Python生成器

原创

忆想不到的晖

修改于 2021-04-06 11:26:53

4090

文章被收录于专栏：huihui

生成器简述

利用迭代器，我们可以在每次迭代获取数据（通过 next() 方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合 next() 函数进行迭代使用，我们可以采用更简便的语法，即 生成器(generator)。

生成器是一类特殊的迭代器。

生成器的创建方法

推导式

要创建一个生成器，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 ( )

In [26]: L = [num * 2 for num in range(5)]

In [27]: L
Out[27]: [0, 2, 4, 6, 8]

In [28]: G = (num * 2 for num in range(5))

In [29]: G
Out[29]: <generator object <funexpr> at 0x000001D62EA28248>

创建 L 和 G 的区别仅在于最外层的和 ( ) ， L 是一个列表，而 G 是一个生成器对象。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过 next()函数、for循环、list()等方法使用。

next() 函数

In [30]: next(G)
Out[30]: 0

In [31]: next(G)
Out[31]: 2

In [32]: next(G)
Out[32]: 4

In [33]: next(G)
Out[33]: 6

In [34]: next(G)
Out[34]: 8

In [35]: next(G)
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-35-b4d1fcb0baf1> in <module>
----> 1 next(G)

StopIteration:

for 循环与 list

In [38]: G = (num * 2 for num in range(5))

In [39]: for i in G:
    ...:     print(i)
    ...:
0
2
4
6
8

In [40]: list(G)
Out[40]: []

In [41]: G = (num * 2 for num in range(5))

In [42]: list(G)
Out[42]: [0, 2, 4, 6, 8]

<font color=red>注意：</font>在 ipython 测试中由于 G 已经迭代到了最后，所以要重新构造G，否则没有数据。

yield关键字

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，还可以用带yield 关键字的函数来实现。

我们仍然用斐波那契数列来举例，回顾一下用迭代器的实现方式：

class FibIterator(object):
    """斐波那契数列迭代器"""
    def __init__(self, n):
        """
        :param n: int, 指明生成数列的前n个数
        """
        self.n = n
        # current用来保存当前生成到数列中的第几个数了
        self.current = 0
        # num1用来保存前前一个数，初始值为数列中的第一个数0
        self.num1 = 0
        # num2用来保存前一个数，初始值为数列中的第二个数1
        self.num2 = 1

    def __next__(self):
        """被next()函数调用来获取下一个数"""
        if self.current < self.n:
            num = self.num1
            self.num1, self.num2 = self.num2, self.num1+self.num2
            self.current += 1
            return num
        else:
            raise StopIteration

    def __iter__(self):
        """迭代器的__iter__返回自身即可"""
        return self

注意，在用迭代器实现的方式中，我们要借助几个变量 n、current、num1、num2 来保存迭代的状态。

现在用生成器来实现一下。

In [43]: def fib(n):
   ....:     current = 0
   ....:     num1, num2 = 0, 1
   ....:     while current < n:
   ....:         num = num1
   ....:         num1, num2 = num2, num1+num2
   ....:         current += 1
   ....: 	     yield num
   ....:     return 'done'
   ....:

In [44]: F = fib(5)

In [45]: next(F)
Out[45]: 0

In [46]: next(F)
Out[46]: 1

In [47]: next(F)
Out[47]: 1

In [48]: next(F)
Out[48]: 2

In [49]: next(F)
Out[49]: 3

In [50]: next(F)
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-37-8c2b02b4361a> in <module>()
----> 1 next(F)

StopIteration: done

在使用生成器实现的方式中，我们将原本在迭代器 __next__ 方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的 return 换成了 yield，此时新定义的函数便不再是函数，而是一个生成器了。

简单来说：只要在函数中有 yield 关键字的就称为生成器

此时按照调用函数的方式( 案例中为 F = fib(5) )使用生成器就不再是执行函数体了，而是会 返回一个生成器对象，然后就可以按照使用 迭代器的方式 来使用生成器了。

In [51]: for n in fib(5):
   ....:     print(n)
   ....:     
0
1
1
2
3

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：

In [52]: g = fib(5)

In [53]: while True:
   ....:     try:
   ....:         x = next(g)
   ....:         print("value:%d" % x)      
   ....:     except StopIteration as e:
   ....:         print("生成器返回值:%s" % e.value)
   ....:         break
   ....:     
value:1
value:1
value:2
value:3
value:5
生成器返回值:done

总结

使用了 yield 关键字的函数不再是函数，而是生成器。
yield 关键字有两点作用：
- 保存当前上下文环境即运行状态（断点），然后暂停执行，即将生成器（函数）挂起
- 将 yield 关键字后面表达式的值作为返回值返回，此时可以理解为起到了 return 的作用
可以使用 next() 函数让生成器从断点处继续执行，即唤醒生成器（函数）

说明

Python3 中的生成器可以使用 return 返回最终运行的返回值，而 Python2 中的生成器 不允许 使用 return 返回一个返回值（即可以使用 return 从生成器中退出，但 return 后不能有任何表达式）。

使用send唤醒

除了可以使用 next() 函数来唤醒生成器继续执行外，还可以使用 send() 函数来唤醒执行。使用 send()函数的一个好处是可以在唤醒的同时向断点处 传入一个附加数据。

例如：执行到 yield 时，fun() 函数作用暂时保存，返回 i 的值；temp 接收下次 f.send("python")，send发送过来的值，next(f) 等价 f.send(None)

def fun():
    i = 0
    while i<5:
        temp = yield i
        print(temp)
        i+=1

使用send

In [43]: f = fun()

In [44]: next(f)
Out[44]: 0

In [45]: f.send('haha')
haha
Out[45]: 1

In [46]: next(f)
None
Out[46]: 2

In [47]: f.send('haha')
haha
Out[47]: 3

In [48]:

使用next函数

In [11]: f = fun()

In [12]: next(f)
Out[12]: 0

In [13]: next(f)
None
Out[13]: 1

In [14]: next(f)
None
Out[14]: 2

In [15]: next(f)
None
Out[15]: 3

In [16]: next(f)
None
Out[16]: 4

In [17]: next(f)
None
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-17-468f0afdf1b9> in <module>()
----> 1 next(f)

StopIteration:

使用 `next()` 方法（不常使用）

In [18]: f = fun()

In [19]: f.__next__()
Out[19]: 0

In [20]: f.__next__()
None
Out[20]: 1

In [21]: f.__next__()
None
Out[21]: 2

In [22]: f.__next__()
None
Out[22]: 3

In [23]: f.__next__()
None
Out[23]: 4

In [24]: f.__next__()
None
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-24-39ec527346a9> in <module>()
----> 1 f.__next__()

StopIteration:

公众号

新建文件夹X

大自然用数百亿年创造出我们现实世界，而程序员用几百年创造出一个完全不同的虚拟世界。我们用键盘敲出一砖一瓦，用大脑构建一切。人们把1000视为权威，我们反其道行之，捍卫1024的地位。我们不是键盘侠，我们只是平凡世界中不凡的缔造者。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

python

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

python

登录后参与评论

0 条评论

热度