翻译：《实用的 Python 编程》06_04_More_generators

codists

关注

发布于: 2021 年 03 月 18 日

目录 | [上一节 (6.3 生产者/消费者)] | [下一节 (7 高级主题)]

6.4 有关生成器的更多信息

本节介绍其它与生成器相关的主题，包括生成器表达式（generator expressions）和 itertools 模块。

生成器表达式

生成器表达式可以理解为列表解析式（list comprehension）的生成器版本：

>>> a = [1,2,3,4]>>> b = (2*x for x in a)>>> b<generator object at 0x58760>>>> for i in b:...   print(i, end=' ')...2 4 6 8>>>

复制代码

生成器表达式与列表列表解析式的区别：

不构造列表
唯一有用的目的是迭代
一旦被消费，无法重复使用

生成器表达式语法：

(<expression> for i in s if <conditional>)

复制代码

生成器表达式也可以用作函数参数：

sum(x*x for x in a)

复制代码

生成器表达式可应用于任何迭代：

>>> a = [1,2,3,4]>>> b = (x*x for x in a)>>> c = (-x for x in b)>>> for i in c:...   print(i, end=' ')...-1 -4 -9 -16>>>

复制代码

生成器表达式在代码中的一个主要用途是：对序列进行计算，但只使用一次结果。例如，跳过文件中的所有注释。

f = open('somefile.txt')lines = (line for line in f if not line.startswith('#'))for line in lines:    ...f.close()

复制代码

使用生成器，代码运行更快并且占用的内存更少，类似应用于流的过滤器。

为什么使用生成器

许多问题以迭代的形式进行表示会更清晰

* 对集合中的元素进行遍历，并执行某些操作（如查找、替换，修改等）。

* 处理管道（processing pipelines）可应用于各种数据处理问题。

内存效率更高

* 只在需要的时候才生成值。

* 不构造庞大的列表。

* 可对流数据进行操作。

生成器表达式鼓励代码复用

* 从使用迭代的代码中分离出迭代。

* 构建迭代函数工具箱，混合搭配（mix-n-match）使用各种工具。

`itertools` 模块

itertools 是 Python 自带的一个库模块，包含各种函数，旨在帮助开发迭代器/生成器。

itertools.chain(s1,s2)itertools.count(n)itertools.cycle(s)itertools.dropwhile(predicate, s)itertools.groupby(s)itertools.ifilter(predicate, s)itertools.imap(function, s1, ... sN)itertools.repeat(s, n)itertools.tee(s, ncopies)itertools.izip(s1, ... , sN)

复制代码

itertools 模块中所有的函数都可以迭代地处理数据。并且，这些函数实现了各类迭代模式。

有关生成器的更多信息可以查看 PyCon '08 上的 Generator Tricks for Systems Programmers 教程。

练习

在上一节练习中，我们编写代码监视写入日志文件的数据，并将其解析为行序列。

本次练习将以上一节练习中的代码为基础，所以请确保 Data/stocksim.py 仍在运行。

练习 6.13：生成器表达式

生成器表达式是列表解析式的生成器版本。示例：

>>> nums = [1, 2, 3, 4, 5]>>> squares = (x*x for x in nums)>>> squares<generator object <genexpr> at 0x109207e60>>>> for n in squares:...     print(n)...1491625

复制代码

与列表解析式不同，生成器表达式只能使用一次。因此，如果你遍历完生成器中的所有元素后，再次对生成器进行遍历，那么你将一无所获。

>>> for n in squares:...     print(n)...>>>

复制代码

练习 6.14：函数参数中的生成器表达式

有时，生成器表达式会作为函数参数使用。虽然这看起来有点怪，但请尝试以下实验：

>>> nums = [1,2,3,4,5]>>> sum([x*x for x in nums])    # A list comprehension55>>> sum(x*x for x in nums)      # A generator expression55>>>

复制代码

在上面的示例中，如果正在操作庞大的列表，那么使用生成器的第二个版本占用的内存会显著减少。

在 portfolio.py 文件中，我们执行了一些与列表相关的计算，请尝试将其替换为生成器表达式。

练习 6.15：简化代码

通常，对于简单的生成器函数，可以使用生成器表达式进行替换。例如，与其这样编写函数：

def filter_symbols(rows, names):    for row in rows:        if row['name'] in names:            yield row

复制代码

不如使用生成器表达式进行替换：

rows = (row for row in rows if row['name'] in names)

复制代码

请修改 ticker.py 程序来适当地使用生成器表达式。

目录 | [上一节 (6.3 生产者/消费者)] | [下一节 (7 高级主题)]

注：完整翻译见 https://github.com/codists/practical-python-zh

发布于: 2021 年 03 月 18 日阅读数: 11

原文链接:【http://xie.infoq.cn/article/f63322915314933752365e79c】。未经作者许可，禁止转载。

codists

关注

公众号：编程人 2021.01.14 加入

Life is short, You need Python

发布

暂无评论

创作场景

翻译：《实用的 Python 编程》06_04_More_generators

6.4 有关生成器的更多信息

生成器表达式

为什么使用生成器

`itertools` 模块

练习

练习 6.13：生成器表达式

练习 6.14：函数参数中的生成器表达式

练习 6.15：简化代码

codists

评论