当前位置 : 主页 > 编程语言 > 其它开发 >

『无为则无心』Python基础 — 63、Python中的生成器

来源:互联网 收集:自由互联 发布时间:2022-05-18
目录 1、为什么要有生成器 2、创建生成器 (1)简单创建生成器 (2)生成器的使用 3、 yield 关键词 (1) yield 关键词说明 (2) send() 方法说明 4、使用 yield 实现斐波那契数列 5、总结

目录
  • 1、为什么要有生成器
  • 2、创建生成器
    • (1)简单创建生成器
    • (2)生成器的使用
  • 3、yield关键词
    • (1)yield关键词说明
    • (2)send()方法说明
  • 4、使用yield实现斐波那契数列
  • 5、总结

1、为什么要有生成器

Python在数据科学领域可以说是很火,我想有一部分的功劳就是它的生成器了吧。

我们知道我们可以用列表储存数据,可是当我们的数据特别大的时候,列表中的数据都是放在内存中,受到内存限制,列表容量肯定是有限的,而且还会降低计算机的性能。

如果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。但如果列表中元素是按照某种算法推算出来,那我们就可以在循环的过程中不断推算出后续的元素,这样就不必创建完整的列表数据,从而节省大量的空间。

换句话说,我又想要得到庞大的数据,又想让它占用空间少,这时生成器就派上用场了,它可以说是一个不怎么占计算机资源的一种方法。

2、创建生成器 (1)简单创建生成器

将一个列表推导式(也叫列表生成式) [] 改为 ()即可创建一个生成器。

# 1.用推导式定义一个列表
# 关于推导式请看以前的文章有讲解。
my_list = [x * x for x in range(10)]

# 打印列表
print(my_list)
# 查看my_list类型,是一个列表
print(type(my_list))
"""
输出结果:
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
<class 'list'>
"""



# 2.创建一个生成器
my_gen = (x * x for x in range(10))

# 打印生成器,是一个生成器对象
print(my_gen)
# 查看my_gen对象类型,是生成器类型
print(type(my_gen))
"""
输出结果:
<generator object <genexpr> at 0x0000000002575148>
<class 'generator'>
"""
(2)生成器的使用
# 创建生成器
my_gen = (x * x for x in range(10))

# 1。方式一:遍历生成器,使用next方法
print(my_gen.__next__())  # 0
print(my_gen.__next__())  # 1
print(my_gen.__next__())  # 4
print(my_gen.__next__())  # 9
# 或者
print(next(my_gen))  # 16
print(next(my_gen))  # 没有数据了则会抛出异常StopIteration



# 2.方式二:遍历生成器的内容
for i in my_gen:
    print(1)


# 3.方式三:遍历生成器的内容
while True:
    try:
        # 调用next函数,获取下一个字符
        result = next(my_gen)
        print(result)
    except StopIteration:
        # 释放对it的引用,即废弃迭代器对象
        del my_gen
        # 不推出循环会成为私循环
        break

提示:

  • 在上边练习中,可以看到和迭代器的用法差不多,在这里说明一下生成器本身就是一个迭代器。如果有对迭代器不清楚的可以查看前面说明迭代器的文章。
  • 上面方式一不断调用next()方法回去元素,实在是太变态了,正确的方法是使用for循环。
  • generator保存的是算法,每次调用next(),就计算出下一个元素的值,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。

总结:

  • []推导出来的是迭代器(Iterables)。
  • ()推导出来的是生成器(Generators)。
3、yield关键词 (1)yield关键词说明

如果我们想定义一个自己的生成器函数怎么办?

Python有yield关键词。其作用和return的功能差不多,就是返回一个值给调用者,只不过有yield的函数返回值后,函数依然保持调用yield时的状态,当下次调用的时候,在原先的基础上继续执行代码,直到遇到下一个yield或者满足结束条件结束函数为止。

啥意思?啥意思?啥意思?

  • 你先把yield关键字直观的看做return关键字,它首先是return的功能,就是在函数或方法中返回某个值,返回之后程序就不再往下运行了。
  • yield相当于返回一个值给调用者,停止执行函数中的语句,并且记住这个返回的位置。下次迭代时(或者执行next方法的时候),代码从yield记录位置的下一条语句开始执行。
  • 带有yield的函数不再是一个普通函数,而是一个生成器generator
  • 调用一个生成器函数,返回的是一个迭代器对象。

示例:

# 定义一个生成器函数
def testYield():
    yield 1
    yield 2
    yield 3

# 获得一个生成器对象
ty = testYield()

"""
调用过程:
next(ty)相当于ty.__next__()
掉调用一次next(ty)时
就会执行testYield()内的方法。
当执行的第一行, yield 1时,
返回当前yield的值1给调用者,停止向下执行,并记录函数中当前的执行位置。
也就是每次遇到 yield 时函数会暂停并保存当前所有的运行信息,返回 yield 的值。
程序执行结束

当下次再调用next(ty)的时候,
还是会执行testYield()内的方法,
只不过是从yield 1下面一句开始执行。
以此类推。
"""
print(next(ty))  # 1
print(next(ty))  # 2
print(next(ty))  # 3
print(next(ty))  # StopIteration

注意:每次调用 testYield()函数都会生成一个新的 generator 实例,各实例互不影响。

(2)send()方法说明

send()方法和next()方法一样,都能让生成器继续往下走一步(下次遇到yield停),但send()能传一个值,这个值作为yield表达式整体的结果。

def testYield():
    yield 1
    y = yield 2
    if (y == 'hello'):
        yield 9
    yield 3


ty = testYield()

print(ty.__next__())  # 1
print(next(ty))  # 2
"""
第三次执行,send方法会把"hello"传递进去
就是y = "hello"
换句话说,就是send可以强行修改上一个yield表达式值
程序会从第二个yield的下一行开始执行
执行到下一个yield停止,并记录位置,返回结果。
"""
print(ty.send("hello"))  # 9
print(next(ty))  # 3
print(next(ty))  # StopIteration

注意:第一次执行要么next(ty)要么ty.send(None),不能使用ty.send('xxxxx'),否则会报错的。

4、使用yield实现斐波那契数列
"""
数学中有个著名的斐波那契数列(Fibonacci),
数列中第⼀个数0,第⼆个数1,其后的每⼀个数都可由前两个数相加得到:
如下:
0,    1,    1,   2,    3,    5,   8,    13,    21,   34,    ...

现在我们想要通过for...in...循环来遍历迭代斐波那契数列中的前n个数。
那么这个斐波那契数列我们就可以⽤生成来实现,
每次迭代都通过数学计算来⽣成下⼀个数。
"""
from collections.abc import Iterable, Iterator


class FibGenerator(object):
    """
        fib数列生成器
    """

    # 初始化方法
    def __init__(self):
        # 斐波拉契数列中的前两个数
        self.num1 = 0
        self.num2 = 1

        # 用来记录迭代次数(计数器)
        self.i = 0

    def gen(self, count):
        # 用来保存迭代的总次数
        self.count = count

        # 判断是否迭代结束,如果没有到达迭代次数,则返回数据
        # self.count 需要迭代的次数
        # self.i已迭代次数
        while self.i < self.count:
            yield self.num2
            # 计算num1, num2的值,方便下次迭代返回
            # 这里运用的是序列的封包与解包,不会的可以看我以前的文章(元组)
            self.num1, self.num2 = self.num2, self.num1 + self.num2

            # 执行一次next方法,计数器+1
            self.i = self.i + 1


# 创建一个对象
fibGen = FibGenerator()

# 调用生成器函数得到一个生成器
fg = fibGen.gen(15)

# fibIter对象是一个迭代器
print(isinstance(fg, Iterable))  # True
print(isinstance(fg, Iterator))  # True

# next方法方式获取数据
# print(next(fg))  # 1
# print(next(fg))  # 1
# print(next(fg))  # 2
# print(next(fg))  # 3
# print(next(fg))  # 5
# print(next(fg))  # 8


# 遍历生成器,可执行
for li in fg:
    print(li)
5、总结
  • 生成器generator就是迭代器iterator的一种,以更优雅的方式实现的iterator,而且完全可以像使用iterator一样使用generator
  • 当然除了定义,定义一个iterator,你需要分别实现__iter__()方法方法和__next__()方法。但generator只需要一个yield关键字就可以。
  • Python生成器主要目的就是为了让你的代码更省资源,更高效!

参考:

  • https://blog.csdn.net/weixin_37720172/article/details/78482291
  • https://www.cnblogs.com/liangmingshen/p/9706181.html
  • https://blog.csdn.net/xiangxianghehe/article/details/77281186
上一篇:字符串压缩(一)之ZSTD
下一篇:没有了
网友评论