要想創(chuàng)建一個iterator，必須實現(xiàn)一個有__iter__()和__next__()方法的類，類要能夠跟蹤內(nèi)部狀態(tài)并且在沒有元素返回的時候引發(fā)StopIteration異常.

這個過程很繁瑣而且違反直覺.Generator能夠解決這個問題.

python generator是一個簡單的創(chuàng)建iterator的途徑.前面講的那些繁瑣的步驟都可以被generator自動完成.

簡單來說，generator是一個能夠返回迭代器對象的函數(shù).

怎樣創(chuàng)建一個python generator？

就像創(chuàng)建一個函數(shù)一樣簡單，只不過不使用return 聲明，而是使用yield聲明.

如果一個函數(shù)至少包含一個yield聲明(當(dāng)然它也可以包含其他yield或return)，那么它就是一個generator. 

yield和return都會讓函數(shù)返回一些東西，區(qū)別在于，return聲明徹底結(jié)束一個函數(shù)，而yield聲明是暫停函數(shù)，保存它的所有狀態(tài)，并且后續(xù)被調(diào)用后會繼續(xù)執(zhí)行.

generator函數(shù)和普通函數(shù)的區(qū)別

• generator函數(shù)包含一個以上的yield聲明
• generator函數(shù)被調(diào)用的時候，會返回一個iterator對象，但是函數(shù)并不會立即開始執(zhí)行
• __iter__()和__next__()方法被自動實現(xiàn)，所以可以使用next()函數(shù)對返回的此iterator對象進行迭代
• 一旦一個generator 執(zhí)行到y(tǒng)ield語句，generator函數(shù)暫停，程序控制流被轉(zhuǎn)移到調(diào)用方
• 在對generator的連續(xù)調(diào)用之間，generator的本地變量和狀態(tài)會被保存
• 最終，generator函數(shù)終止，再調(diào)用generator會引發(fā)StopIteration異常

下面這個例子說明上述全部要點，我們有一個名為my_gen()的函數(shù)，它帶有一些yield聲明.

# A simple generator function  
def my_gen():  
    n = 1  
    print('This is printed first')  
    # Generator function contains yield statements  
    yield n  
  
    n += 1  
    print('This is printed second')  
    yield n  
  
    n += 1  
    print('This is printed at last')  
    yield n  

有趣的是，在這個例子里變量n在每次調(diào)用之間都被記住了。和一般函數(shù)不同的是，在函數(shù)yield之后本地變量沒有被銷毀，而且，generator對象只能被這樣迭代一次。

要想重復(fù)上面的過程，需要類似 a = my_gen() 這樣創(chuàng)建另一個generator對象，并對其使用next方法迭代。

注意

：我們可以對generator對象直接使用for循環(huán)。

這是因為一個for循環(huán)接收一個iterator對象，且使用next()函數(shù)迭代它，當(dāng)遇到StopIteration異常的時候自動停止。

# A simple generator function  
def my_gen():  
    n = 1  
    print('This is printed first')  
    # Generator function contains yield statements  
    yield n  
  
    n += 1  
    print('This is printed second')  
    yield n  
  
    n += 1  
    print('This is printed at last')  
    yield n  
  
# Using for loop  
  
# Output:   
# This is printed first  
# 1  
# This is printed second  
# 2  
# This is printed at last  
# 3  
  
for item in my_gen():  
    print(item) 

有循環(huán)的python generator

上面的例子沒有實際的應(yīng)用意義，我們只是為了探究背后原理。

通常來說，generator都是和循環(huán)結(jié)合實現(xiàn)的，且這個循環(huán)帶有一個終止條件。

我們來看一個reverse一個字符串的例子

def rev_str(my_str):  
    length = len(my_str)  
    for i in range(length - 1,-1,-1):  
        yield my_str[i]  
  
# For loop to reverse the string  
# Output:  
# o  
# l  
# l  
# e  
# h  
for char in rev_str("hello"):  
     print(char)  

我們在for循環(huán)里面使用range()函數(shù)來獲取反向順序的index。

generator除了可以應(yīng)用于string，還可以應(yīng)用于其它類型的iterator，例如list，tuple等。

python generator 表達式

使用generator表達式可以很容易地創(chuàng)建簡單的generator。

就像lambda函數(shù)可以創(chuàng)建匿名函數(shù)一樣，generator函數(shù)創(chuàng)建一個匿名generator函數(shù)。

generator表達式的語法類似于python的list comprehension，只是方括號被替換為了圓括號而已。

list comprehension和generator表達式的主要區(qū)別在于，前者產(chǎn)生全部的list，后者每次僅產(chǎn)生一項。

它們有些懶惰，僅在接到請求的時候才會產(chǎn)生輸出。因此，generator表達式比list comprehension更加節(jié)省內(nèi)存。

# Initialize the list  
my_list = [1, 3, 6, 10]  
  
# square each term using list comprehension  
# Output: [1, 9, 36, 100]  
[x**2 for x in my_list]  
  
# same thing can be done using generator expression  
# Output: <generator object <genexpr> at 0x0000000002EBDAF8>  
(x**2 for x in my_list)  

上面的例子中，generator表達式?jīng)]有立即產(chǎn)生需要的結(jié)果，而是在需要產(chǎn)生item的時候返回一個generator對象。

# Intialize the list  
my_list = [1, 3, 6, 10]  
  
a = (x**2 for x in my_list)  
# Output: 1  
print(next(a))  
  
# Output: 9  
print(next(a))  
  
# Output: 36  
print(next(a))  
  
# Output: 100  
print(next(a))  
  
# Output: StopIteration  
next(a)  

generator表達式可以在函數(shù)內(nèi)部使用。當(dāng)這樣使用的時候，圓括號可以丟棄。

python里為什么要使用generator？

1.容易實現(xiàn)

相對于iterator類來說，generator的實現(xiàn)清晰、簡潔。下面是用iterator實現(xiàn)一個2的指數(shù)函數(shù)

class PowTwo:  
    def __init__(self, max = 0):  
        self.max = max  
  
    def __iter__(self):  
        self.n = 0  
        return self  
  
    def __next__(self):  
        if self.n > self.max:  
            raise StopIteration  
  
        result = 2 ** self.n  
        self.n += 1  
        return result  

generator這樣實現(xiàn)

def PowTwoGen(max = 0):  
    n = 0  
    while n < max:  
        yield 2 ** n  
        n += 1  

因為generator自動跟蹤實現(xiàn)細節(jié)，因此更加清晰、簡潔。

2.節(jié)省內(nèi)存

一個函數(shù)返回一個序列(sequence)的時候，會在內(nèi)存里面把這個序列構(gòu)建好再返回。如果這個序列包含很多數(shù)據(jù)的話，就過猶不及了。

而如果序列是以generator方式實現(xiàn)的，就是內(nèi)存友好的，因為他每次只產(chǎn)生一個item。

3.代表無限的stream

generator是一個很棒的表示無限數(shù)據(jù)流的工具。無限數(shù)據(jù)流不能被保存在內(nèi)存里面，并且因為generator每次產(chǎn)生一個item，它就可以表示無限數(shù)據(jù)流。

下面的代碼可以產(chǎn)生所有的奇數(shù)

def all_even():  
    n = 0  
    while True:  
        yield n  
        n += 2  

4.generator流水線(pipeline)

generator可以對一系列操作執(zhí)行流水線操作。

假設(shè)我們有一個快餐連鎖店的日志。日志的第四列是每小時售出的披薩數(shù)量，我們想對近5年的這一數(shù)據(jù)進行求和。

假設(shè)所有數(shù)據(jù)都是字符，不可用的數(shù)據(jù)都以"N/A"表示，使用generator可以這樣實現(xiàn)

with open('sells.log') as file:  
    pizza_col = (line[3] for line in file)  
    per_hour = (int(x) for x in pizza_col if x != 'N/A')  
    print("Total pizzas sold = ",sum(per_hour))  

這個流水線既高效又易讀，并且看起來很酷?。海?/p>

到此這篇關(guān)于Python中Generators教程的實現(xiàn)的文章就介紹到這了,更多相關(guān)Python Generators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！

最新評論