python 小知识 -rethinking python 生成器

2022 年 7 月 18 日
本文字数：649 字
阅读完需：约 2 分钟

前面我们分享过 python 迭代器，这里要说的生成器是一种特殊的迭代器。普通的迭代器的迭代对象是完全加载到内存中；而生成器的迭代对象不是一次性生成好的，而是迭代对象使用的时候才具体生成。

创建生成器主要通过yield关键字来创建，我们具体看下生成器到底有哪里不同

def get_data(data):    for i in data:        yield i+2        print('print', i)
data = [1, 3, 4]g = get_data(data)type(g)# generator
for i in g:    print(i)
# 3# print 1# 5# print 3# 6# print 4

复制代码

从上面可知，yield 一个迭代对象的一个元素返回值，使用上和普通迭代器没什么区别。

def get_data(data):    for i in data:        yield i+2        print('print', i)
data = [1, 3, 4]g = get_data(data)type(g)# generator
next(g)# 3
next(g)# print 1# 5
next(g)# print 3# 6

复制代码

从 next()函数的结果来看，在迭代对象时，遇到 yield 时会暂停，等下一次迭代对象时，继续执行后续的逻辑。

也就是说，python 解释器在遇到 yield 的会生成一个 generator，等迭代的时候才一个一个执行迭代对象。

so what？这个有什么用？

前面的例子中生成器函数，输入的参数是比较小的数据，如果输入的比较大的数据，内存一次性装不下的数据，要如何进行遍历，比如 100w 个图片数据？

这个时候生成器函数就起到了用时才调用才使用的原则，不需要一次性装入所有数据。

具体参见如下：

import cv2def get_data(img_file_list):    for img_file in img_file_list:        img = cv2.imread(img_file)        yield img

复制代码

发布于: 刚刚阅读数: 6

原文链接:【http://xie.infoq.cn/article/17bdf5312d455ae54bc5a0adf】。文章转载请联系作者。

AIWeker

关注

公众号：人工智能微客（aiweker） 2019.11.21 加入

人工智能微客（aiweker）长期跟踪和分享人工智能前沿技术、应用、领域知识，不定期的发布相关产品和应用，欢迎关注和转发

发布

暂无评论

创作场景

python 小知识 -rethinking python 生成器

AIWeker

评论