1. 生成器的介绍
根据程序员制定的规则循环生成数据,当条件不成立时则生成数据结束。数据不是一次性全部生成处理,而是使用一个,再生成一个,可以节约大量的内存。
2. 创建生成器的方式
- 生成器推导式
- yield 关键字
生成器推导式:
|
yield 关键字:
|
# 创建生成器 my_generator = (i * 2 for i in range(5)) print(my_generator) # next获取生成器下一个值 # value = next(my_generator) # print(value) # 遍历生成器 for value in my_generator: print(value) 代码说明:
运行结果: <generator object <genexpr> at 0x101367048>
0
2
4
6
8
|
def mygenerater(n): for i in range(n): print('开始生成...') yield i print('完成一次...') if __name__ == '__main__': g = mygenerater(2) # 获取生成器中下一个值 # result = next(g) # print(result) # while True: # try: # result = next(g) # print(result) # except StopIteration as e: # break # # for遍历生成器, for 循环内部自动处理了停止迭代异常,使用起来更加方便 for i in g: print(i) 代码说明:
运行结果: 开始生成... 0 完成一次... 开始生成... 1 完成一次... |
3. 生成器的使用场景
数学中有个著名的斐波拉契数列(Fibonacci),数列中第一个数为0,第二个数为1,其后的每一个数都可由前两个数相加得到:
0, 1, 1, 2, 3, 5, 8, 13, 21, 34, ...
现在我们使用生成器来实现这个斐波那契数列,每次取值都通过算法来生成下一个数据, 生成器每次调用只生成一个数据,可以节省大量的内存。
def fibonacci(num): a = 0 b = 1 # 记录生成fibonacci数字的下标 current_index = 0 while current_index < num: result = a a, b = b, a + b current_index += 1 # 代码执行到yield会暂停,然后把结果返回出去,下次启动生成器会在暂停的位置继续往下执行 yield result fib = fibonacci(5) # 遍历生成的数据 for value in fib: print(value) 运行: 0
1
1
2
3
|
4. 小结
- 生成器是根据算法生成数据的一种机制,每次调用生成器只生成一个值,可以节省大量内存。
- 生成器的创建有两种方式:
- 生成器推导式
- yield 关键字