生成器
【一】生成器与yield
- 若函数体包含yield关键字，再调用函数，并不会执行函数体代码，得到的返回值即生成器对象
>>> def my_range(start,stop,step=1):
... print('start...')
... while start < stop:
... yield start
... start+=step
... print('end...')
...
>>> g=my_range(0,3)
>>> g
<generator object my_range at 0x104105678>
- 生成器内置有
__iter__和__next__方法- 所以生成器本身就是一个迭代器
>>> g.__iter__
<method-wrapper '__iter__' of generator object at 0x1037d2af0>
>>> g.__next__
<method-wrapper '__next__' of generator object at 0x1037d2af0>
- 因而我们可以用
next(生成器)触发生成器所对应函数的执行
>>> next(g) # 触发函数执行直到遇到yield则停止,将yield后的值返回，并在当前位置挂起函数
start...
0
>>> next(g) # 再次调用next(g)，函数从上次暂停的位置继续执行，直到重新遇到yield...
1
>>> next(g) # 周而复始...
2
>>> next(g) # 触发函数执行没有遇到yield则无值返回，即取值完毕抛出异常结束迭代
end...
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
- 既然生成器对象属于迭代器
- 那么必然可以使用for循环迭代
- 如下：
>>> for i in countdown(3):
... print(i)
...
countdown start
3
2
1
Done!
-
有了yield关键字
-
我们就有了一种自定义迭代器的实现方式。
-
yield可以用于返回值,但不同于return
-
函数一旦遇到return就结束了
-
而yield可以保存函数的运行状态挂起函数，用来返回多次值
-
-
【二】yield表达式应用
（1）在函数内可以采用表达式形式的yield
>>> def eater():
... print('Ready to eat')
... while True:
... food=yield
... print('get the food: %s, and start to eat' %food)
...
（2）可以拿到函数的生成器对象持续为函数体send值
>>> g=eater() # 得到生成器对象
>>> g
<generator object eater at 0x101b6e2b0>
>>> next(e) # 需要事先”初始化”一次，让函数挂起在food=yield，等待调用g.send()方法为其传值
Ready to eat
>>> g.send('包子')
get the food: 包子, and start to eat
>>> g.send('鸡腿')
get the food: 鸡腿, and start to eat
针对表达式形式的yield
生成器对象必须事先被初始化一次，让函数挂起在food=yield的位置
等待调用g.send()方法为函数体传值
g.send(None)等同于next(g)。
（3）编写装饰器来完成为所有表达式形式yield对应生成器的初始化操作
def init(func):
def wrapper(*args,**kwargs):
g=func(*args,**kwargs)
next(g)
return g
return wrapper
@init
def eater():
print('Ready to eat')
while True:
food=yield
print('get the food: %s, and start to eat' %food)
（4）表达式形式的yield也可以用于返回多次值
- 即
变量名=yield 值的形式
>>> def eater():
... print('Ready to eat')
... food_list=[]
... while True:
... food=yield food_list
... food_list.append(food)
...
>>> e=eater()
>>> next(e)
Ready to eat
[]
>>> e.send('蒸羊羔')
['蒸羊羔']
>>> e.send('蒸熊掌')
['蒸羊羔', '蒸熊掌']
>>> e.send('蒸鹿尾儿')
['蒸羊羔', '蒸熊掌', '蒸鹿尾儿']
生成器详解
【一】什么是生成器？
- Python中的生成器是一种特殊的迭代器，可以在需要时生成数据，而不必提前从内存中生成并存储整个数据集。
- 通过生成器，可以逐个生成序列中的元素，而无需一次性生成整个序列。生成器在处理大数据集时，具有节省内存、提高效率的特点。
【二】生成器有两种创建方式
- 使用列表推导式或使用yield关键字。
- 使用列表推导式时，可以将列表推导式的方括号改为圆括号，即可创建一个生成器。
- 使用yield关键字定义一个生成器函数时，生成器函数中的yield语句会暂停函数执行并返回一个值，下一次调用该函数时会继续执行并返回下一个值。
【三】示例：
def my_generator():
yield 1
yield 2
yield 3
g = my_generator()
print(next(g)) # 输出：1
print(next(g)) # 输出：2
print(next(g)) # 输出：3
在上面的代码中，my_generator()是一个生成器函数，通过yield关键字逐个生成值。在调用该函数时，会得到一个生成器对象。通过调用next()函数，可以逐个返回生成器中的值。
【四】生成器的优点
- 包括节省内存、提高效率，适用于处理大数据集的场景。
- 但是需要注意，一旦生成器函数执行完成，就无法再次调用该函数，会引发StopIteration异常。
- 生成器不可以直接修改元素，只能生成下一个元素。
- 总之，生成器是Python中非常有用的语言特性之一，它能够优化Python代码的内存使用和执行效率，并且可以非常高效地处理大数据集。