python生成器作用（深入理解Python中的生成器）

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）     

     

     

     

。

要创建一个generator




















，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()     



     



     



     



 ，就创建了一个generator：

>>>L=[x*xforxinrange(10)]>>>L [0,1,4,9,16,25,36,49,64,81]>>> g=(x*xforxinrange(10))>>>g <generatorobject<genexpr>at0x104feab40>

创建L和g的区别仅在于最外层的[]和()



















，L是一个list
    
    
    
    
，而g是一个generator


  


  


  


  
。

我们可以直接打印出list的每一个元素     


     


     


     


，但我们怎么打印出generator的每一个元素呢？

如果要一个一个打印出来 




 




 




 




 ，可以通过generator的next()方法：

>>>g.next() >>>g.next() 1 >>>g.next() 4 >>>g.next() 9 >>>g.next() 16 >>>g.next() 25 >>>g.next() 36 >>>g.next() 49 >>>g.next() 64 >>>g.next() 81 >>>g.next() Traceback(mostrecentcalllast): File"<stdin>",line1,in<module> StopIteration

我们讲过

   

   

   

   
，generator保存的是算法     

     

     

     

，每次调用next()  




  




  




  




 ，就计算出下一个元素的值


  


  


  


  
，直到计算到最后一个元素     
     
     
     
，没有更多的元素时   




   




   




   




 ，抛出StopIteration的错误     
     
     
     
。

当然



 



 



 



 
，上面这种不断调用next()方法实在是太变态了                    ，正确的方法是使用for循环    




    




    




    




 ，因为generator也是可迭代对象：

>>>g=(x*xforxinrange(10)) >>>forning: ...printn ... 1 4 9 16 25 36 49 64 81

所以




















，我们创建了一个generator后                    ，基本上永远不会调用next()方法     



     



     



     



 ，而是通过for循环来迭代它   




   




   




   




 。

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：

deffib(max): n,a,b=0,0,1 whilen<max:printb a,b=b,a+b n=n+1

上面的函数可以输出斐波那契数列的前N个数：

>>>fib(6) 1 1 2 3 5 8

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：

deffib(max): n,a,b=0,0,1 whilen<max: yieldb a,b=b,a+b n=n+1

这就是定义generator的另一种方法                    。如果一个函数定义中包含yield关键字                    ，那么这个函数就不再是一个普通函数     



     



     



     



 ，而是一个generator：

>>>fib(6) <generatorobjectfibat0x104feaaa0>

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
    
    
    
    
。

举个简单的例子     

     

     

     

，定义一个generator  




  




  




  




 ，依次返回数字1


  


  


  


  
，3     
     
     
     
，5：

>>>defodd(): ...printstep1 ...yield1 ...printstep2 ...yield3 ...printstep3 ...yield5 ... >>>o=odd() >>>o.next() step1 1 >>>o.next() step2 3 >>>o.next() step3 5 >>>o.next() Traceback(mostrecentcalllast): File"<stdin>",line1,in<module> StopIteration

可以看到   




   




   




   




 ，odd不是普通函数



 



 



 



 
，而是generator                    ，在执行过程中    




    




    




    




 ，遇到yield就中断




















，下次又继续执行     


     


     


     


。执行3次yield后                    ，已经没有yield可以执行了     



     



     



     



 ，所以



















，第4次调用next()就报错 




 




 




 




 。

回到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()来调用它  




  




  




  




 ，而是直接使用for循环来迭代：

>>>forninfib(6): ...printn ... 1 1 2 3 5 8

小结

generator是非常强大的工具


  


  


  


  
，在Python中     
     
     
     
，可以简单地把列表生成式改成generator   




   




   




   




 ，也可以通过函数实现复杂逻辑的generator  




  




  




  




 。