写点什么

翻译:《实用的 Python 编程》06_04_More_generators

用户头像
codists
关注
发布于: 2021 年 03 月 18 日
翻译:《实用的Python编程》06_04_More_generators

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。


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
用户头像

codists

关注

公众号:编程人 2021.01.14 加入

Life is short, You need Python

评论

发布
暂无评论
翻译:《实用的Python编程》06_04_More_generators