Python中的生成器

更新時間：2021年12月09日 08:49:12 作者：J.Feng

這篇文章主要介紹了Python中的生成器

1.列表生成式

代碼演示：

# 列表生成式
list_1 = [x**2 for x in range(10)]  # x**2處也可以放函數(shù)
print(list_1)   #[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

# 代碼等價于
list_2 = []
for x in range(10):
    list_2.append(x**2)
print(list_2)

2.生成器

通過列表生成式，我們可以直接創(chuàng)建一個列表。但是，受到內(nèi)存限制，列表容量肯定是有限的。而且，創(chuàng)建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那后面絕大多數(shù)元素占用的空間都白白浪費了。
所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環(huán)的過程中不斷推算出后續(xù)的元素呢？這樣就不必創(chuàng)建完整的list，從而節(jié)省大量的空間。在Python中，這種一邊循環(huán)一邊計算的機制，稱為生成器：generator。
要創(chuàng)建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創(chuàng)建了一個generator：

代碼演示：

list_1 = (x*2 for x in range(10) )

比較生成器和列表生成式

代碼演示：

import time
start_time = time.time()
list_1 = (x*2 for x in range(10) )
stop_time = time.time()
print(list_1)
print("the list_1 run time is %s" % (stop_time-start_time))

start_time = time.time()
list_2 = [x*2 for x in range(10) ]
stop_time = time.time()
print(list_2)
print("the list_2 run time is %s" % (stop_time-start_time))

運行結(jié)果：

<generator object <genexpr> at 0x0000011FACD1ED60> 生成器只有一個列表地址，并沒有具體的數(shù)值
the list_1 run time is 0.0
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
the list_2 run time is 0.0

生成器只有在調(diào)用的時候才會生成相應的數(shù)據(jù)
生成式可以直接打印列表，生成器只能打印地址
生成式可以通過下角標獲取元素，生成器不行
生成器可以通過__next()__函數(shù)獲得生成器（generator）的下一個返回值

>>>list_1 = (x*2 for x in range(100000000))
>>>for x in list_1:
          print(x)
>>>list_1.__next__
>>>list_1.__next__
>>>list_1.__next__

只有一個__next()__用來記錄當前位置，沒有方法訪問前面的元素，只能往后面走
　　generator非常強大。如果推算的算法比較復雜，用類似列表生成式的for循環(huán)無法實現(xiàn)的時候，還可以用函數(shù)來實現(xiàn)。

比如，著名的斐波拉契數(shù)列（Fibonacci），除第一個和第二個數(shù)外，任意一個數(shù)都可由前兩個數(shù)相加得到：
　　　　1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數(shù)列用列表生成式寫不出來，但是，用函數(shù)把它打印出來卻很容易：　　　

def fib(sum):
    a, b, c = 0, 1, 0
    while c < sum:
        print(b)
        a, b = b, a + b
        c += 1
fib(6)

仔細觀察，可以看出，fib函數(shù)實際上是定義了斐波拉契數(shù)列的推算規(guī)則，可以從第一個元素開始，推算出后續(xù)任意的元素，這種邏輯其實非常類似generator。
也就是說，上面的函數(shù)和generator僅一步之遙。要把fib函數(shù)變成generator，只需要把print(b)改為yield b就可以了：

def fib(sum):
    a, b, c = 0, 1, 0
    while c < sum:
        #print(b)
        yield b        # 代碼執(zhí)行到這里，會跳出這個函數(shù)，并將b的值返回到使用next的代碼處
        a, b = b, a + b
        c += 1
# print(fib(6))  # 這里得到的就是生成器
p = fib(6)
print(next(p))
print(next(p))
print("做點別的事情")
print(next(p))
print(p.__next__())
print(next(p))
print(p.__next__())

這就是定義generator的另一種方法。如果一個函數(shù)定義中包含yield關(guān)鍵字，那么這個函數(shù)就不再是一個普通函數(shù)，而是一個generator：

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0

這里，最難理解的就是generator和函數(shù)的執(zhí)行流程不一樣。函數(shù)是順序執(zhí)行，遇到return語句或者最后一行函數(shù)語句就返回。而變成generator的函數(shù)，在每次調(diào)用next()的時候執(zhí)行，遇到yield語句返回，再次執(zhí)行時從上次返回的yield語句處繼續(xù)執(zhí)行。
在上面fib的例子，我們在循環(huán)過程中不斷調(diào)用yield，就會不斷中斷。當然要給循環(huán)設置一個條件來退出循環(huán)，不然就會產(chǎn)生一個無限數(shù)列出來。
同樣的，把函數(shù)改成generator后，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for循環(huán)來迭代：

for n in fib(6):
     print(n)

但是用for循環(huán)調(diào)用generator時，發(fā)現(xiàn)拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：

def fib(sum):
    a, b, c = 0, 1, 0
    while c < sum:
        yield b
        a, b = b, a + b
        c += 1
    return "返回值只能傳遞給異常"

g = fib(3)
while True:
    try:
        x = next(g)
        print('g:', x)
    except StopIteration as e:
         print('Generator return value:', e.value)
         break
"""

運行結(jié)果：

g: 1
g: 1
g: 2
Generator return value: 返回值只能傳遞給異常
"""

還可通過yield實現(xiàn)在單線程的情況下實現(xiàn)并發(fā)運算的效果：

next()和__next__() ：效果相同，只是使用方式不同，都可以喚醒yield,并接收yield傳過來的值。
send()：也可以喚醒yield，也可以接收yield傳遞過來的值，而且，還可以在喚醒yield的同時，為yield傳遞一個值

#_*_coding:utf-8_*_
#通過生成器實現(xiàn)協(xié)程并行運算
import time
def consumer(name):
    print("%s 準備吃包子啦!" %name)
    while True:
       baozi = yield
       print("包子[%s]來了,被[%s]吃了!" %(baozi,name))

def producer(name):
    c = consumer(name)
    c2 = consumer('B')
    c.__next__()
    c2.__next__()
    print("老子開始準備做包子啦!")
    for i in range(10):
        time.sleep(1)
        print("做了2個包子!")
        c.send(i)　
        c2.send(i)

producer("飛某人")

到此這篇關(guān)于Python中的生成器的文章就介紹到這了,更多相關(guān)Python生成器內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: