Python高级特性——生成器(generator)
通过上节的学习,我们知道使用列表生成式,可以直接创建一个列表。但是,有些时候,受到内存的限制等实际情况,列表生成式无法满足。比如,一个长度为1000万的列表,普通内存根本就不够,又或者实际处理的过程中,我们只需要访问前面几个元素,那后面的的绝大部分的空间都浪费了。
思路:如果能做到一开始并不是创建完整的list,而是通过定义一种规则的方式,在循环的过程中不断的推算后续的元素,达到使用到哪个元素才生成哪个元素的效果?在Python中,这种机制称为生成器:generator。
创建generator,方法一:
>>> m = (x for x in range(10))
>>> m
<generator object <genexpr> at 0x0376BF00>
观察可知,和列表生成式相比,区别仅仅在于将最外层的[]换成()。请注意,m并不是一个list,而是一个generator。如何打印generator中的每一个元素呢?笨重方法(该方法基本用不到):
>>> next(m)
0
>>> next(m)
1
>>> l = ['hah','hehe']
>>> next(m)
2
中间有个小插曲,随便做了一个操作,紧接着我们又调用next函数,发现结果还是按照算法计算出下一个值。(当生成器没有更多的元素的时候,会抛出StopIteration错误)
方便的取元素方法:因为generator是可迭代对象(从StopIteration错误类型,我们也可以猜测出来),我们可以使用for循环实现取数:
>>> n = (a+b for a in 'abc' for b in 'xyz')
>>> for i in n:
... print(i)
...
ax
ay
az
bx
by
bz
cx
cy
cz
方法二:
如果上述中的推算算法比较复杂,使用方法一无法实现的时候,可以使用函数来实现。比如著名的斐波拉契数列(1,1,2,3,5,8,13,21……除了第一个和第二个数外,任意一个数都是由其前两个数相加的和)。斐波拉契数列使用列表生成式写不出来,可以使用函数把它打印出来:
>>> def fib(max):
... n,a,b = 0,0,1
... while n < max:
... print (b)
... a,b = b,a+b#相当于将一个tuple(b,a+b)赋值给a,b
... n = n + 1
... return
...
>>> fib (6)
1
1
2
3
5
8
其实,上述fib()和generator非常相近了。只需要把print(b)变成yield b 就可以了:
>>> def fib(max):
... n,a,b = 0,0,1
... while n < max:
... yield b
... a,b = b,a+b
... n = n+ 1
... return
...
>>> fib(6)
<generator object fib at 0x037DA120>
这就是定义generator的第二种方法。如果一个函数中包含yield关键字,那么这个函数就不再是普通函数,而是一个generator。两者的执行流程可以这么区别:普通函数是顺序执行,遇到return或者最后一行代码函数就会返回。而generator,在每次调用next()的时候执行,遇到yield语句返回。再次执行的时候,从上次返回的yield语句处继续执行。
使用for循环来迭代:
>>> m = fib(5)
>>> for i in m :
... print(i)
...
1
1
2
3
5
那么如何获取一个generator中的return的值呢?这时必须捕获StopIteration错误,返回值就包含在StopIteration的value中:
>>> def fib(max):
... n ,a,b = 0,0,1
... while n < max:
... yield b
... a,b = b,a+b
... n = n+1
... return 'Over'
...
>>> m = fib(6)
>>> while True:
... try:
... x = next(m)
... print(x)
... except StopIteration as e:
... print(e.value)
... break
...
1
1
2
3
5
8
Over
练习:
杨辉三角:
1 n=0
/ \
1 1 n=1
/ \ / \
1 2 1 n=2
/ \ / \ / \
1 3 3 1 n=3
/ \ / \ / \ / \
1 4 6 4 1 n=4
/ \ / \ / \ / \ / \
1 5 10 10 5 1 n=5
杨辉三角,把二项式系数图形化,把组合数内在的一些代数性质直观的从图形中表现出来,是一种离散型的数与形的优美结合。
有如下规律:
1,每行端点和结尾的数为1;
2、每行数左右对称,由1开始逐渐变大;
3、第n行有n项;
4、第n行数字之和为2的n-1次方;
5、第n行的m个数可表示为C(n-1,m-1),即为从n-1个不同元素中取m-1个元素的组合数;
6、第n行的第m个数和n-m+1个数相等,为组合数性质之一;
7、每个数字等于上一行的左右两个数字之和;(利用此性质可写出整个杨辉三角)
8、(a+b)
n
的展开式中的各项系数依次对应杨辉三角的第(n+1)行中的每一项
如果把杨辉三角的每一行看做一个list,试写一个generator,不断输出下一行的list:
>>> def triangle():
... l=[1]
... while True:
... yield l
... l.append(0)
... l= [l[i-1]+l[i] for i in range(len(l))]
...
验证一下:
>>> x = triangle()
>>> next(x)
[1]
>>> next(x)
[1, 1]
>>> next(x)
[1, 2, 1]
>>> next(x)
[1, 3, 3, 1]
>>> next(x)
[1, 4, 6, 4, 1]
>>> next(x)
[1, 5, 10, 10, 5, 1]
>>> next(x)
[1, 6, 15, 20, 15, 6, 1]
>>> next(x)
[1, 7, 21, 35, 35, 21, 7, 1]
>>> next(x)
[1, 8, 28, 56, 70, 56, 28, 8, 1]
>>> next(x)
[1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
>>> next(x)
[1, 10, 45, 120, 210, 252, 210, 120, 45, 10, 1]
>>> next(x)
[1, 11, 55, 165, 330, 462, 462, 330, 165, 55, 11, 1]
>>> next(x)
[1, 12, 66, 220, 495, 792, 924, 792, 495, 220, 66, 12, 1]
收工!
Python高级特性——生成器(generator)的更多相关文章
- Day10 python高级特性-- 生成器 Generator
列表生成式可以创建列表,但是受内存限制,列表容量时有限的,创建一个巨量元素的列表,不仅占用很大的存储空间,当仅仅访问前几个元素时,后面的绝大多数元素占用的空间都被浪费了. 如果list的元素可以按照算 ...
- python高级特性-生成器
在python中一边循环一边计算的机制成为生成器(generator) 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. 生成list > ...
- 三、python高级特性(切片、迭代、列表生成器、生成器)
1.python高级特性 1.1切片 list列表 L=['Mli','add','sal','saoo','Lkkl'] L[0:3] #即为['Mli','add','sal'] 从索引0开始 ...
- python高级特性:切片/迭代/列表生成式/生成器
廖雪峰老师的教程上学来的,地址:python高级特性 下面以几个具体示例演示用法: 一.切片 1.1 利用切片实现trim def trim(s): while s[:1] == " &qu ...
- Python高级特性之:List Comprehensions、Generator、Dictionary and set ...
今天帅气的易哥和大家分享的是Pyton的高级特性,希望大家能和我一起学习这门语言的魅力. Python高级特性之:List Comprehensions.Generator.Dictionary an ...
- python高级之生成器&迭代器
python高级之生成器&迭代器 本机内容 概念梳理 容器 可迭代对象 迭代器 for循环内部实现 生成器 1.概念梳理 容器(container):多个元素组织在一起的数据结构 可迭代对象( ...
- 第三篇:python高级之生成器&迭代器
python高级之生成器&迭代器 python高级之生成器&迭代器 本机内容 概念梳理 容器 可迭代对象 迭代器 for循环内部实现 生成器 1.概念梳理 容器(container ...
- Python高级特性(1):Iterators、Generators和itertools(转)
译文:Python高级特性(1):Iterators.Generators和itertools [译注]:作为一门动态脚本语言,Python 对编程初学者而言很友好,丰富的第三方库能够给使用者带来很大 ...
- Python 高级特性介绍 - 迭代的99种姿势 与协程
Python 高级特性介绍 - 迭代的99种姿势 与协程 引言 写这个笔记记录一下一点点收获 测试环境版本: Python 3.7.4 (default, Sep 28 2019, 16:39:19) ...
随机推荐
- hello gulp,使用gulp的第一天。
昨天花了一天的时间,学习了一下gulp,今天整理一下,也分享给朋友们. 首先当然是去gulp的官网逛一圈了: http://gulpjs.com/ 中文站地址: http://www.gulpjs.c ...
- 不使用cookie记录用户信息
cookie是什么: cookie是由web服务器保存在用户浏览器(客户端)上的小文件,它可以包含用户信息,用户操作信息等等,无论何时访问服务器,只要同源,就能携带到服务端 常见方式 一般:请求一个接 ...
- Java分割面板和选项卡面板的应用
1.分割面板 JSplitPane类的常用构造方法 构造方法 说明 JSplitPane() 创建一个默认的分割面板.默认情况下为在水平方向上分割,重绘方式为只在调整分隔条位置完成时重绘 JSplit ...
- 【nodejs原理&源码赏析(6)】深度剖析cluster模块源码与node.js多进程(下)
[摘要] cluster模块详解 示例代码托管在:http://www.github.com/dashnowords/blogs 阅读本章需要先阅读本系列前两章内容预热一下. 一. 引言 前两篇博文中 ...
- vars()
返回一个字典,包含所有在本函数调用时存在的变量
- react-native android/ios 手动/自动 修改版本号
目录 一 手动操作 1.Android 2.IOS 二 自动从配置文件读取并写入相应的地方 1.package.json配置版本 2.Android: 3.IOS 添加sell代码 当版本迭代时候要修 ...
- IO 单个文件的多线程拷贝
package FileCopyThread; //自建的包,根据个人调整 import java.io.File; import java.io.FileNotFoundException; imp ...
- [TimLinux] systemd 精通CentOS7系统启动systemd
1. 介绍 systemd: 在12种不同类型的实体单元(entity unit)间提供了一个依赖关系系统. 2. 几个概念 实体单元:为系统的启动和维护封装多种对象(object).主体单元在单元配 ...
- CF 1136A 1136B 1136C 1136D 1136E(Round546ABCDE)题解
题目地址:https://codeforces.com/contest/1136 A: Nastya Is Reading a Book 题解:挨个判断即可,水题. 参考代码: #include< ...
- HDU-6115
我们将A省简化为由N个城市组成,某些城市之间存在双向道路,而且A省的交通有一个特点就是任意两个城市之间都能通过道路相互到达,且在不重复经过城市的情况下任意两个城市之间的到达方案都是唯一的.聪明的你一定 ...