1.生成器

如果創建一個有很多元素的串列，但是只需要訪問前幾個元素，后面的元素占著的空間就白白浪費了

在回圈的程序中不斷推算出后續的元素呢？這樣就不必創建完整的list，從而節省大量的空間，

在Python中，這種一邊回圈一邊計算的機制，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，只要把一個串列生成式的[]改成()，就創建了一個generator：

L = [x * x for x in range(10)]
g = (x * x for x in range(10))
print(L)#
print(g)

輸出

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
<generator object <genexpr> at 0x0000029277CA6AC0>

可以直接列印出list的每一個元素，但怎么列印出generator的每一個元素

print(next(g))
print(next(g))

輸出

0
1

如果要一個一個列印出來，可以通過next()函式獲得generator的下一個回傳值：

generator保存的是演算法，比如我要知道計算第四次的值，next要呼叫四次，這太麻煩了

for n in g:
    print(n)

輸出

如果要計算很多次，不斷呼叫next實在是太變態了，正確的方法是使用for回圈，generator也是可迭代物件，如果某些演算法用串列生成式的for回圈無法實作，還可以用函式，比如著名的斐波拉契數列（Fibonacci）

def fib(max):
    n,a ,b = 0,0,1#n是用來控制迭代的次數
    while n < max:
        yield b
        a,b = b,a+b
        n = n+1
    return 'done'

如果一個函式定義中包含yield關鍵字，那么這個函式就不再是一個普通函式，而是一個generator：

函式是順序執行，遇到return陳述句或者最后一行函式陳述句就回傳

在呼叫生成器運行的程序中，每次遇到 yield 時函式會暫停并保存當前所有的運行資訊，回傳 yield 的值, 并在下一次執行 next() 方法時從當前位置繼續運行

def add():
    print('step 1')
    yield 1
    print('step 2')
    yield (3)
    print('step 3')
    yield (5)

在呼叫該generator時，首先要生成一個generator物件，然后用next()函式不斷獲得下一個回傳值：

o = add()
print(next(o))
print(next(o))
print(next(o))

輸出

step 1
1
step 2
3
step 3
5

通過next呼叫時，遇到yield就停下了，再次呼叫在中斷的地方繼續往下執行

for n in add():
    print(n)

輸出

step 1
1
step 2
3
step 3
5

同樣的，把函式改成generator后，基本上從來不會用next()來獲取下一個回傳值，而是直接使用for回圈來迭代

要實驗for需要把上面三次呼叫的代碼洗掉，因為三次呼叫已經把函式全部執行完了，不會再去執行了，

但是用for回圈呼叫generator時，發現拿不到generator的return陳述句的回傳值

如果想要拿到回傳值，必須捕獲StopIteration錯誤，回傳值包含在StopIteration的value中：

g = fib(6)
while True:
    try:
        x = next(g)
        print('g:',x)
    except StopIteration as e:
        print('Generator return value:',e.value)
        break

generator的作業原理，它是在for回圈的程序中不斷計算出下一個元素，并在適當的條件結束for回圈，對于函式改成的generator來說，遇到return陳述句或者執行到函式體最后一行陳述句，就是結束generator的指令，for回圈隨之結束

注意區分普通函式和generator函式，普通函式呼叫直接回傳結果

generator函式的“呼叫”實際回傳一個generator物件

2.迭代器

凡是可作用于for回圈的物件都是Iterable型別；比如list，tuple，dict，set，str，generator等

判斷是否為Iterable型別

from collections import Iterable

print(isinstance([], Iterable))

輸出

True

凡是可作用于next()函式的物件都是Iterator型別，它們表示一個惰性計算的序列；

直到最后拋出StopIteration錯誤表示無法繼續回傳下一個值了，

可以使用isinstance()判斷一個物件是否是Iterator物件，生成器都是Iterator物件

from collections import Iterator
print(isinstance((x for x in range(10)), Iterator))

輸出

True

集合資料型別如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函式獲得一個Iterator物件，

'''
學習中遇到問題沒人解答？小編創建了一個Python學習交流群：711312441
尋找有志同道合的小伙伴，互幫互助,群里還有不錯的視頻學習教程和PDF電子書！
'''
isinstance(iter([]), Iterator)
isinstance(iter('abc'), Iterator)
list=[1,2,3,4]
it = iter(list)
print(next(it))
print(next(it))
#迭代器也可以用常規for陳述句進行遍歷
for x in it:
    print('當前計算：',x)#上面呼叫了兩次，所以這邊會接著上一次繼續下去，只會列印兩句，如果上面只
    #呼叫一次，這里會呼叫三次

輸出

1
2
當前計算： 3
當前計算： 4

3.總結

凡是可作用于for回圈的物件都是Iterable型別可迭代物件

凡是可作用于next()函式的物件都是Iterator型別，它們表示一個惰性計算的序列

集合資料型別如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函式獲得一個Iterator物件

Python的for回圈本質上就是通過不斷呼叫next()函式實作的

比較使用list和generator保存斐波拉契數列運算結果的的區別

通過回傳 List 能滿足復用性的要求，但是當max函式運行占用的記憶體會隨著max的增大而增大

def fab(max):
    n, a, b = 0, 0, 1
    L = []
    while n < max:
        L.append(b)
        a, b = b, a + b
        n = n + 1
    return L
for n in fab(5):
    print(n)

輸出

一個帶有 yield 的函式就是一個 generator，它和普通函式不同，生成一個 generator 看起來像函式呼叫，但不會執行任何函式代碼，直到對其呼叫 next()（在 for 回圈中會自動呼叫 next()）才開始執行，雖然執行流程仍按函式的流程執行，但每執行到一個 yield 陳述句就會中斷，并回傳一個迭代值，下次執行時從 yield 的下一個陳述句繼續執行，看起來就好像一個函式在正常執行的程序中被 yield 中斷了數次，每次中斷都會通過 yield 回傳當前的迭代值，

yield 的好處是顯而易見的，把一個函式改寫為一個 generator 就獲得了迭代能力，比起用類的實體保存狀態來計算下一個 next() 的值，不僅代碼簡潔，而且執行流程例外清晰，

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b  # 使用 yield
        # print b
        a, b = b, a + b
        n = n + 1
for n in fab(5):
    print(n)

輸出

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/505263.html

標籤：Python

上一篇：奶奶常說，黑白照片看的不清晰，還好我會Python，分分鐘給她變成彩色的~

下一篇：django中的路由層

Python學習：迭代器與生成器

1.生成器

2.迭代器

直到最后拋出StopIteration錯誤表示無法繼續回傳下一個值了，

3.總結