Python中的生成器

列表生成式：

  • 程式碼演示： 

    # 列表生成式
list_1 = [x**2 for x in range(10)]  # x**2處也可以放函數
print(list_1)   #[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

# 程式碼等價於
list_2 = []
for x in range(10):
    list_2.append(x**2)
print(list_2)

    列表生成式

生成器：

通過列表生成式，我們可以直接創建一個列表。但是，受到記憶體限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅佔用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。
所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。
要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：

  • 程式碼演示： 
    list_1 = (x*2 for x in range(10) )
  • 比較生成器和列表生成式
    • 程式碼演示 

      import time
start_time = time.time()
list_1 = (x*2 for x in range(10) )
stop_time = time.time()
print(list_1)
print("the list_1 run time is %s" % (stop_time-start_time))

start_time = time.time()
list_2 = [x*2 for x in range(10) ]
stop_time = time.time()
print(list_2)
print("the list_2 run time is %s" % (stop_time-start_time))

"""
運行結果：
<generator object <genexpr> at 0x0000011FACD1ED60> 生成器只有一個列表地址，並沒有具體的數值
the list_1 run time is 0.0
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
the list_2 run time is 0.0
"""

      生成器和生成式的對比

    • 生成器只有在調用的時候才會生成相應的數據
    • 生成式可以直接列印列表，生成器只能列印地址
    • 生成式可以通過下角標獲取元素，生成器不行
    • 生成器可以通過__next()__函數獲得生成器（generator）的下一個返回值 
      >>>list_1 = (x*2 for x in range(100000000))
>>>for x in list_1:
          print(x)
>>>list_1.__next__
>>>list_1.__next__
>>>list_1.__next__
      • 只有一個__next()__用來記錄當前位置，沒有方法訪問前面的元素，只能往後面走

　　generator非常強大。如果推算的演算法比較複雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。

  • 比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：

　　　　1, 1, 2, 3, 5, 8, 13, 21, 34, …

　　　　斐波拉契數列用列表生成式寫不出來，但是，用函數把它列印出來卻很容易：　　　

def fib(sum):
    a, b, c = 0, 1, 0
    while c < sum:
        print(b)
        a, b = b, a + b
        c += 1
fib(6)

斐波那契數列

    • 仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。
      也就是說，上面的函數和generator僅一步之遙。要把fib函數變成generator，只需要把print(b)改為yield b就可以了：

      def fib(sum):
    a, b, c = 0, 1, 0
    while c < sum:
        #print(b)
        yield b        # 程式碼執行到這裡，會跳出這個函數，並將b的值返回到使用next的程式碼處
        a, b = b, a + b
        c += 1
# print(fib(6))  # 這裡得到的就是生成器
p = fib(6)
print(next(p))
print(next(p))
print("做點別的事情")
print(next(p))
print(p.__next__())
print(next(p))
print(p.__next__())

      第二種生成器生成方式

    • 這就是定義generator的另一種方法。如果一個函數定義中包含yield關鍵字，那麼這個函數就不再是一個普通函數，而是一個generator： 
      >>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0
    • 這裡，最難理解的就是generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。

    • 在上面fib的例子，我們在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。
      同樣的，把函數改成generator後，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for循環來迭代：

      for n in fib(6):
     print(n)

    • 但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：

      def fib(sum):
    a, b, c = 0, 1, 0
    while c < sum:
        yield b
        a, b = b, a + b
        c += 1
    return "返回值只能傳遞給異常"

g = fib(3)
while True:
    try:
        x = next(g)
        print('g:', x)
    except StopIteration as e:
         print('Generator return value:', e.value)
         break
"""
運行結果：
g: 1
g: 1
g: 2
Generator return value: 返回值只能傳遞給異常
"""

      獲取返回值的方式　

還可通過yield實現在單執行緒的情況下實現並發運算的效果：

  • next()和__next__()：效果相同，只是使用方式不同，都可以喚醒yield,並接收yield傳過來的值。
  • send()：也可以喚醒yield，也可以接收yield傳遞過來的值，而且，還可以在喚醒yield的同時，為yield傳遞一個值
#_*_coding:utf-8_*_
#通過生成器實現協程並行運算
import time
def consumer(name):
    print("%s 準備吃包子啦!" %name)
    while True:
       baozi = yield
       print("包子[%s]來了,被[%s]吃了!" %(baozi,name))

def producer(name):
    c = consumer(name)
    c2 = consumer('B')
    c.__next__()
    c2.__next__()
    print("老子開始準備做包子啦!")
    for i in range(10):
        time.sleep(1)
        print("做了2個包子!")
        c.send(i)　
        c2.send(i)

producer("飛某人")

 

Tags:

VirMach 便宜 VPS

QNews

QNews