写点什么

浅谈 Python 中的生成器

作者:何极光
  • 2022-10-31
    陕西
  • 本文字数:3071 字

    阅读完需:约 10 分钟

浅谈Python中的生成器

一、生成器简介

利用迭代器,我们可以在每次迭代获取数据(通过next()方法)时按照特定的规律进行生成。但是我们在实现一个迭代器时,关于当前迭代到的状态需要我们自己记录,进而才能根据当前状态生成下一个数据。为了达到记录当前状态,并配合next()函数进行迭代使用,我们可以采用更简便的语法,即生成器(generator)。生成器是一类特殊的迭代器。

二、使用()创建生成器

要创建一个生成器,有很多种方法。第一种方法很简单,只要把一个列表生成式的 [ ] 改成 ( ),如下:


In [15]: L = [ x*2 for x in range(5)]
In [16]: LOut[16]: [0, 2, 4, 6, 8]
In [17]: G = ( x*2 for x in range(5))
In [18]: GOut[18]: <generator object <genexpr> at 0x7f626c132db0>
复制代码


创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) , L 是一个列表,而 G 是一个生成器。我们可以直接打印出列表 L 的每一个元素,而对于生成器 G,我们可以按照迭代器的使用方法来使用,即可以通过next()函数、for循环、list()等方法使用。


In [19]: next(G)Out[19]: 0
In [20]: next(G)Out[20]: 2
In [21]: next(G)Out[21]: 4
In [22]: next(G)Out[22]: 6
In [23]: next(G)Out[23]: 8
In [24]: next(G)---------------------------------------------------------------------------StopIteration Traceback (most recent call last)<ipython-input-24-380e167d6934> in <module>()----> 1 next(G)
StopIteration:
复制代码


In [25]: G = ( x*2 for x in range(5))
In [26]: for x in G: ....: print(x) ....: 02468
复制代码

三、使用 yield 创建生成器

generator 非常强大。如果推算的算法比较复杂,用类似列表生成式的for循环无法实现的时候,还可以用函数来实现。


我们仍然用上一节提到的斐波那契数列来举例,回想我们在上一节用迭代器的实现方式:


class FibIterator(object):    """斐波那契数列迭代器"""    def __init__(self, n):        """        :param n: int, 指明生成数列的前n个数        """        self.n = n        # current用来保存当前生成到数列中的第几个数了        self.current = 0        # num1用来保存前前一个数,初始值为数列中的第一个数0        self.num1 = 0        # num2用来保存前一个数,初始值为数列中的第二个数1        self.num2 = 1
def __next__(self): """被next()函数调用来获取下一个数""" if self.current < self.n: num = self.num1 self.num1, self.num2 = self.num2, self.num1+self.num2 self.current += 1 return num else: raise StopIteration
def __iter__(self): """迭代器的__iter__返回自身即可""" return self
复制代码


注意:在用迭代器实现的方式中,我们要借助几个变量(n、current、num1、num2)来保存迭代的状态。现在我们用生成器来实现一下。


In [30]: def fib(n):   ....:     current = 0   ....:     num1, num2 = 0, 1   ....:     while current < n:   ....:         num = num1   ....:         num1, num2 = num2, num1+num2   ....:         current += 1   ....:         yield num   ....:     return 'done'   ....:
In [31]: F = fib(5)
In [32]: next(F)Out[32]: 1
In [33]: next(F)Out[33]: 1
In [34]: next(F)Out[34]: 2
In [35]: next(F)Out[35]: 3
In [36]: next(F)Out[36]: 5
In [37]: next(F)---------------------------------------------------------------------------StopIteration Traceback (most recent call last)<ipython-input-37-8c2b02b4361a> in <module>()----> 1 next(F)
StopIteration: done
复制代码


在使用生成器实现的方式中,我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现,但是将每次迭代返回数值的return换成了yield,此时新定义的函数便不再是函数,而是一个生成器了。简单来说:只要在 def 中有yield关键字的就称为生成器


此时按照调用函数的方式( 案例中为 F = fib(5) )使用生成器就不再是执行函数体了,而是会返回一个生成器对象( 案例中为 F ),然后就可以按照使用迭代器的方式来使用生成器了。


In [38]: for n in fib(5):   ....:     print(n)   ....:     11235
复制代码


但是用for循环调用 generator 时,发现拿不到 generator 的return语句的返回值。如果想要拿到返回值,必须捕获 StopIteration 错误,返回值包含在 StopIteration 的 value 中:


In [39]: g = fib(5)
In [40]: while True: ....: try: ....: x = next(g) ....: print("value:%d"%x) ....: except StopIteration as e: ....: print("生成器返回值:%s"%e.value) ....: break ....: value:1value:1value:2value:3value:5生成器返回值:done
复制代码


总结:


  • 使用了yield关键字的函数不再是函数,而是生成器(使用了yield的函数就是生成器)。

  • yield关键字有两点作用:

  • 保存当前运行状态(断点),然后暂停执行,即将生成器(函数)挂起。

  • yield关键字后面表达式的值作为返回值返回,此时可以理解为起到了return的作用。

  • 可以使用next()函数让生成器从断点处继续执行,即唤醒生成器(函数)。

  • Python3 中的生成器可以使用return返回最终运行的返回值,而 Python2 中的生成器不允许使用return返回一个返回值(即可以使用return从生成器中退出,但return后不能有任何表达式)。

四、使用 send 唤醒

我们除了可以使用next()函数来唤醒生成器继续执行外,还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。


例子:执行到yield时,gen 函数作用暂时保存,返回 i 的值; temp 接收下次 c.send("python"),send 发送过来的值,c.next()等价 c.send(None)


In [10]: def gen():   ....:     i = 0   ....:     while i<5:   ....:         temp = yield i   ....:         print(temp)   ....:         i+=1
复制代码


==使用 send==


In [43]: f = gen()
In [44]: next(f)Out[44]: 0
In [45]: f.send('haha')hahaOut[45]: 1
In [46]: next(f)NoneOut[46]: 2
In [47]: f.send('haha')hahaOut[47]: 3
复制代码


==使用 next 函数==


In [11]: f = gen()
In [12]: next(f)Out[12]: 0
In [13]: next(f)NoneOut[13]: 1
In [14]: next(f)NoneOut[14]: 2
In [15]: next(f)NoneOut[15]: 3
In [16]: next(f)NoneOut[16]: 4
In [17]: next(f)None---------------------------------------------------------------------------StopIteration Traceback (most recent call last)<ipython-input-17-468f0afdf1b9> in <module>()----> 1 next(f)
StopIteration:
复制代码


==使用__next__()方法(不常使用)==


In [18]: f = gen()
In [19]: f.__next__()Out[19]: 0
In [20]: f.__next__()NoneOut[20]: 1
In [21]: f.__next__()NoneOut[21]: 2
In [22]: f.__next__()NoneOut[22]: 3
In [23]: f.__next__()NoneOut[23]: 4
In [24]: f.__next__()None---------------------------------------------------------------------------StopIteration Traceback (most recent call last)<ipython-input-24-39ec527346a9> in <module>()----> 1 f.__next__()
StopIteration:
复制代码


发布于: 2022-10-31阅读数: 44
用户头像

何极光

关注

路虽远,行则必至! 2022-10-25 加入

何程龙,计算机科学与技术专业毕业,现就任前端开发工程师。曾荣获:InfoQ写作社区专家博主、CSDN博客专家、签约讲师,中国开源协会-开发分会管理委员会委员。擅长Web前端、JavaScript框架、PythonWeb等领域及技术。

评论

发布
暂无评论
浅谈Python中的生成器_Python_何极光_InfoQ写作社区