Python---生成器

lipeng

# 生成器　　
# 通过列表生成式，我们可以直接创建一个列表
　　
# 但是，受到内存限制，列表容量肯定是有限的
　　
# 创建一个100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了
　　
# 如果列表元素可以按照某种算法推算出来，那我们可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间
　　
# Python中，这种一边循环一边计算的机制，称为生成器：generator
　　

　　
from collections import Iterable
　　

　　
# 创建一个list
　　
L = [x * x for x in range(10)]
　　
print('L:', L)
　　

　　
# 创建一个generator
　　
g = (x * x for x in range(10))
　　
print('g:', g)
　　

　　
# 创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator
　　

　　
# 使用for打印generator的每一个元素,因为generator是可迭代对象
　　
print('查看g是否可迭代：', isinstance(g, Iterable))
　　
for n in g:
　　
    print(n)
　　

　　
# 用函数打印斐波那契数列（用列表生成式写不出来）
　　

　　

　　
def fib(max):
　　
    l = []
　　
    n, a, b = 0, 0, 1
　　
    while n < max:
　　
        l.append(b)
　　
        a, b = b, a + b
　　
        n = n + 1
　　
    return l
　　

　　
print('fib(10):', fib(10))
　　

　　

　　
# 把fib函数变成generator，只需把print(b)改为yield b就可以了
　　

　　

　　
def fib(max):
　　
    n, a, b = 0, 0, 1
　　
    while n < max:
　　
        yield b
　　
        a, b = b, a + b
　　
        n = n + 1
　　

　　
print('fib(20) for generator:', fib(10))
　　
fibList = []
　　
for e in fib(10):
　　
    fibList.append(e)
　　
print('fibList:', fibList)
　　

　　
# 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
　　
# generator和函数的执行顺序不一样
　　
# 函数是顺序执行，遇到return语句或者最后一行就返回
　　
# 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
　　

　　
# 定义一个generator，依次返回数字1，3，5:
　　

　　

　　
def odd():
　　
    print('step 1')
　　
    yield 1
　　
    print('step 2')
　　
    yield 3
　　
    print('step 3')
　　
    yield 5
　　

　　

　　
# 在调用generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值
　　
o = odd()
　　
print(next(o))
　　
print(next(o))
　　
print(next(o))
　　
# StopIteration
　　
# print(next(o))
　　

　　
# 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(o)就会报错
　　
# 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，不然就会产生一个无限数列出来
　　
# 同样的，把函数改成generator后，我们基本上从来不会用next来获取下一个返回值，而是直接使用for循环来迭代