眾所周知，Python串列推導的作業原理比回圈要快，但是，在某些情況下，它們可能會嚴重破壞程式的性能，甚至導致記憶體崩潰，在這些情況下，需要考慮使用生成器運算式，
從語法上講，這兩個非常相似，它們之間的唯一區別是，您可以使用宣告串列推導[]和，使用來宣告生成器運算式()，就像這樣：
list_compr = [x**2 for x in range(10)] gen_expr = (x**2 for x in range(10)
關鍵是要對串列理解進行評估，在互動式shell中定義串列理解后，我們將獲得結果串列：
>>> [x**2 for x in range(10)] [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
相反，生成器運算式將回傳生成器物件：
>>> (x**2 for x in range(10)) <generator object <genexpr> at 0x0000023DD840F7C8>
生成器正常運行，需要使用next()方法，迭代生成器運算式或使用類似list()，set()或tuple()方法，
在上面的示例中，使用串列推導實際上更可取，當記憶體不是問題時，它們將優于生成器運算式，
當需要處理大量資料時，就會出現問題，因為串列推導會立即將所有輸出的資料存盤在記憶體中（就像我們在代碼中看到的那樣），
相反，生成器是一種概念，旨在一次生成一個（產量）結果，而不是將整個資料結構加載到記憶體中，這樣就可以處理龐大的資料集，而不會出現記憶體使用量激增的風險，
生成器的優點：
1.表情與像功能特別有用sum()，min()和max()，
2.生成器運算式可以輕松地鏈接（組合）在一起，從而創建一個資料管道，可以逐項處理大量資料，
缺點：不適用于需要多次使用這些值的情況，因為一旦生成器用盡，就無法訪??問其生成的值，
執行一個小型基準測驗，如何將生成器的運算式鏈接在一起，我們將要進行以下操作：
1）計算檔案中每行的長度，
2）然后從每行長度中提取平方根，
3）求平方根，
我使用.txt格式的“夏洛克·福爾摩斯歷險記”，你們可以選擇其他一些文本檔案，
讓我們首先使用串列推導：
import time execution = [] for i in range(100): start = time.time() filename = 'Sherlock Holmes.txt' lengths = [len(line) for line in open(filename)] roots = [x**0.5 for x in lengths] print(sum(roots)) end = time.time() execution.append(end-start) print(f'Avg execution time with list comprehensions: ' f'{sum(execution)/len(execution):.5f}')
使用生成器運算式，此代碼看起來幾乎相同：
import time execution = [] for i in range(100): start = time.time() filename = 'Sherlock Holmes.txt' lengths = (len(line) for line in open(filename)) roots = (x**0.5 for x in lengths) print(sum(roots)) end = time.time() execution.append(end-start) print(f'Avg execution time with generator expressions: ' f'{sum(execution)/len(execution):.5f}')
第二個塊將以不同的方式運行，Python不會在每一行上產生整個結果，而是從檔案中讀取一行，然后測量其長度，然后將其加到總和上，然后，解釋器將繼續進行下一行，依此類推，這正是將生成器運算式鏈接（組成）到資料管道中的意思，
因此，讓我們運行兩個版本：
Avg execution time with list comprehensions: 0.00486 Avg execution time with generator expressions: 0.00530
如您所見，在此資料集上，串列理解的運行速度更快，但是，如果我在包含超過1000萬行的檔案上運行相同的代碼，結果將有所不同（我只是將文本復制粘貼到Sherlock Holmes中多次）：
Avg execution time with list comprehensions: 4.26855 Avg execution time with generator expressions: 3.79113
如您所見，在這種情況下，生成器運算式已被理解：
結論
綜上所述，生成器運算式在處理大型資料集時效率更高，并且可以幫助您的程式避免崩潰，而且，它們很容易鏈接在一起，從而創建了能夠一一生成結果值的資料管道，
同時，在較小的資料（較小的資料-取決于計算機）上，串列理解通常勝過生成器運算式，如果您需要多次訪問生成的資料，則串列理解會更有用，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/232932.html
標籤：其他
上一篇：2020年總結--還是輸給了自己