Python 生成器(generator)
2016-06-28 10:45
447 查看
带有 yield 的函数在 Python 中被称之为 generator(生成器),即包含yield语句的函数会被特地编译成生成器函数。当函数被调用时,他们返回一个生成器对象,这个生成器对象支持迭代器接口。函数也许会有个return语句,但它的作用是用来yield产生值的。生成器函数在生成值后会自动挂起并暂停他们的执行和状态,它的本地变量将保存状态信息,这些信息在函数恢复时将再度有效。。。
1》我们先看一个生成器的例子:
def generator(n):
for i in range(n):
yield i**2
for i in generator(5):
print i,
运行结果:
0 1 4 9 16
要了解他的运行原理,我们来用next方法看看:
>>> t=generator(3)
>>> t.next()
0
>>> t.next()
1
>>> t.next()
4
>>> t.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
在运行完3次next()之后,生成器抛出了一个StopIteration异常,迭代终止。
2》下面,我们通过斐波那契数列的例子,逐步说明为什么要使用生成器。
输出斐波那契数列前 N 个数
def fab(max):
n, a, b = 0, 0, 1
L = []
while n < max:
L.append(b)
a, b = b, a + b
n = n + 1
return L
for i in fab(5):
print i,
运行结果:
1 1 2 3 5
fab函数通过返回 List 能满足复用性的要求(其他函数可以获得该函数生成的数列)。但是该函数在运行中占用的内存会随着参数 max 的增大而增大,如果要控制内存占用,就不能使用列表来保存中间结果,可以通过生成器 对象来迭代,如下:
def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b
# print b
a, b = b, a + b
n = n + 1
for i in fab(5):
print i,
运行结果:
1 1 2 3 5
yield 的作用就是把一个函数变成一个 generator,带有 yield 的函数不再是一个普通函数,Python 解释器会将其视为一个 generator,调用 fab(5) 返回一个 iterable 对象!在 for 循环执行时,每次循环都会执行 fab 函数内部的代码,执行到 yield b 时,fab 函数就返回一个迭代值,下次迭代时,代码从 yield b 的下一条语句继续执行,而函数的本地变量看起来和上次中断执行前是完全一样的,于是函数继续执行,直到再次遇到 yield。
因为 fab(5) 是一个 generator 对象,该对象具有 next() 方法,因此,可以手动调用 fab(5) 的 next() 方法,这样我们就可以更清楚地看到 fab 的执行流程:
>>> f=fab(5)
>>> f.next()
1
>>> f.next()
1
>>> f.next()
2
>>> f.next()
3
>>> f.next()
5
>>> f.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
当函数执行结束时,generator 自动抛出 StopIteration 异常,表示迭代完成。在 for 循环里,不需要我们去处理 StopIteration 异常,循环会正常结束。
3》如何判断一个函数是否是一个特殊的 generator 函数?可以利用 isgeneratorfunction 判断:
>>> from inspect import isgeneratorfunction
>>> isgeneratorfunction(fab)
True
要注意区分 fab 和 fab(5),fab 是一个 generator function,而 fab(5) 是调用 fab 返回的一个 generator,好比类的定义和类的实例的区别:
>>> import types
>>> isinstance(fab,types.GeneratorType)
False
>>> isinstance(fab(5),types.GeneratorType)
True
每次调用 fab 函数都会生成一个新的 generator 实例,各实例互不影响:
>>> f1=fab(2)
>>> f2=fab(3)
>>> f1.next()
1
>>> f1.next()
1
>>> f1.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
>>> f2.next()
1
>>> f2.next()
1
>>> f2.next()
2
>>> f2.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
4》总结:
一个带有 yield 的函数就是一个 generator 函数,它和普通函数不同,生成一个 generator 看起来像函数调用,但不会执行任何函数代码,直到对其调用 next()才开始执行函数代码(在 for 循环中会自动调用 next() )。虽然执行流程仍按函数的流程执行,但每执行到一个 yield 语句就会中断,并返回一个迭代值,下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次,每次中断都会通过 yield 返回当前的迭代值。yield
的好处是把一个函数改写为一个 generator 就获得了迭代能力,而每次迭代,只返回一个值,避免了占用大量的内存。。。
1》我们先看一个生成器的例子:
def generator(n):
for i in range(n):
yield i**2
for i in generator(5):
print i,
运行结果:
0 1 4 9 16
要了解他的运行原理,我们来用next方法看看:
>>> t=generator(3)
>>> t.next()
0
>>> t.next()
1
>>> t.next()
4
>>> t.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
在运行完3次next()之后,生成器抛出了一个StopIteration异常,迭代终止。
2》下面,我们通过斐波那契数列的例子,逐步说明为什么要使用生成器。
输出斐波那契数列前 N 个数
def fab(max):
n, a, b = 0, 0, 1
L = []
while n < max:
L.append(b)
a, b = b, a + b
n = n + 1
return L
for i in fab(5):
print i,
运行结果:
1 1 2 3 5
fab函数通过返回 List 能满足复用性的要求(其他函数可以获得该函数生成的数列)。但是该函数在运行中占用的内存会随着参数 max 的增大而增大,如果要控制内存占用,就不能使用列表来保存中间结果,可以通过生成器 对象来迭代,如下:
def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b
# print b
a, b = b, a + b
n = n + 1
for i in fab(5):
print i,
运行结果:
1 1 2 3 5
yield 的作用就是把一个函数变成一个 generator,带有 yield 的函数不再是一个普通函数,Python 解释器会将其视为一个 generator,调用 fab(5) 返回一个 iterable 对象!在 for 循环执行时,每次循环都会执行 fab 函数内部的代码,执行到 yield b 时,fab 函数就返回一个迭代值,下次迭代时,代码从 yield b 的下一条语句继续执行,而函数的本地变量看起来和上次中断执行前是完全一样的,于是函数继续执行,直到再次遇到 yield。
因为 fab(5) 是一个 generator 对象,该对象具有 next() 方法,因此,可以手动调用 fab(5) 的 next() 方法,这样我们就可以更清楚地看到 fab 的执行流程:
>>> f=fab(5)
>>> f.next()
1
>>> f.next()
1
>>> f.next()
2
>>> f.next()
3
>>> f.next()
5
>>> f.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
当函数执行结束时,generator 自动抛出 StopIteration 异常,表示迭代完成。在 for 循环里,不需要我们去处理 StopIteration 异常,循环会正常结束。
3》如何判断一个函数是否是一个特殊的 generator 函数?可以利用 isgeneratorfunction 判断:
>>> from inspect import isgeneratorfunction
>>> isgeneratorfunction(fab)
True
要注意区分 fab 和 fab(5),fab 是一个 generator function,而 fab(5) 是调用 fab 返回的一个 generator,好比类的定义和类的实例的区别:
>>> import types
>>> isinstance(fab,types.GeneratorType)
False
>>> isinstance(fab(5),types.GeneratorType)
True
每次调用 fab 函数都会生成一个新的 generator 实例,各实例互不影响:
>>> f1=fab(2)
>>> f2=fab(3)
>>> f1.next()
1
>>> f1.next()
1
>>> f1.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
>>> f2.next()
1
>>> f2.next()
1
>>> f2.next()
2
>>> f2.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
4》总结:
一个带有 yield 的函数就是一个 generator 函数,它和普通函数不同,生成一个 generator 看起来像函数调用,但不会执行任何函数代码,直到对其调用 next()才开始执行函数代码(在 for 循环中会自动调用 next() )。虽然执行流程仍按函数的流程执行,但每执行到一个 yield 语句就会中断,并返回一个迭代值,下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次,每次中断都会通过 yield 返回当前的迭代值。yield
的好处是把一个函数改写为一个 generator 就获得了迭代能力,而每次迭代,只返回一个值,避免了占用大量的内存。。。
相关文章推荐
- 回测框架pybacktest简介(二)
- Python多进程编程
- python文件操作 信用模型 2016.06.27回顾
- Python将list中的string批量转化成int/float
- 如何利用python爬虫技术将百度贴吧上面的帖子名称爬取下来
- python 字典(dict)按键和值排序
- Longest Common Prefix Leetcode Python Java
- python访问MySQL
- python问题--缩进,IndentationError:expected an indented block
- Container With Most Water Leetcode Python Java
- python做考勤统计
- Python机器学习与实战笔记之朴素贝叶斯分类
- python 切片
- 简单谈谈python的反射机制
- python ctrl +d 退出
- Python实现带百分比的进度条
- Palindrome Number Leetcode Python Java
- Reverse Integer Leetcode Python Java
- python学习笔记之面向对象、基本I/O操作(一)
- [Python爬虫笔记][随意找个博客入门(一)]