深入理解Python中的生成器(转载)
2017-01-08 22:18
585 查看
生成器(generator)概念
生成器不会把结果保存在一个系列中,而是保存生成器的状态,在每次进行迭代时返回一个值,直到遇到StopIteration异常结束。
生成器语法
生成器表达式: 通列表解析语法,只不过把列表解析的[]换成()生成器表达式能做的事情列表解析基本都能处理,只不过在需要处理的序列比较大时,列表解析比较费内存。
>>> gen = (x**2 for x in range(5)) >>> gen <generator object <genexpr> at 0x0000000002FB7B40> >>> for g in gen: ... print(g, end='-') ... 0-1-4-9-16- >>> for x in [0,1,2,3,4,5]: ... print(x, end='-') ... 0-1-2-3-4-5-
生成器函数: 在函数中如果出现了
yield关键字,那么该函数就不再是普通函数,而是生成器函数。
但是生成器函数可以生产一个无线的序列,这样列表根本没有办法进行处理。
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。
下面为一个可以无穷生产奇数的生成器函数。
def odd(): n=1 while True: yield n n+=2 odd_num = odd() count = 0 for o in odd_num: if count >=5: break print(o) count +=1
当然通过手动编写迭代器可以实现类似的效果,只不过生成器更加直观易懂
class Iter: def __init__(self): self.start=-1 def __iter__(self): return self def __next__(self): self.start +=2 return self.start I = Iter() for count in range(5): print(next(I))
题外话: 生成器是包含有
__iter__()和
__next__()方法的,所以可以直接使用for来迭代,而没有包含
StopIteration的自编
Iter来只能通过手动循环来迭代。
>>> from collections import Iterable >>> from collections import Iterator >>> isinstance(odd_num, Iterable) True >>> isinstance(odd_num, Iterator) True >>> iter(odd_num) is odd_num True >>> help(odd_num) Help on generator object: odd = class generator(object) | Methods defined here: | | __iter__(self, /) | Implement iter(self). | | __next__(self, /) | Implement next(self). ......
看到上面的结果,现在你可以很有信心的按照Iterator的方式进行循环了吧!
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。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 与 return
在一个生成器中,如果没有return,则默认执行到函数完毕时返回
StopIteration;
>>> def g1(): ... yield 1 ... >>> g=g1() >>> next(g) #第一次调用next(g)时,会在执行完yield语句后挂起,所以此时程序并没有执行结束。 1 >>> next(g) #程序试图从yield语句的下一条语句开始执行,发现已经到了结尾,所以抛出StopIteration异常。 Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration >>>
如果遇到
return,如果在执行过程中
return,则直接抛出
StopIteration终止迭代。
>>> def g2(): ... yield 'a' ... return ... yield 'b' ... >>> g=g2() >>> next(g) #程序停留在执行完yield 'a'语句后的位置。 'a' >>> next(g) #程序发现下一条语句是return,所以抛出StopIteration异常,这样yield 'b'语句永远也不会执行。 Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
如果在
return后返回一个值,那么这个值为
StopIteration异常的说明,不是程序的返回值。
生成器没有办法使用return来返回值。
>>> def g3(): ... yield 'hello' ... return 'world' ... >>> g=g3() >>> next(g) 'hello' >>> next(g) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration: world
生成器支持的方法
>>> help(odd_num) Help on generator object: odd = class generator(object) | Methods defined here: ...... | close(...) | close() -> raise GeneratorExit inside generator. | | 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.
close()
手动关闭生成器函数,后面的调用会直接返回StopIteration异常。
>>> def g4(): ... yield 1 ... yield 2 ... yield 3 ... >>> g=g4() >>> next(g) 1 >>> g.close() >>> next(g) #关闭后,yield 2和yield 3语句将不再起作用 Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
send()
生成器函数最大的特点是可以接受外部传入的cef8
一个变量,并根据变量内容计算结果后返回。
这是生成器函数最难理解的地方,也是最重要的地方,实现后面我会讲到的协程就全靠它了。
def gen(): value=0 while True: receive=yield value if receive=='e': break value = 'got: %s' % receive g=gen() print(g.send(None)) print(g.send('aaa')) print(g.send(3)) print(g.send('e'))
执行流程:
通过
g.send(None)或者
next(g)可以启动生成器函数,并执行到第一个
yield语句结束的位置。
此时,执行完了
yield语句,但是没有给
receive赋值。
yield value会输出初始值0。注意:在启动生成器函数时只能send(None),如果试图输入其它的值都会得到错误提示信息。
通过
g.send('aaa'),会传入
aaa,并赋值给
receive,然后计算出
value的值,并回到
while头部,执行
yield value语句有停止。 此时
yield value会输出
"got: aaa",然后挂起。
通过
g.send(3),会重复第2步,最后输出结果为
"got: 3"
当我们
g.send('e')时,程序会执行
break然后推出循环,最后整个函数执行完毕,所以会得到
StopIteration异常。最后的执行结果如下:
0 got: aaa got: 3 Traceback (most recent call last): File "h.py", line 14, in <module> print(g.send('e')) StopIteration
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。
def gen(): while True: try: yield 'normal value' yield 'normal value 2' print('here') except ValueError: print('we got ValueError here') except TypeError: break g=gen() print(next(g)) print(g.throw(ValueError)) print(next(g)) print(g.throw(TypeError))
输出结果为:
normal value we got ValueError here normal value normal value 2 Traceback (most recent call last): File "h.py", line 15, in <module> print(g.throw(TypeError)) StopIteration
解释:
print(next(g)):会输出
normal value,并停留在
yield 'normal value 2'之前。
由于执行了
g.throw(ValueError),所以会跳过所有后续的
try语句,也就是说
yield 'normal value 2'不会被执行,然后进入到
except语句,打印出
we got ValueError here。
然后再次进入到while语句部分,消耗一个
yield,所以会输出
normal value。
print(next(g)),会执行yield
'normal value 2'语句,并停留在执行完该语句后的位置。
g.throw(TypeError):会跳出
try语句,从而
print('here')不会被执行,然后执行break语句,跳出while循环,然后到达程序结尾,所以跑出
StopIteration异常。
下面给出一个综合例子,用来把一个多维列表展开,或者说扁平化多维列表)
def flatten(nested): try: #如果是字符串,那么手动抛出TypeError。 if isinstance(nested, str): raise TypeError for sublist in nested: #yield flatten(sublist) for element in flatten(sublist): #yield element print('got:', element) except TypeError: #print('here') yield nested L=['aaadf',[1,2,3],2,4,[5,[6,[8,[9]],'ddf'],7]] for num in flatten(L): print(num)
如果理解起来有点困难,那么把print语句的注释打开在进行查看就比较明了了。
yield from
yield产生的函数就是一个迭代器,所以我们通常会把它放在循环语句中进行输出结果。
有时候我们需要把这个
yield产生的迭代器放在另一个生成器函数中,也就是生成器嵌套。
比如下面的例子:
def inner(): for i in range(10): yield i def outer(): g_inner=inner() #这是一个生成器 while True: res = g_inner.send(None) yield res g_outer=outer() while True: try: print(g_outer.send(None)) except StopIteration: break
此时,我们可以采用
yield from语句来减少我么你的工作量。
def outer2(): yield from inner()
当然 ,
yield from语句的重点是帮我们自动处理内外层之间的异常问题,这里有2篇写的很好的文章,所以我就不再啰嗦了。
http://blog.theerrorlog.com/yield-from-in-python-3.html
http://stackoverflow.com/questions/9708902/in-practice-what-are-the-main-uses-for-the-new-yield-from-syntax-in-python-3
总结
按照鸭子模型理论,生成器就是一种迭代器,可以使用for进行迭代。
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。
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。
可以通过
generator.send(arg)来传入参数,这是协程模型。
可以通过
generator.throw(exception)来传入一个异常。
throw语句会消耗掉一个
yield。
可以通过
generator.close()来手动关闭生成器。
next()等价于
send(None)
相关文章推荐
- 深入理解Python生成器(Generator)
- 深入理解Python中的生成器
- 深入理解Python生成器(Generator)
- 深入理解Python中的生成器
- 深入理解Python迭代器与生成器
- 深入理解Python中的生成器
- 深入理解python的生成器表达式和列表解析
- 深入理解Python中的生成器
- 深入理解Python中的生成器
- 转载:Python单元测试——深入理解unittest
- 深入理解python函数递归和生成器
- 深入理解python中的生成器
- 深入理解C语言指针【转载】
- 转载: 深入理解iPhone委托模式兼谈iPhone生命周期
- 深入理解Flash Player的应用程序域(Application Domains)(转载)
- 深入理解COM的单套间--第一部分(转载)
- 深入理解Javascript闭包(closure) [转载]
- 深入理解abstract class和interface(转载)
- 艾伟_转载:.NET Discovery 系列之四--深入理解.NET垃圾收集机制(下)
- NS2中802.11代码深入理解—packet传输的流程(转载)