参考:生成器

Note

1.通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的,且容易造成空间浪费。所以,如果列表元素可以按照某种算法推算出来,那我们可以在循环的过程中不断推算出后续的元素,这样就不必创建完整的list,从而节省大量的空间,在Python中这种机制称为生成器:generator。

注意:generator保存的是算法。

第一种生成generator的方法很简单,将列表生成式的[]括号改为()即可:

#!/usr/bin/env python3

L = [i*i for i in range(1, 11)]

G = (i*i for i in range(1, 11))

print(L)

print(G)
sh-3.2# ./generator1.py
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
<generator object <genexpr> at 0x101be17d8>

如果想要一个一个打印出来generator的元素,可以借助next()函数来访问。

>>> g = (i*i for i in range(1, 11))

>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
100
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration

generator保存的是算法,在调用next()函数的时候是先用保存的算法计算得到值再输出。next()函数在越界的时候报“StopIteration”错误。

但是= =,generator基本不用next()函数。一般使用for循环输出元素。

for i in G :
print(i)
1
4
9
16
25
36
49
64
81
100

2.generator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,还可以用函数来实现。

比如斐波那契数列:

def fib(maxn) :
i, a, b = 1, 1, 1
print(1)
while i < maxn:
print(b)
a, b = b, a+b
i = i+1

输出斐波那契数列的前n个数。

>>> from generator1 import fib

>>> fib(5)
1
1
2
3
5 >>> fib(10)
1
1
2
3
5
8
13
21
34
55

注意语句:i, a, b = 1, 1, 1

仔细观察,可以看出,fib函数实际上是定义了斐波拉契数列的推算规则,可以从第一个元素开始,推算出后续任意的元素,这种逻辑其实非常类似generator。

也就是说,这种算法也可以通过generator的方法进行保存。

改动为generator也很简单:print(b) => yield(b)。

def fib1(maxn) :
i, a, b = 0, 0, 1
while i < maxn:
yield(b)
a, b = b, a+b
i = i+1
>>> from generator1 import fib1
>>> fib1(5)
<generator object fib1 at 0x101be18e0>
>>> fib1(10)
<generator object fib1 at 0x101be1938>

这里,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。而变成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。

注意理解这段话:

  • 1.generator在使用next()的时候基于保存的算法进行计算并执行语句;
  • 2.generator在遇到yield(n)语句的时候返回n;
  • 3.再次用next()调用generator时,从上一个返回的yield语句开始执行。
def exp():
print('step 1:')
yield(1) print('step 2:')
yield(3) print('step 3:')
yield(5)

exp()函数内含yield()语句,因而是一个generator。

>>> from generator1 import exp
>>> exp()
<generator object exp at 0x1013e1938>

调用exp()函数时,需要先创建一个generator对象,并通过next()函数执行generator。

>>> output = exp()

>>> print(next(output))
step 1:
1 >>> print(next(output))
step 2:
3 >>> print(next(output))
step 3:
5 >>> print(next(output))
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration

因此,generator在调用next()函数时执行,在遇见yield()语句时返回。

当然,我们在函数也尽量避免使用next()函数,使用迭代取代next。

>>> for i in fib1(5):
... print(i)
...
1
1
2
3
5

练习:

杨辉三角定义如下:

          1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1

把每一行看做一个list,试写一个generator,不断输出下一行的list:

My Answer:

def triangles():
i = 1
L = []
while i <= 10:
L1 = []
L1.append(1) if i > 1 :
for j in range(1, i-1):
# print('i', i, 'j', j)
a, b = int(L[j]), int(L[j-1])
# print(a, b)
L1.append(a+b) if i > 1 :
L1.append(1) yield(L1)
i = i+1
L = L1 n = 0 for t in triangles():
print(t)
n = n + 1
if n == 10:
break
[1]
[1, 1]
[1, 2, 1]
[1, 3, 3, 1]
[1, 4, 6, 4, 1]
[1, 5, 10, 10, 5, 1]
[1, 6, 15, 20, 15, 6, 1]
[1, 7, 21, 35, 35, 21, 7, 1]
[1, 8, 28, 56, 70, 56, 28, 8, 1]
[1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
sh-3.2#

2017/2/7

Python学习札记(十八) 高级特性4 生成器的更多相关文章

  1. Python学习札记(十五) 高级特性1 切片

    参考: 高级特性 切片 Note 1.掌握了Python的基础语法之后,就可以写出很多很有用的程序了,比如打印1-90的奇数: #!/usr/bin/env python3 L = [] n = 1 ...

  2. Python学习札记(十九) 高级特性5 迭代器

    参考:迭代器 Note 1.可用于for循环的对象有两类:(1)集合数据类型:list tuple dict str set (2)Generator:生成器和含yield语句的函数.这些可以直接作用 ...

  3. Python学习札记(十六) 高级特性2 迭代

    参考:迭代 Note 1.如果给定一个list或tuple,我们可以通过for循环来遍历这个list或tuple,这种遍历我们称为迭代(Iteration). 在C.C++.Java等语言中,for循 ...

  4. Python学习二十八周(vue.js)

    一.指令 1.一个例子简单实用vue: 下载vue.js(这里实用1.0.21版本) 编写html代码: <!DOCTYPE html> <html lang="en&qu ...

  5. Python学习第十八篇——低耦合函数设计思想

    import json 2 def greet_user(filename): 3 try: 4 with open(filename) as f_obj: 5 username = json.loa ...

  6. Python学习日记(十八) 序列化模块

    什么是序列? 就是每一个元素被有序的排成一列 什么是序列化? 就是将原本的列表.字典等内容转化成字符串的过程 什么时候会用到序列化? 数据存储(把数据放在文件.数据库),网络传输等 序列化的目的 1. ...

  7. python 学习笔记十八 django深入学习三 分页,自定义标签,权限机制

    django  Pagination(分页) django 自带的分页功能非常强大,我们来看一个简单的练习示例: #导入Paginator>>> from django.core.p ...

  8. Python学习札记(十二) Function3 函数参数一

    参考:函数参数 Note 1.Python的函数定义非常简单,但灵活度却非常大.除了正常定义的必选参数外,还可以使用默认参数.可变参数和关键字参数,使得函数定义出来的接口,不但能处理复杂的参数,还可以 ...

  9. Python学习札记(十) Function1 函数调用

    参考:调用函数 Note 1.Python内置了很多函数,我们可以直接对这些函数进行调用.Python官网:Built in Fuctions eg.调用abs函数(取绝对值函数): >> ...

随机推荐

  1. rabbitmq延迟队列相关

    https://blog.csdn.net/qq_26656329/article/details/77891793        --------------rabbitmq queue_decla ...

  2. Django接收自定义http header(转)

    add by zhj: Django将所有http header(包括你自定义的http header)都放在了HttpRequest.META这个Python标准字典中,当然HttpRequest. ...

  3. Python 类型和对象(转)

    译文:http://wiki.woodpecker.org.cn/moin/PyTypesAndObjects 原文:http://www.cafepy.com/article/python_attr ...

  4. git学习------>git-rev-parse命令初识

    一.准备工作 第一步:在d盘git test目录下,新建工作区根目录demo,进入该目录后,执行git init创建版本库. DH207891+OuyangPeng@DH207891 MINGW32 ...

  5. Java集合—Set(转载)

    Set集合中包含了三个比较重要的实现类:HashSet.TreeSet和EnumSet.本篇文章将重点介绍这三个类. 一.HashSet类 HashSet简介 HashSet是Set接口的典型实现,实 ...

  6. BDC批量修改物料描述

    一.定义变量 type-POOLs:TRUXS,slis. TYPES: BEGIN OF ty_input , matnr TYPE mara-matnr , " 物料号 maktx TY ...

  7. 随堂小测app(nabcd)

    N 现在,老师想要组织测验,需要提前印制试卷,费时费力,考勤采取传统的点名的方式,过程繁琐且结果水分大. 而随堂小测app通过在线答题,智能定位可以帮助老师掌握学生对知识的掌握程度,了解学生的到客情况 ...

  8. Flask之初体验

    Flask是一个基于Python开发并且依赖jinja2模板和Werkzeug WSGI服务的一个微型框架,对于Werkzeug本质是Socket服务端,其用于接收http请求并对请求进行预处理,然后 ...

  9. TypeError: Object of type 'int32' is not JSON serializable ——已解决

    将模型用flask封装,返回json时报错:TypeError: Object of type 'int32' is not JSON serializable 网上搜索出的解决方案:重写json.J ...

  10. Error: UserWarning: Ignoring URL... 已解决

    数据data里存有url,用pandas的to_excel() 报错:UserWarning: Ignoring URL... 解决方案: 将 data.to_excel("data.xls ...