python高级-生成器(17)
1. 什么是⽣成器
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。⽽且,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⼏个元素,那后⾯绝⼤多数元素占⽤的空间都⽩⽩浪费了。所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从⽽节省⼤量的空间。在Python中,这种⼀边循环⼀边计算的机制,称为⽣成器:generator。
2. 创建⽣成器⽅法1
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 ( )
列表生成式
L = [2*x for x in range(1,10)]
print(L)
运行结果为:[2, 4, 6, 8, 10, 12, 14, 16, 18]
生成器
G = (2*x for x in range(1,10))
p
运行结果为:<generator object <genexpr> at 0x00000111152FC408>
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。我们可以直接打印出L的每⼀个元素,但我们怎么打印出G的每⼀个元素呢?如果要⼀个⼀个打印出来,可以通过 next() 函数获得⽣成器的下⼀个返回:
G = (2*x for x in range(1,10))
print(G)
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
运行结果为:2、4、6、8、10、12
G = (2*x for x in range(1,10))
print(G)
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
运行结果为:
<generator object <genexpr> at 0x0000022CCCC8C408>
2
4
6
8
10
12
14
16
18
Traceback (most recent call last):
File "C:\Users\Se7eN_HOU\Desktop\A.py", line 12, in <module>
print(next(G))
StopIteration
注意:
- ⽣成器保存的是算法,每次调⽤ next(G) ,就计算出 G 的下⼀个元素的值,直到计算到最后⼀个元素,没有更多的元素时,抛出 StopIteration 的异常。
- 当然,这种不断调⽤ next() 实在是太变态了,正确的⽅法是使⽤ for 循环,因为⽣成器也是可迭代对象。所以,我们创建了⼀个⽣成器后,基本上永远不会调⽤ next() ,⽽是通过 for 循环来迭代它,并且不需要关⼼StopIteration 异常.
3. 创建⽣成器方法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,著名的斐波拉契数列(Fibonacci),除第⼀个和第⼆个数外,任意⼀个数都可由前两个数相加得到:
1, 1, 2, 3, 5, 8, 13, 21, 34, …
斐波拉契数列⽤列表⽣成式写不出来,但是,⽤函数把它打印出来却很容易
def fib(times):
n=0
a,b = 0,1
while n<times:
print(b)
a,b = b,a+b
n+=1
return "done" fib(5)
运行结果为:1、 1、 2、 3、 5
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,上⾯的函数和generator仅⼀步之遥。要把fib函数变成generator,只需要把print(b)改为yield b就可以了:
def fib(times):
n=0
a,b = 0,1
while n<times:
yield b
a,b = b,a+b
n+=1
return "done" f = fib(5)
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
运行结果为:
1
1
2
3
5
Traceback (most recent call last):
File "C:\Users\Se7eN_HOU\Desktop\demo.py", line 16, in <module>
print(next(f))
StopIteration: done
在上⾯fib 的例⼦,我们在循环过程中不断调⽤ yield ,就会不断中断。当然要给循环设置⼀个条件来退出循环,不然就会产⽣⼀个⽆限数列出来。同样的,把函数改成generator后,我们基本上从来不会⽤ next() 来获取下⼀个返回值,⽽是直接使⽤ for 循环来迭代:
def fib(times):
n=0
a,b = 0,1
while n<times:
yield b
a,b = b,a+b
n+=1
return "done" for n in fib(5):
print(n)
运行结果为:
1
1
2
3
5
但是⽤for循环调⽤generator时,发现拿不到generator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:
def fib(times):
n=0
a,b = 0,1
while n<times:
yield b
a,b = b,a+b
n+=1
return "done" f = fib(5)
while True:
try:
x = next(f)
print("value=%d"%x)
except StopIteration as e:
print("生成器返回值=%s"%e.value)
break
运行结果为:
value=1
value=1
value=2
value=3
value=5
生成器返回值=done
4、_ _next_ _()方法和next()一样
def fib(times):
n=0
a,b = 0,1
while n<times:
yield b
a,b = b,a+b
n+=1
return "done" f = fib(5)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
运行结果为:
1Traceback (most recent call last): 1
2
3
5
File "C:\Users\Se7eN_HOU\Desktop\demo.py", line 16, in <module>
print(f.__next__())
StopIteration: done
5.、send()
def fib(times):
n=0
a,b = 0,1
while n<times:
temp = yield b
print(temp)
a,b = b,a+b
n+=1 f = fib(5)
print(f.__next__())
print(f.send("Se7eN_HOU"))
print(f.send("Se7eN"))
print(next(f))
print(f.__next__())
运行结果为:
1
Se7eN_HOU
1
Se7eN
2
None
3
None
5
通过上面的例子可以看出使用send()函数可以给生成器生成对象的时候传递参数。
总结
- ⽣成器是这样⼀个函数,它记住上⼀次返回时在函数体中的位置。对⽣成器函数的第⼆次(或第 n 次)调⽤跳转⾄该函数中间,⽽上次调⽤的所有局部变量都保持不变。
- ⽣成器不仅“记住”了它数据状态;⽣成器还“记住”了它在流控制构造(在命令式编程中,这种构造不只是数据值)中的位置。
⽣成器的特点:
- 1. 节约内存
- 2. 迭代到下⼀次的调⽤时,所使⽤的参数都是第⼀次所保留下的,即是说,在整个所有函数调⽤的参数都是第⼀次所调⽤时保留的,⽽不是新创建的
python高级-生成器(17)的更多相关文章
- 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( ...
- 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高级编程之生成器(Generator)与coroutine(二):coroutine介绍
原创作品,转载请注明出处:点我 上一篇文章Python高级编程之生成器(Generator)与coroutine(一):Generator中,我们介绍了什么是Generator,以及写了几个使用Gen ...
- Python高级语法之:一篇文章了解yield与Generator生成器
Python高级语法中,由一个yield关键词生成的generator生成器,是精髓中的精髓.它虽然比装饰器.魔法方法更难懂,但是它强大到我们难以想象的地步:小到简单的for loop循环,大到代替多 ...
- Python 高级特性之:生成器(generator)和迭代器(Iterator)
前言: 之前学习Python自动化,接触了不少python的学习,对生成器印象尤其深,网上也看了很多介绍,下面主要是这些概念的个人学习整理(如侵删). 正文: 如要创建一个非常大的列表,受到内存限制, ...
- Python开发过程中17个坑
一.不要使用可变对象作为函数默认值 复制代码代码如下: In [1]: def append_to_list(value, def_list=[]): ...: def_list. ...
- Python高级特性(2):Closures、Decorators和functools(转)
原文:Python高级特性(2):Closures.Decorators和functools 装饰器(Decorators) 装饰器是这样一种设计模式:如果一个类希望添加其他类的一些功能,而不希望通过 ...
随机推荐
- Django----博客文章数据返回
步骤1:新建视图函数 from django.shortcuts import render from django.http import HttpResponse; from blog.model ...
- Docker入门到实践
1.什么是Docke 1.网上有很多 2.为什么要使用Docker? 优点 更高效的利用系统资源 更快速的启动时间 一致的运行环境 持续交付和部署 更轻松的迁移 更轻松的维护和扩展 3.Docker的 ...
- ImCash是骗局吗?到底是真是假?
关于风靡北美的ImCash是不是骗局,ImCash项目安全靠谱么?下面我将为你分析: 今天关于北美ImCash量子基金这个项目谈谈我个人的看法: 首先选择项目我最先看的是制度,如果奖金制度不好,其他的 ...
- 关于<服务器>定义
定义: 服务器,也称伺服器,是提供计算服务的设备.由于服务器需要响应服务请求,并进行处理,因此一般来说服务器应具备承担服务并且保障服务的能力. 服务器的构成:包括处理器.硬盘.内存.系统总线等,和 ...
- FunData — 电竞大数据系统架构演进
电竞出现在人们视野中的频率越来越高了,此次选取FunData作为电竞数据平台,v1.0 beta版本主要提供由Valve公司出品的顶级MOBA类游戏DOTA2相关数据接口(详情:open.varena ...
- 大白话讲解Promise
去年6月份, ES2015正式发布(也就是ES6,ES6是它的乳名),其中Promise被列为正式规范.作为ES6中最重要的特性之一,我们有必要掌握并理解透彻.本文将由浅到深,讲解Promise的基本 ...
- js与es6中获取时间戳
在项目中经常会用到求时间戳的问题,下面是已经封装好的函数,直接使用就可以.1.js常用获取时间戳的方法 // 获取时间戳 var start = new Date().getTime(); conso ...
- github错误:fatal: remote origin already exists.
原文链接:http://blog.csdn.net/dengjianqiang2011/article/details/9260435 如果输入$ Git remote add origin git@ ...
- 《SpringMVC从入门到放肆》十、SpringMVC注解式开发(复杂参数接收)
上一篇我们学习了简单的参数接收方式,以及对编码的统一处理.今天我们来接收对象参数. 一.接收对象参数 jsp页面: <%@ page language="java" impo ...
- centOS7上编译hadoop-2.7.7
一.阅读编译文档 在hadoop源码包根目录下有个一个BUINDING.txt的文件,文件说明了编译hadoop所需要的一些编译hadoop所需要的一些编译环境相关的东西.不同hadoop版本的要求都 ...