python中的生成器(一)

我们先考虑一个场景：

　　有个情景需要循环输出1——10.

　　这里给两种方法：

list1 = [1,2,3,4,5,6,7,8,9,10]
for i in list1:
    print(i)

for i in range(1,11):
    print(i)

两种方式输出结果一样，但是我们考虑一下，如果要求输出1——1000000呢？

第一种方式会导致list1里面真实放入1000000长度的数字，占用空间很大，明显不是明智之举，

再来看第二种方法,用到range帮助我们生成数据，在python3中range的本质就是一个生成器。

在python2中：range返回的是一个等差列表，比如[0,1,2,3,4,5,6,7,```````], 而xrange才是返回一个生成器对象. 即python2 range()==[```````````````````], python2 xrange()==python3 range()

具体对比查看：https://blog.csdn.net/humanking7/article/details/45950967

（一）这里写一个函数,在生成器函数的名称中加上gen 前缀或后缀,不过这不是必要的习惯:

def gen_create_range(start,end):

    while start < end:
        yield start
        start += 1

for i in gen_create_range(1,5):
    print(i)

　#output:

       1

　　　　2

　　　　3

　　　　4

  这个函数没有return 但是可以有返回值，注意看里面有个yield关键字，这个函数和range()函数很像。

  （二）什么是生成器：函数定义中包含yield关键字那么函数就变成了生成器。

　　概念：如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator　　　

　　生成器表达式： 通列表解析语法，只不过把列表解析的[]换成()　　

g= (x**2 for x in range(5))

print g

>> 
<generator object <genexpr> at 0x0000000002771798>

 

#如果、
L=[x**2 for x in range(5)]

print L 

>>
[0, 1, 4, 9, 16]

　　也就是说：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

1).函数中只要出现了yield语句就会将其转变成一个生成器函数

• 特别之处在于，yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator

• 与普通函数不一样，生成器值会在迭代操作的时候才能运行.yiled可以把函数中断，保存状态和继续执行的能力

好比一个武打片里面的慢镜头回放，yield把函数里面你要保存的值中断并保存，你通过调用next()来回放

 

比如:

def countdown(n):
   print('Starting to count from',n)
   while n>0:
      yield n
      n-=1
   print('done')

c=countdown(3)
print(c)
>>
<generator object countdown at 0x0000000002821828>
#表示这是一个生成器

 2).调用该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

比如:

c=countdown(3)

#run the first yield and emit a value

print(next(c))

>>

Starting to count from 3

3

#run the next yield

print(next(c))

>>

2

#run the next yield

print(next(c))

>>

1

#run the next yield

print(next(c))

>>

done

    print next(c)

StopIteration

深入解释:

你把yield想象成时间断点,运行一次next就回放一下，看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值

• 第一次next()是打印了 print('Starting to count from',n)，提取第一次的保存值是3

• 第二次再运行next()是继续在while里面的断点接着走，所以没有打印print('Starting to count from',n)， 而是直接提取第二次的保存值2

• 第三次再运行next()是继续在while里面的断点接着走,所以直接输出1

• 第四次再运行next()的时候，发现yield缓存的武打片慢镜头都已经放完了，所以输出done之后,报了个错StopIteration

3).生成器函数用for循环

for n in countdown(6):
　　
　　print(n)

>>

Starting to count from 6

6

5

4

3

2

1

done

 

正确的方法是使用for循环，因为generator也是可迭代对象

4yield 与 return相爱相杀

1).在一个生成器中，如果没有return，则默认执行到函数完毕时返回StopIteration

def gen1():
    yield 100

g1=gen1()
print(next(g1))
>>100

第一次调用next(g1)时，会在执行完yield语句后挂起，所以此时程序并没有执行结束。

print(next(g1))
>>
Traceback (most recent call last):
  File "C:/about_gen.py", line 71, in <module>
    print(next(g1))
StopIteration

程序试图从yield语句的下一条语句开始执行，发现已经到了结尾，所以抛出StopIteration异常

 

2).如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代

def gen2():
    yield 200
    return 
    yield 300

g2=gen2()
print(next(g2))
>>200
# 程序停留在执行完yield 200语句后的位置

print(next(g2))
>>
  File "C:/about_gen.py", line 82, in <module>
    print(next(g2))
StopIteration

程序发现下一条语句是return，所以抛出StopIteration异常，这样yield 'b'语句永远也不会执行

生成器这个概念一开始很难理解，有点古怪，但是时间久了才知道他的妙用

另外生成器函数是没有办法使用return来返回值