Python生成器
1、什么是生成器
根据程序员制定的规则循环生成数据，当规则不成立时则生成数据结束。数据不是一次性全部生成出来的，而是使用一个，再生成一个，可以节约大量的内存。
创建生成器的方式：① 生成器推导式 ② yield关键字
2、生成器推导式
# 创建生成器
# 生成器推导式 =》 (生成器推导式 数据生成规则)
my_generator = (i*2 for i in range(5))
print(my_generator)
- 本质是一个对象，其内部没有具体的数据，对象中保存了所有数据的生成规则
生成器中有一个关键的函数：next()
next()： 每调用一次，其就会根据生成器的数据生成规，创建一个元素，然后向下移动，再次调用next函数，则根据生成器的生成规则，再创建一个元素
# next获取生成器下一个的值
value = next(my_generator)
print(value) # 0
value = next(my_generator)
print(value) # 2
for 循环遍历
# 遍历生成器
for i in my_generator:
print(i) # 0 2 4 6 8
生成器相关的函数：
next 函数获取生成器中的下一个值
for 循环遍历生成器中的每一个值
生成器的意义：
降低程序的能耗，加快程序的执行时间（因为其不需要存储大量的数据，只是在调用next( )时，才生成一个元素，所以能耗大大降低）
import time
import memory_profiler as mem
start = time.time()
print(f'生成器推导式程序执行前的内存情况：{mem.memory_usage()}')
nums = (i * i for i in range(10000000))
print(f'生成器推导式程序执行后的内存情况：{mem.memory_usage()}')
end = time.time()
print(f'生成器推导式程序执行的时间为{end - start}')
print('-' * 50)
start = time.time()
print(f'列表推导式程序执行前的内存情况：{mem.memory_usage()}')
numbers = [i * i for i in range(10000000)]
print(f'列表推导式程序执行后的内存情况：{mem.memory_usage()}')
end = time.time()
print(f'列表推导式程序执行的时间为{end - start}')
3、yield生成器
yield生成器分为两部分：① 首先定义一个函数 ② 在函数的内部存在一个yield关键字
注意：yield生成器是一个对象而不是一个函数
重点：理解yield生成器的执行流程
# yield生成器 : ①函数 ② yield关键字
def generator(n):
for i in range(1, n + 1):
print('开始生成数据')
yield i # 有点类似函数return的功能
# 每次调用生成器，遇到yield都会暂停，后一次next才会执行上一次yield后面的语句
print('-' * 30)
print(f'完成第{i}次数据的生成')
# 在使用时，由于生成器需要传递参数，所以通常将生成器赋值给某个变量
g = generator(3)
print(next(g))
print(next(g))
print(next(g))
# print(next(g)) # 输出第3次数据的生成，并报错
- 代码执行到 yield 会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行
- 生成器如果把数据生成完成，再次获取生成器中的下一个数据会抛出一个StopIteration 异常，表示停止迭代异常
# 在for 循环中，取数据的方法就是next()
for i in g:
print(i)
- for 循环内部自动处理了停止迭代异常，使用起来更加方便
4、yield与斐波那契数列
"""
斐波那契数列(fibonacci): 1，1，2，3，5，8，13...
前两个数都是1，从第三个数字开始，为其前两个数之和
解题关键：
a 代表数列挨着的前两位中的第一位
b 代表数列挨着的前两位的第二位
这里可以隐含第一位为0（在不违背斐波那契数列输出结果的另一种解决方法）
"""
def fib(max_num):
# max_num参数 代表输出斐波那契数列的前多少位
n, a, b = 1, 1, 1
while n <= max_num:
yield a
a, b = b, a + b
n += 1
g = fib(4)
for i in g:
print(i)