Python Notes20:Python生成器

1. 生成器 2. 为什么生成器 3. 如何创建生成器 3.1 方法一 3.2 方法二 4. 生成器工作原理 4.1 举个栗子🥥

1. 生成器

在Python中，一边循环一边计算的机制，称为生成器：generator。

2. 为什么生成器

列表所有数据都在内存中，如果有海量数据的话将会非常耗内存。

如：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。

如果列表元素按照某种算法推算出来，那我们就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。

简单一句话：我又想要得到庞大的数据，又想让它占用空间少，那就用生成器！

3. 如何创建生成器

3.1 方法一

第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator


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

g = (x * x for x in range(10))
print(g)

# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
# <generator object <genexpr> at 0x00000282A6E27970>

3.2 方法二

如果一个函数中包含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。调用函数就是创建了一个生成器（generator）对象。

4. 生成器工作原理

生成器(generator)能够迭代的关键是它有一个next()方法，工作原理就是通过重复调用next()方法，直到捕获一个异常。

带有 yield 的函数不再是一个普通函数，而是一个生成器generator。

可用next()调用生成器对象来取值。next 两种方式 t.__next__() | next(t)。

可用for 循环获取返回值（每执行一次，取生成器里面一个值）

（基本上不会用next()来获取下一个返回值，而是直接使用for循环来迭代）。

yield相当于 return 返回一个值，并且记住这个返回的位置，下次迭代时，代码从yield的下一条语句开始执行。

.send() 和next()一样，都能让生成器继续往下走一步（下次遇到yield停），但send()能传一个值，这个值作为yield表达式整体的结果

换句话说，就是send可以强行修改上一个yield表达式值。比如函数中有一个yield赋值，a = yield 5，第一次迭代到这里会返回5，a还没有赋值。第二次迭代时，使用.send(10)，那么，就是强行修改yield 5表达式的值为10，本来是5的，那么a=10

4.1 举个栗子🥥


def yield_test(n):
    for i in range(n):
        yield call(i)
        print("i=", i)
    print("Done.")


def call(i):
    return i*2


for i in yield_test(5):
    print(i, ",")

输出结果


def yield_test(n):
    for i in range(n):
        yield call(i)
        print("i=", i)
    print("Done.")


def call(i):
    return i*2


for i in yield_test(5):
    print(i, ",")

运行输出


0 ,
i= 0
2 ,
i= 1
4 ,
i= 2
6 ,
i= 3
8 ,
i= 4
Done.