Python淺析生成器generator的使用

Posted on by

一、創建生成器

通過列表⽣成式，我們可以直接創建⼀個列表。

但是，受到內存限制，列表容量肯定是有限的。

⽽且，創建⼀個包含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⼏個元素，那後⾯絕⼤多數元素占⽤的空間都⽩⽩浪費瞭。

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的過程中不斷推算出後續的元素呢？

# 列表生成式
lst = [i for i in range(10)]
print(lst)
print(type(lst))
# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# <class 'list'>

1.創建生成器的方式1

  • 生成式
g = (i for i in range(10))
print(g)
print(type(g))
# <generator object <genexpr> at 0x00000190CC886350> g是一個生成器對象
# <class 'generator'> g的類型是生成器

這樣就不必創建完整的list，從⽽節省⼤量的空間。在Python中，這種⼀邊循環⼀邊計算的機制，稱為⽣成器：generator。

創建 列表 和 生成器 的區別僅在於最外層的 [ ] 和 ( ) ， lst 是⼀個列表，⽽ g 是⼀個⽣成器。我們可以直接打印出 lst 的每⼀個元素，但我們怎麼打印出 g 的每⼀個元素呢？如果要⼀個⼀個打印出來，可以通過 next() 函數獲得⽣成器的下⼀個返回值：

print(next(g))  # 0
print(next(g))  # 1
print(next(g))  # 2
print(next(g))  # 3
print(next(g))  # 4
print(next(g))  # 5
print(next(g))  # 6
print(next(g))  # 7
print(next(g))  # 8
print(next(g))  # 9
print(next(g))  '''
Traceback (most recent call last):
  File "E:/Python Project/直播答疑/5.生成器.py", line 47, in <module>
    print(next(f))
StopIteration '''

也可以通過for-in循環打印出來

for i in g:
    print(i)
'''
0
1
2
3
4
5
6
7
8
9
'''

⽣成器保存的是算法，每次調⽤ next(g) ，就計算出 g 的下⼀個元素的值，直到計算到最後⼀個元素，沒有更多的 元素時，拋出 StopIteration 的異常。 當然，這種不斷調⽤ next() 實在是太繁瑣瞭，雖然是點一次出現一次，但正 確的⽅法是使⽤ for 循環，因為⽣成器也是可迭代對象。 所以，我們創建瞭⼀個⽣成器後，基本上永遠不會調⽤ next() ，⽽是通過 for 循環來迭代它，並且不需要關心StopIteration 異常。 所以，我們創建瞭一個生成器後，基本上不會調用 next() ，而是通過 for 循環來迭代它，並且不需要關心 StopIteration 的錯誤。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 循環無法實 現的時候，還可以用函數來實現。比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個 數都可由前兩個數相加得到： 1, 1, 2, 3, 5, 8, 13, 21, 34, … 斐波拉契數列用列表生成式寫不出來，但是，用函數把它打印出來卻很容易： 代碼如下

# 定義一個斐波那契函數
def fib(times):
    # 初始化
    n = 0
    a, b = 0, 1
    while n < times:
        print(b)
        a, b = b, a+b
        n += 1
fib(6)
'''
1
1
2
3
5
8
'''

仔細觀察，可以看出，fifib_a函數實際上是定義瞭斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。 也就是說，上面的函數generator僅一步之遙。要把 fib 函數變 成generator，隻需要把 print(b) 改為 yield(b) 就可以瞭：

2.創建生成器的方式2

  • yield
def fib(times):
    # 初始化
    n = 0
    a, b = 0, 1
    while n < times:
        yield b
        a, b = b, a+b
        n += 1
f = fib(6)
print(f)
# <generator object fib at 0x00000197C5E56350>
# f 是一個生成器對象
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
'''
1
1
2
3
5
8
'''
print(next(f))
'''
Traceback (most recent call last):
  File "E:/Python Project/直播答疑/5.生成器.py", line 47, in <module>
    print(next(f))
StopIteration
'''

在上⾯fifib 的例⼦，我們在循環過程中不斷調⽤ yield ，就會不斷中斷。當然要給循環設置⼀個條件來退出循環，不然就會產⽣⼀個⽆限數列出來。同樣的，把函數改成generator後，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 循環來迭代：

def fib(times):
    # 初始化
    n = 0
    a, b = 0, 1
    while n < times:
        yield b
        a, b = b, a+b
        n += 1
f = fib(6)
for i in f:
    print(i)
'''
1
1
2
3
5
8
'''

二、遍歷生成器的方式

1.通過next（）函數

2.通過循環打印 for- in

3.objict內置的__next__（）方法

4.send（） 方法，生成器的第一個值必須是send(None),後面沒有限制

# 創建一個生成器
g = (i for i in range(10))
print(next(g))
print(next(g))
# 0
# 1
print(g.__next__())
print(g.__next__())
# 2
# 3
print(g.send(None))
print(g.send(''))
print(g.send(1))
# 4
# 5
# 6
for i in g:
    print(i)
'''
7
8
9
'''

三、總結

⽣成器是這樣⼀個函數，它記住上⼀次返回時在函數體中的位置。對⽣成器函數的第⼆次（或第 n 次）調⽤跳轉⾄該函數中間，⽽上次調⽤的所有局部變量都保持不變。 ⽣成器不僅“記住”瞭它數據狀態；⽣成器還“記住”瞭它在流 控制構造（在命令式編程中，這種構造不隻是數據值）中的位置。 ⽣成器的特點：

'''
1. 節約內存 
2. 迭代到下⼀次的調⽤時，所使⽤的參數都是第⼀次所保留下的，在整個所有函數調⽤的參數都是第⼀次所調⽤
時保 留的，⽽不是新創建的
'''

到此這篇關於Python淺析生成器generator的使用的文章就介紹到這瞭,更多相關Python生成器generator內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：