python生成器

发布时间:2019-06-08 21:13:40编辑:auto阅读(1682)

    所属网站分类: python基础 > 装饰器,迭代器,生成器


    作者:慧雅

    原文链接: http://www.pythonheidong.com/blog/article/20/

    来源:python黑洞网 www.pythonheidong.com

     

    生成器

    首先让我们了解迭代器。根据Wikipedia,迭代器是一个对象,它使程序员能够遍历容器,特别是列表。但是,迭代器执行遍历并允许访问容器中的数据元素,但不执行迭代。你可能会感到困惑,所以让我们慢一点。有三个部分:

    • 可迭代
    • 迭代器
    • 迭代

    所有这些部分都相互关联。我们将逐一讨论它们,然后讨论生成器。

    可迭代

    Python中的任何对象都有一个__iter__或一个__getitem__定义的 方法,它返回一个迭代器,简而言之,iterable是任何可以为我们提供迭代器的对象。什么是迭代器?

    迭代器

    Python中的只要定义了next(Python2)或 __next__方发就是一个迭代器。现在让我们理解迭代。

    迭代

    简单来说,它是从例如列表中获取元素的过程。当我们使用循环来循环某对象时,它被称为迭代。它是流程本身的名称。现在我们对这些术语有了基本的了解,让我们了解生成器。

     

    生成器

    生成器是迭代器,但您只能迭代它们一次。这是因为它们不会将所有值存储在内存中,它们会动态生成值。您可以通过迭代它们来使用它们,或者使用'for'循环,或者将它们传递给任何迭代的函数或构造。大多数时候generators都是作为函数实现的。这是一个generator函数的简单示例:

     

    def generator_function():
        for i in range(10):
            yield i
    
    for item in generator_function():
        print(item)
    
    # Output: 0
    # 1
    # 2
    # 3
    # 4
    # 5
    # 6
    # 7
    # 8
    # 9

    在这种情况下,它并没有真正有用。生成器最适合计算大量结果(特别是涉及循环本身的计算),您不希望同时为所有结果分配内存。lists在Python 2 中返回的许多标准库函数 已在Python 3中被修改为generators返回,因为generators需要的资源更少。

    这是一个generator计算斐波纳契数的例子:

     

    # generator version
    def fibon(n):
        a = b = 1
        for i in range(n):
            yield a
            a, b = b, a + b
    现在我们可以像这样使用它:

     

     

    for x in fibon(1000000):
        print(x)
    这样我们就不必担心使用大量资源了。但是,如果我们这样实现它:

     

     

    def fibon(n):
        a = b = 1
        result = []
        for i in range(n):
            result.append(a)
            a, b = b, a + b
        return result
    在计算大量输入时,它会耗尽我们所有的资源。我们已经讨论过,我们只能迭代generators一次,但我们还没有测试过。在测试之前,您需要了解Python的另外一个内置函数next()。它允许我们访问序列的下一个元素。让我们测试一下:

     

     

    def generator_function():
        for i in range(3):
            yield i
    
    gen = generator_function()
    print(next(gen))
    # Output: 0
    print(next(gen))
    # Output: 1
    print(next(gen))
    # Output: 2
    print(next(gen))
    # Output: Traceback (most recent call last):
    #            File "<stdin>", line 1, in <module>
    #         StopIteration
    我们可以看到,在取出所有值之后next()会导致 StopIteration错误。基本上这个错误告诉我们所有的值都已被取出了。您可能想知道为什么我们在使用for循环时不会出现此错误?答案很简单, for循环自动捕获这个错误并停止 next。您是否知道Python中的一些内置数据类型也支持迭代?让我们来看看:

     

     

    my_string = "Yasoob"
    next(my_string)
    # Output: Traceback (most recent call last):
    #      File "<stdin>", line 1, in <module>
    #    TypeError: str object is not an iterator
    那不是我们所期望的。str不是迭代器。嗯,这是对的!它是可迭代的但不是迭代器。这意味着它支持迭代但我们不能直接迭代它。那么我们如何迭代呢?现在是时候学习一个内置函数了iter。虽然 int不是可迭代的,但我们可以在字符串上使用它!

     

    int_var = 1779
    iter(int_var)
    # Output: Traceback (most recent call last):
    #   File "<stdin>", line 1, in <module>
    # TypeError: 'int' object is not iterable
    # This is because int is not iterable
    
    my_string = "Yasoob"
    my_iter = iter(my_string)
    print(next(my_iter))
    # Output: 'Y'
    现在好多了。我相信你喜欢学习生成器。请记住,只有在使用它时才能完全掌握这个概念。确保您遵循此模式,并在它们对您有意义时使用 。你不会失望的!

     

     

     

关键字