))

g is a generator object

第二种方法是函数中带有yield,那么此函数就不再是函数了,而是一个generator,

def generatorfun():

print('step 1')

yield(10)

print('step 2')

yield 30

04

generator特殊之处

最难理解的就是generator和函数的执行流程不一样。

函数是顺序执行,遇到return语句或者最后一行函数语句就返回。

变成generator的函数,在每次调用next()的时候执行,遇到yield语句返回,再次执行时从上次返回的yield语句处继续执行。

通过03节的例子体会这个执行顺序:

gen = generatorfun()

print(next(gen))

print(next(gen))

以上输出:

step 1

10

step 2

30

因此,调用第二个next(gen)时,是从第一个yield后一句代码开始执行的。

05

通过捕获去拿返回值

generator对象实际使用时,一般嵌入在for循环中,generator函数的返回值如何拿到呢?

必须捕获StopIteration错误,返回值包含在StopIteration的value中。

def generatorfun():

print('step 1')

yield(10)

print('step 2')

yield 30

return "Okay"

gen = generatorfun()

while True:

try:

print(next(gen))

except StopIteration as e:

print("return value: "+ e.value)

break

输出为:

step 1

10

step 2

30

return value: Okay

《实例》阐述算法,通俗易懂,助您对算法的理解达到一个新高度。包含但不限于:基本算法,机器学习,深度学习,Kaggle实战,Spark和Tensorflow等。期待您的到来!

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180130G010YK00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券