python中生成器的作用,python生成式与生成器

　　通过列表生成，我们可以直接创建一个列表。但是，由于内存限制，列表容量肯定是有限的。此外，创建一个包含一百万个元素的列。

　　表，不仅占用了大量的存储空间，如果我们只需要访问前几个元素，后面的元素所占用的空间大部分都会被浪费掉。

　　那么，如果列表元素可以按照某种算法计算出来，我们是否可以在循环的过程中连续计算出后续的元素呢？这样就不需要创建一个完整的列表，从而节省了大量的空间。在Python中，这种循环计算的机制被称为生成器。

　　有许多方法可以创建一个生成器。第一种方法非常简单。只需将列表生成器的[]更改为()即可创建一个生成器：

　　L=[x*xforxinrange(10)]L

　　[0,1,4,9,16,25,36,49,64,81]

　　g=(x*xforxinrange(10))g

　　generatorobjectgenexprat0x 104 feab 40 L和G的区别只是最外面的[]和()，L是列表，G是生成器。

　　我们可以直接打印出列表的每一个元素，但是如何打印出生成器的每一个元素呢？

　　如果你想把它们一个一个打印出来，你可以使用next()方法生成：

　　g.next()

　　一个

　　g.next()

　　四

　　g.next()

　　九

　　g.next()

　　四十九个

　　g.next()

　　回溯(mostrecentcalllast):

　　文件 stdin ，第1行，在模块中

　　我们之前说过，生成器保存算法。每次调用next()时，它都会计算下一个元素的值。直到计算完最后一个元素，当没有更多元素时，它抛出StopIteration错误。

　　当然，上面这种不断调用next()方法的方法确实很变态。正确的方法是使用for循环，因为生成器也是一个iterable对象：

　　g=(x*xforxinrange(10))

　　forning:

　　.普林司顿号

　　一个

　　四

　　九

　　四十九个

　　81所以，我们创建生成器后，基本上从不调用next()方法，而是通过for循环迭代。

　　发电机非常强大。如果计算算法复杂，无法实现类似列表生成的for循环，也可以通过函数实现。

　　比如著名的斐波那契数列，除了第一个和第二个数字，任何数字都可以通过前两个数字相加得到：

　　1, 1, 2, 3, 5, 8, 13, 21, 34,

　　斐波纳契数列不能通过列表生成来编写，但通过函数打印出来很容易：

　　deffib(最大值):

　　nbsp;n,a,b=0,0,1

　　whilen<max:printb

　　a,b=b,a+b

　　n=n+1上面的函数可以输出斐波那契数列的前N个数：

>>>fib(6)
　　1
　　1
　　2
　　3
　　5
　　8

仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

　　也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print b改为yield b就可以了：

deffib(max):
　　n,a,b=0,0,1
　　whilen<max:
　　yieldb
　　a,b=b,a+b
　　n=n+1

这就是定义generator的另一种方法。如果一个函数定义中包含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：

>>>fib(6)
　　<generatorobjectfibat0x104feaaa0>

这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

　　举个简单的例子，定义一个generator，依次返回数字1，3，5：

>>>defodd():
　　...print'step1'
　　...yield1
　　...print'step2'
　　...yield3
　　...print'step3'
　　...yield5
　　...
　　>>>o=odd()
　　>>>o.next()
　　step1
　　1
　　>>>o.next()
　　step2
　　3
　　>>>o.next()
　　step3
　　5
　　>>>o.next()
　　Traceback(mostrecentcalllast):
　　File"<stdin>",line1,in<module>
　　StopIteration

可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next()就报错。

　　回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个数列出来。

　　同样的，把函数改成generator后，我们基本上从来不会用next()来调用它，而是直接使用for循环来迭代：

>>>forninfib(6):
　　...printn
　　...
　　1
　　1
　　2
　　3
　　5
　　8

小结

　　generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。

　　要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

python中生成器的作用,python生成式与生成器_1

相关文章阅读