Python—生成器
# 生成器 # 通过列表生成式，我们可以直接创建一个列表 # 但是，受到内存限制，列表容量肯定是有限的 # 创建一个100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了 # 如果列表元素可以按照某种算法推算出来，那我们可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间 # Python中，这种一边循环一边计算的机制，称为生成器：generator from collections import Iterable # 创建一个list L = [x * x for x in range(10)] print('L:', L) # 创建一个generator g = (x * x for x in range(10)) print('g:', g) # 创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator # 使用for打印generator的每一个元素,因为generator是可迭代对象 print('查看g是否可迭代：', isinstance(g, Iterable)) for n in g: print(n) # 用函数打印斐波那契数列（用列表生成式写不出来） def fib(max): l = [] n, a, b = 0, 0, 1 while n < max: l.append(b) a, b = b, a + b n = n + 1 return l print('fib(10):', fib(10)) # 把fib函数变成generator，只需把print(b)改为yield b就可以了 def fib(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1 print('fib(20) for generator:', fib(10)) fibList = [] for e in fib(10): fibList.append(e) print('fibList:', fibList) # 如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator # generator和函数的执行顺序不一样 # 函数是顺序执行，遇到return语句或者最后一行就返回 # 而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行 # 定义一个generator，依次返回数字1，3，5: def odd(): print('step 1') yield 1 print('step 2') yield 3 print('step 3') yield 5 # 在调用generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值 o = odd() print(next(o)) print(next(o)) print(next(o)) # StopIteration # print(next(o)) # 可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行 # 执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就会报错 # 回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来 # 同样的，把函数改成generator后，我们基本上从来不会用next来获取下一个返回值，而是直接使用for循环来迭代
