Python学习笔记--生成器
2016-05-21 19:29
429 查看
生成器
在Python中,一边循环一边计算的机制,称为生成器:generator。
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
generator的一个重要特征就是可以通过next()每次访问一个返回值:
generator保存的是算法,每次调用
所以,我们创建了一个generator后,基本上永远不会调用
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
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:
仔细观察,可以看出,
也就是说,上面的函数和generator仅一步之遥。要把
这就是定义generator的另一种方法。如果一个函数定义中包含
这里,最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到
举个简单的例子,定义一个generator,依次返回数字1,3,5:
调用该generator时,首先要生成一个generator对象,然后用
可以看到,
回到
同样的,把函数改成generator后,我们基本上从来不会用
但是用
关于如何捕获错误,后面的错误处理还会详细讲解。
杨辉三角定义如下:
把每一行看做一个list,试写一个generator,不断输出下一行的list:
Run
generator是非常强大的工具,在Python中,可以简单地把列表生成式改成generator,也可以通过函数实现复杂逻辑的generator。
要理解generator的工作原理,它是在
请注意区分普通函数和generator函数,普通函数调用直接返回结果:
generator函数的“调用”实际返回一个generator对象:
在Python中,一边循环一边计算的机制,称为生成器:generator。
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:
>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>
generator的一个重要特征就是可以通过next()每次访问一个返回值:
>>> next(g) 0 >>> next(g) 1
generator保存的是算法,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。而普遍调用generator的方法是使用
for循环,因为generator也是可迭代对象:
>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) 0 1 4 9
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。
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'
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) >>> f <generator object fib at 0x104feaaa0>
这里,最难理解的就是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1,3,5:
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 1 >>> next(o) step 2 3 >>> next(o) step 3 5 >>> next(o) Traceback (most recent call last): File "<stdin>", line 1, in <module> 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:
>>> for n in fib(6): ... print(n) ... 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
StopIteration的
value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: abcd 8 Generator return value: done
关于如何捕获错误,后面的错误处理还会详细讲解。
练习
杨辉三角定义如下:1 1 1 1 2 1 1 3 3 1 1 4 6 4 1 1 5 10 10 5 1
把每一行看做一个list,试写一个generator,不断输出下一行的list:
# -*- coding: utf-8 -*- def triangles():
# 期待输出: # [1] # [1, 1] # [1, 2, 1] # [1, 3, 3, 1] # [1, 4, 6, 4, 1] # [1, 5, 10, 10, 5, 1] # [1, 6, 15, 20, 15, 6, 1] # [1, 7, 21, 35, 35, 21, 7, 1] # [1, 8, 28, 56, 70, 56, 28, 8, 1] # [1, 9, 36, 84, 126, 126, 84, 36, 9, 1] n = 0 for t in triangles(): print(t) n = n + 1 if n == 10: break
Run
小结
generator是非常强大的工具,在Python中,可以简单地把列表生成式改成generator,也可以通过函数实现复杂逻辑的generator。要理解generator的工作原理,它是在
for循环的过程中不断计算出下一个元素,并在适当的条件结束
for循环。对于函数改成的generator来说,遇到
return语句或者执行到函数体最后一行语句,就是结束generator的指令,
for循环随之结束。
请注意区分普通函数和generator函数,普通函数调用直接返回结果:
>>> r = abs(6) >>> r 6
generator函数的“调用”实际返回一个generator对象:
>>> g = fib(6) >>> g <generator object fib at 0x1022ef948>
相关文章推荐
- Python读取JSON数据,并解决字符集不匹配问题
- Python读取JSON数据,并解决字符集不匹配问题
- python EndUpdateResource问题
- LAN中访问其它主机的jupyter/ipython
- python核心编程
- Python图表绘制:matplotlib绘图库入门/python之import机制详解
- 基于正则表达式(python)对东方财富网上证指数吧爬虫实例
- python实现socket上传下载文件-进度条显示
- python实现socket上传下载文件-进度条显示
- python 爬虫抓取19楼租房信息
- Python函数式编程之高阶函数
- python中的if __name__=='__main__'的作用
- Python输出json时中文处理问题
- Python:Python基础(三)
- 结巴中文分词使用学习(python)
- LeetCode Linked List Cycle II
- [从头学python] 第07节 numpy的盘点
- Nagios调用Python程序控制微信公众平台发布报警信息
- Ubuntu14.04 64位+Python3.4环境下安装matplotlib的方法
- [转]python 获取脚本所在目录