python基础(补充):python三大器之生成器

python基础(补充):python三大器之生成器

生成器的定义

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

生成器的创建

生成器可以用两种方式创建:

  • 生成器表达式 (里面是推导式,外面用圆括号)

  • 生成器函数 (用def定义,里面含有yield)

生成器表达式

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:

li = [x * x for x in range(10)]
print(li)
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

g = (x * x for x in range(10))
print(g)
# <generator object <genexpr> at 0x000001A72D5D2E08>

生成器函数(yield)

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:

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

# 注意,这里的赋值语句  a, b = b, a + b
# 相当于
# t = (b, a + b) # t是一个tuple
# a = t[0]
# b = t[1]
# 但不必显式写出临时变量t就可以赋值。

上面的函数可以输出斐波那契数列的前N个数:

print(fib(6))
# 1
# 1
# 2
# 3
# 5
# 8
# done

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:

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

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:

f = fib(6)
print(f)

# <generator object fib at 0x000001AB51492E08>

生成器的调用

调用生成器的方式:

  • next()函数
  • for循环
  • for循环 + next()函数

next()函数

创建lig的区别仅在于最外层的[]()li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next()函数获得generator的下一个返回值:

g = (x * x for x in range(10))

print(next(g))  # 0
print(next(g))  # 1
print(next(g))  # 4
print(next(g))  # 9
print(next(g))  # 16
print(next(g))  # 25
print(next(g))  # 36
print(next(g))  # 49
print(next(g))  # 64
print(next(g))  # 81
print(next(g))
"""
Traceback (most recent call last):
  File "D:/python_project/mxxl/test/test.py", line 18, in <module>
    print(next(g))
StopIteration
"""
# 每次调用next(g),就计算出g的下一个元素的值,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。

for循环

当然,上面这种不断调用next(g)实在是太变态了,我们可以使用for循环来调用generator,因为generator也是可迭代对象:

g = (x * x for x in range(10))

for i in g:
    print(i)
    
# 0
# 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(),而是通过for循环来迭代它,并且不需要关心StopIteration的错误。

但是需要注意的是,当数据量过大时,会形成形成类似于死循环的效果(这里可以自己试验一下),所以就提出了下面的调用方法

for + next()

g = (x * x for x in range(10))

# 调用几次循环几次
for i in range(3):
	print(next(g))

# 0
# 1
# 4

注意点

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1,2,3:

def odd():
    print("step 1")
    yield 1
    print("step 2")
    yield(3)
    print("step 3")
    yield(5)

调用该generator时,首先要生成一个generator对象,然后用next()函数不断获得下一个返回值:

o = odd()
next(o)
# step 1

next(o)
# step 2

next(o)
# step 3

next(o)
"""
Traceback (most recent call last):
  File "D:/python_project/mxxl/test/test.py", line 23, in <module>
    next(o)
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(o)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,不然就会产生一个无限数列出来。

同样的,把函数改成generator后,我们基本上从来不会用next()来获取下一个返回值,而是直接使用for循环来迭代:

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

for i in fib(6):
    print(i)

# 1
# 1
# 2
# 3
# 5
# 8

但是用for循环调用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StopIterationvalue中:

g = fib(6)
while True:
	try:
		x = next(g)
		print("g:", x)
	except StopIteration as e:
		print("Generator return value:", e.value)
		break
# g: 1
# g: 1
# g: 2
# g: 3
# g: 5
# g: 8
# Generator return value: done
hmoban主题是根据ripro二开的主题,极致后台体验,无插件,集成会员系统
自学咖网 » python基础(补充):python三大器之生成器