python入门第十七天_生成器

Posted mengchangxin

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python入门第十七天_生成器相关的知识,希望对你有一定的参考价值。

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。而且,创建一个包含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。

所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间。在Python中,这种一边循环一边计算的机制,称为生成器:generator。

要创建一个generator,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(),就创建了一个generator:

列表生成式:

1 s=[x*2 for x in range(50)] #这是列表生成式 
2 print(s)

改成生成器:

1 s=(x*2 for x in range(50)) #这是列表生成式 在Python中,这种一边循环一边计算的机制,称为生成器:generator。
2 print(s)
3 

结果:

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64, 66, 68, 70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98]
<generator object <genexpr> at 0x0000000001E0EE08>

我们可以直接打印出list的每一个元素,但我们怎么打印出generator的每一个元素呢?

如果要一个一个打印出来,可以通过next()函数获得generator的下一个返回值:

1 s=(x*2 for x in range(50)) #这是列表生成式 在Python中,这种一边循环一边计算的机制,称为生成器:generator。
2 print(s)
3 
4 print(s.__next__())  #__next__ 是函数的私有方法。
5 print(next(s))
6 print(next(s))
<generator object <genexpr> at 0x000000000069EEB8>
0
2
4

我们讲过,generator保存的是算法,每次调用next(g),就计算出g的下一个元素的值,直到计算到最后一个元素,没有更多的元素时,抛出StopIteration的错误。

当然,上面这种不断调用next(s)实在是太变态了,正确的方法是使用for循环,因为generator也是可迭代对象:

1 s=(x*2 for x in range(10)) #这是列表生成式 在Python中,这种一边循环一边计算的机制,称为生成器:generator。
2 print(s)
3 
4 # print(s.__next__())  #__next__ 是函数的私有方法。
5 # print(next(s))
6 # print(next(s))
7 for i in s:
8     print(i)

结果:

<generator object <genexpr> at 0x000000000067EE08>
0
2
4
6
8
10
12
14
16
18

所以,我们创建了一个generator后,基本上永远不会调用next(),而是通过for循环来迭代它,并且不需要关心StopIteration的错误。

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。

比如,著名的斐波拉契数列(Fibonacci),除第一个和第二个数外,任意一个数都可由前两个数相加得到:

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契数列用列表生成式写不出来,但是,用函数把它打印出来却很容易:

#第十三天 递归函数
def f(n):
    before=0
    after=1
    if n==1:
        return 0
    if n==2:
        return 1
    for i in range(0,n-2):
        before,after= after,after+before
    return after

for i in range(1,9):
    print(f(i))

递归函数:

def f(n):
    if n==1:
        return 0
    if n==2:
        return 1
    sum=f(n-1)+f(n-2)
    return sum
 
for i in range(1,9):
    print(f(i))

生成一个斐波拉契数列:

1 def fib(max):
2     n,before,after=0,0,1
3     while n<max:
4         print(after)
5         before,after=after,before+after
6         n+=1
7     return done
8 
9 print(fib(6))

打印结果:

1
1
2
3
5
8
done

仔细观察,可以看出,fib函数实际上是定义了斐波拉契数列的推算规则,可以从第一个元素开始,推算出后续任意的元素,这种逻辑其实非常类似generator。

也就是说,上面的函数和generator仅一步之遥。要把fib函数变成generator,只需要把print(after)改为yield after就可以了:

 1 def fib(max):
 2     n,before,after=0,0,1
 3     while n<max:
 4 #         print(after)
 5         yield after
 6         before,after=after,before+after
 7         n+=1
 8     return done
 9 
10 print(fib(6))

结果: <generator object fib at 0x000000000214EE08> 

这就是定义generator的另一种方法。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:

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

这里,最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到return语句或者最后一行函数语句就返回。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。

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:

1 >>> for n in fib(6):
2 ...     print(n)
3 ...
4 1
5 1
6 2
7 3
8 5
9 8

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StopIterationvalue中:

>>> g = fib(6)
>>> while True:
...     try:
...         x = next(g)
...         print(g:, x)
...     except StopIteration as e:
...         print(Generator return value:, e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

 杨辉三角:

 1 ‘‘‘
 2 杨辉三角定义如下:
 3 
 4           1
 5          /  6         1   1
 7        /  /  8       1   2   1
 9      /  /  / 10     1   3   3   1
11    /  /  /  / 12   1   4   6   4   1
13  /  /  /  /  / 14 1   5   10  10  5   1
15 把每一行看做一个list,试写一个generator,不断输出下一行的list:
16 
17 ‘‘‘
18 
19 def triangles():
20     L=[0,1,0] 
21     n=1   
22     while n<10:
23         
24         L_print=[]
25 #         yield ("打印第 %s,数据是%s"%(len(L)-2,L[1:-1]))
26         
27         print("打印第 %s,数据是%s"%(len(L)-2,L[1:-1]))
28         for i in range(len(L)-1):
29             L_print.append(L[i]+L[i+1])
30 #         L=[0]+L_print+[0]
31         L_print.insert(0,0)
32         L_print.append(0)
33         L=L_print
34         n+=1
35         
36 
37 p=triangles() 
38 # print(next(p))
39 # print(next(p))
40 # print(next(p))
41 # print(next(p))
42 # print(next(p))
43 # print(next(p))
44 print(p)

 

结果:

打印第 1,数据是[1]
打印第 2,数据是[1, 1]
打印第 3,数据是[1, 2, 1]
打印第 4,数据是[1, 3, 3, 1]
打印第 5,数据是[1, 4, 6, 4, 1]
打印第 6,数据是[1, 5, 10, 10, 5, 1]
打印第 7,数据是[1, 6, 15, 20, 15, 6, 1]
打印第 8,数据是[1, 7, 21, 35, 35, 21, 7, 1]
打印第 9,数据是[1, 8, 28, 56, 70, 56, 28, 8, 1]
None

 


以上是关于python入门第十七天_生成器的主要内容,如果未能解决你的问题,请参考以下文章

大数据入门第十七天——storm上游数据源 之kafka详解入门

python入门第七天

python入门第十六天__列表生成式

Spring入门第二十七课

大数据入门第七天——MapReduce详解

python第五十七天-- 补上笔记