1.生成器(generator)概念
生成器是迭代器，生成器提供了非常方便的自定义迭代器的途径,在Python中，这种一边循环一边计算的机制，称为生成器（Generator）
2.生成器作用
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.
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, ...
斐波拉契常规函数写法:
In [18]: def fib(num):
...: a,b,n=0,1,0
...: while n<num:
...: print(b)
...: a,b=b,a+b
...: n+=1
...:
In [19]: fib(5)
1
1
2
3
5
3.生成器创建
常见的生成器创建有两种形式:
①生成器表达式
②生成器函数
3.1.生成器表达式
生成器表达式与列表解析式极为相似,将列表解析式'[]'改成'()'就是一个生成器,生成器拥有next方法并且行为与迭代器完全相同，这意味着生成器也可以用于Python的for循环遍历,看
In [16]: gen=(x*x for x in range(4))
In [17]: gen
Out[17]: <generator object <genexpr> at 0x00000000045335E8> #结果表明为生成器
In [18]: for i in gen :
print(i),
#执行结果
0 1 4 9
3.1.生成器函数
生成器函数与普通函数极为相似,若函数中包含了至少一个yield关键字则为生成器,通过生成器函数可实现复杂逻辑的generator,例:
#定义一个生成器
In [1]: def gen():
print('start')
for i in range(5):
yield i #带yield关键字
print(i)
print('end')
------------------------------------------------------------------------------
In [2]: gen()
Out[2]: <generator object gen at 0x0000000004533C18> #结果表明为生成器
In [3]: t=gen()
In [4]: next(t) #每次进行迭代时返回一个值
start
Out[4]: 0
In [5]: next(t)
0
Out[5]: 1
In [6]: next(t)
1
Out[6]: 2
In [7]: next(t)
2
Out[7]: 3
In [8]: next(t)
3
Out[8]: 4
In [9]: next(t)
4
end
--------------------- 执行到末尾,迭代器遇到StopIteration异常结束
StopIteration Traceback (most recent call last)
<ipython-input-9-9494367a8bed> in <module>()
----> 1 next(t)
StopIteration:
4.生成器函数执行过程
生成器函数中的yield关键字包含两种功能:
1.返回
2.挂起
[L1] def gen():
[L2] print('start')
[L3] for i in range(5):
[L4] yield i
[L5] print(i)
[L6] print('end')
1.第一次执行next(generator)时，会执行完yield语句后程序进行挂起，所有的参数和状态会进行保存
2.再一次执行next(generator)时，会从挂起的状态开始往后执行。
在遇到程序的结尾或者遇到StopIteration时，循环结束
yield 与 return
5.生成器自带方法属性
#在ipython中对之前创建的gen生成器对象查看帮助
In [20]: help(gen)
Help on generator object:
<genexpr> = class generator(object)
| Methods defined here:
|
| __getattribute__(...)
| x.__getattribute__('name') <==> x.name
|
| __iter__(...)
| x.__iter__() <==> iter(x)
|
| __repr__(...)
| x.__repr__() <==> repr(x)
|
| close(...)
| close() -> raise GeneratorExit inside generator.
|
| next(...)
| x.next() -> the next value, or raise StopIteration
|
| send(...)
| send(arg) -> send 'arg' into generator,
| return next yielded value or raise StopIteration.
|
| throw(...)
| throw(typ[,val[,tb]]) -> raise exception in generator,
| return next yielded value or raise StopIteration.
|
| ----------------------------------------------------------------------
| Data descriptors defined here:
|
| gi_code
|
| gi_frame
|
| gi_running
通过上面的帮助文件可以归纳出生成器的方法有
1.close()
手动关闭生成器函数，后面的调用会直接返回StopIteration异常。
2.send()
生成器函数最大的特点是可以接受外部传入的一个变量，并根据变量内容计算结果后返回
3.throw()
用来向生成器函数送入一个异常，可以结束系统定义的异常，或者自定义的异常。
throw()后直接跑出异常并结束程序，或者消耗掉一个yield，或者在没有下一个yield的时候直接进行到程序的结尾。
网友评论