零基础学python-19.6 生成器函数应用

这一章节我们来讨论一下生成器函数应用。

先定义一个生成器函数：

>>> def test():
for x in range(3):
yield x

>>> test()
<generator object test at 0x00BBF378>

从上面的代码可以看见，函数test返回的是一个生成器，然后当生成器产生一个结果之后，控制权就会返回给函数，然后系统会记录函数当前的状态（作用域与变量）

下面，我们来看看执行代码：

>>> def test():
for x in range(3):
yield x

>>> x=test()
>>> next(x)
0
>>> next(x)
1
>>>

从执行的代码可以看见，他每次生成一个结果，就会终止生产，然后把控制权交回给函数，然后等待下一次的调用

由于生成器支持迭代协议，因此我们可以使用内建函数next（）或者__next__来读取里面的值，当出现StopIteration异常时，生成器会自动回收。

>>> def test():
for x in range(3):
yield x

>>> x=test()
>>> next(x)
0
>>> next(x)
1
>>>x.__next__
<method-wrapper '__next__' of generator object at 0x01E69260>
>>> x.__next__()
2
>>> x.__next__()
Traceback (most recent call last):
File "<pyshell#13>", line 1, in <module>
x.__next__()
StopIteration
>>> 

在之前的章节当中我们提到一些建立列表的例子例如：

>>> def test(N):
res=[]
for x in range(N):
res.append(x**2)
return res

>>> test(4)
[0, 1, 4, 9]
>>>

除了使用for之外，我们还提到使用列表解析与map来解决这个问题

>>> [x**2 for x in range(4)]
[0, 1, 4, 9]
>>> list(map(lambda x : x**2,range(4)))
[0, 1, 4, 9]
>>>

我们上面的代码都是很快就可以生成结果出来，但是，如果当处理里面的对象需要花费大量的时间，而且不必一次性处理所有对象，这个时候yield这种延迟生成就具备很大的意义了。

总结：这一章节讨论了生成器函数的一些应用，以及主要的应用场景。

这一章节就说到这里，谢谢大家

------------------------------------------------------------------

点击跳转零基础学python-目录