Python的生成器

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,那后面的絕大多數(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:

>>> L = [x*x for x in range(3)]
>>> L
[0, 1, 4]

>>> G = (x*x for x in range(3))
>>> G
<generator object <genexpr> at 0x10774db40>

L和G僅僅是差別在最外層的[]和(),L是一個list,而G是一個generator。
list可以直接打印出每個元素,而generator呢?如果是一個一個打印出來,就要借助generator的next():

>>> G.next()
0
>>> G.next()
1
>>> G.next()
4
>>> G.next()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

generator保存的是算法,每次調(diào)用next()方法,就計算出下一個值,知道最后一個值,如果沒有值了,就拋出StopIteration的異常。

使用循環(huán),獲取generator中的每個值,說明generator也是可迭代的:

>>> G = (x*x for x in range(3))
>>> for i in G:
...     print i 
... 
0
1
4

此刻,再次執(zhí)行:

>>> for i in G:
...     print i
... 
>>> 

發(fā)現(xiàn)并沒有打印出什么東西。這種特性也是迭代器所具備的。

如果推算的算法比較復(fù)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)。例如,著名的斐波拉契數(shù)列。除第一個和第二個數(shù)外,任意一個數(shù)都可以由前面兩個數(shù)相加得到:
1,1,2,3,5,8,13,21...
使用函數(shù)打印出來:

>>> def fib(max):
...     n,a,b = 0,0,1
...     while n < max:
...         print b
...         a,b = b,a+b
...         n = n+1
>>> fib(6)
1
1
2
3
5
8

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(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1

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:

>>> fib(6)
<generator object fib at 0x10226ba00>

使用for循環(huán)來迭代:

>>> for i in fib(6):
...     print i
... 
1
1
2
3
5
8
>>> def odd():
...     print 'step 1'
...     yield 1
...     print 'step 2'
...     yield 3
...     print 'step 3'
...     yield 5
...
>>> o = odd()
>>> o.next()
step 1
1
>>> o.next()
step 2
3
>>> o.next()
step 3
5
>>> o.next()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

可以看到,odd不是普通函數(shù),而是generator,在執(zhí)行過程中,遇到y(tǒng)ield就中斷,下次又繼續(xù)執(zhí)行。執(zhí)行3次yield后,已經(jīng)沒有yield可以執(zhí)行了,所以,第4次調(diào)用next()就報錯。

小結(jié)

generator是非常強大的工具,在Python中,可以簡單地把列表生成式改成generator,也可以通過函數(shù)實現(xiàn)復(fù)雜邏輯的generator。

要理解generator的工作原理,它是在for循環(huán)的過程中不斷計算出下一個元素,并在適當(dāng)?shù)臈l件結(jié)束for循環(huán)。對于函數(shù)改成的generator來說,遇到return語句或者執(zhí)行到函數(shù)體最后一行語句,就是結(jié)束generator的指令,for循環(huán)隨之結(jié)束。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

推薦閱讀更多精彩內(nèi)容

  • 為了理解什么是 yield,你必須理解什么是生成器。在理解生成器之前,讓我們先走近迭代。 可迭代對象 當(dāng)你建立了一...
    lintong閱讀 434評論 0 3
  • 前言 這篇博客寫了很久,其實寫每一篇博客用的時間還是挺長的,不夠這有利于自己的學(xué)習(xí),也想分享一下。之前也說了創(chuàng)建了...
    GitHubClub閱讀 1,352評論 1 14
  • 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...
    chen_000閱讀 144評論 0 0
  • 我們可以通過列表生成式簡單直接地創(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...
    PyChina閱讀 2,870評論 0 3
  • 在此處先列下本篇文章的主要內(nèi)容 簡介 next方法的參數(shù) for...of循環(huán) Generator.prototy...
    醉生夢死閱讀 1,463評論 3 8