首页 > 编程语言 > 详细

python高级-生成器(17)

时间:2019-04-15 20:10:40      阅读:118      评论:0      收藏:0      [点我收藏+]

1. 什么是?成器

通过列表?成式,我们可以直接创建?个列表。但是,受到内存限制,列表容量肯定是有限的。?且,创建?个包含100万个元素的列表,不仅占?很?的存储空间,如果我们仅仅需要访问前??个元素,那后?绝?多数元素占?的空间都??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?节省?量的空间。在Python中,这种?边循环?边计算的机制,称为?成器:generator。

 

2. 创建?成器?法1

要创建?个?成器,有很多种?法。第?种?法很简单,只要把?个列表?成式的 [ ] 改成 ( )

列表生成式

L = [2*x for x in range(1,10)]
print(L)

运行结果为:[2, 4, 6, 8, 10, 12, 14, 16, 18]

生成器

G = (2*x for x in range(1,10))
p

运行结果为:<generator object <genexpr> at 0x00000111152FC408>

创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) , L 是?个列表,? G 是?个?成器。我们可以直接打印出L的每?个元素,但我们怎么打印出G的每?个元素呢?如果要?个?个打印出来,可以通过 next() 函数获得?成器的下?个返回:

G = (2*x for x in range(1,10))
print(G)
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))

运行结果为:2、4、6、8、10、12

G = (2*x for x in range(1,10))
print(G)
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))
print(next(G))

运行结果为:

<generator object <genexpr> at 0x0000022CCCC8C408>
2
4
6
8
10
12
14
16
18
Traceback (most recent call last):
  File "C:\Users\Se7eN_HOU\Desktop\A.py", line 12, in <module>
    print(next(G))
StopIteration

注意:

  • ?成器保存的是算法,每次调? next(G) ,就计算出 G 的下?个元素的值,直到计算到最后?个元素,没有更多的元素时,抛出 StopIteration 的异常。
  • 当然,这种不断调? next() 实在是太变态了,正确的?法是使? for 循环,因为?成器也是可迭代对象。所以,我们创建了?个?成器后,基本上永远不会调? next() ,?是通过 for 循环来迭代它,并且不需要关?StopIteration 异常.

 

3. 创建?成器方法2

generator?常强?。如果推算的算法?较复杂,?类似列表?成式的 for 循环?法实现的时候,还可以?函数来实现。

?如,著名的斐波拉契数列(Fibonacci),除第?个和第?个数外,任意?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?列表?成式写不出来,但是,?函数把它打印出来却很容易

def fib(times):
    n=0
    a,b = 0,1
    while n<times:
        print(b)
        a,b = b,a+b
        n+=1
    return "done"

fib(5)

运行结果为:1、 1、 2、 3、 5

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?个元素开始,推算出后续任意的元素,这种逻辑其实?常类似
generator。也就是说,上?的函数和generator仅?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:

def fib(times):
    n=0
    a,b = 0,1
    while n<times:
        yield b
        a,b = b,a+b
        n+=1
    return "done"

f = fib(5)
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))

运行结果为:

1
1
2
3
5
Traceback (most recent call last):
  File "C:\Users\Se7eN_HOU\Desktop\demo.py", line 16, in <module>
    print(next(f))
StopIteration: done

在上?fib 的例?,我们在循环过程中不断调? yield ,就会不断中断。当然要给循环设置?个条件来退出循环,不然就会产??个?限数列出来。同样的,把函数改成generator后,我们基本上从来不会? next() 来获取下?个返回值,?是直接使? for 循环来迭代:

def fib(times):
    n=0
    a,b = 0,1
    while n<times:
        yield b
        a,b = b,a+b
        n+=1
    return "done"

for n in fib(5):
    print(n)

运行结果为:

1
1
2
3
5

但是?for循环调?generator时,发现拿不到generator的return语句的返回值。如果想要拿到返回值,必须捕获StopIteration错误,返回值包含在StopIteration的value中:

def fib(times):
    n=0
    a,b = 0,1
    while n<times:
        yield b
        a,b = b,a+b
        n+=1
    return "done"

f = fib(5)
while True:
    try:
        x = next(f)
        print("value=%d"%x)
    except StopIteration as e:
        print("生成器返回值=%s"%e.value)
        break

运行结果为:

value=1
value=1
value=2
value=3
value=5
生成器返回值=done

 

4、_ _next_ _()方法和next()一样

def fib(times):
    n=0
    a,b = 0,1
    while n<times:
        yield b
        a,b = b,a+b
        n+=1
    return "done"

f = fib(5)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())

运行结果为:

1Traceback (most recent call last):

1
2
3
5
  File "C:\Users\Se7eN_HOU\Desktop\demo.py", line 16, in <module>
    print(f.__next__())
StopIteration: done

 

5.、send()

def fib(times):
    n=0
    a,b = 0,1
    while n<times:
        temp = yield b
        print(temp)
        a,b = b,a+b
        n+=1

f = fib(5)
print(f.__next__())
print(f.send("Se7eN_HOU"))
print(f.send("Se7eN"))
print(next(f))
print(f.__next__())

运行结果为:

1
Se7eN_HOU
1
Se7eN
2
None
3
None
5

通过上面的例子可以看出使用send()函数可以给生成器生成对象的时候传递参数。

总结

  • ?成器是这样?个函数,它记住上?次返回时在函数体中的位置。对?成器函数的第?次(或第 n 次)调?跳转?该函数中间,?上次调?的所有局部变量都保持不变。
  • ?成器不仅“记住”了它数据状态;?成器还“记住”了它在流控制构造(在命令式编程中,这种构造不只是数据值)中的位置。

?成器的特点:

  • 1. 节约内存
  • 2. 迭代到下?次的调?时,所使?的参数都是第?次所保留下的,即是说,在整个所有函数调?的参数都是第?次所调?时保留的,?不是新创建的

 

python高级-生成器(17)

原文:https://www.cnblogs.com/Se7eN-HOU/p/10712698.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!