Introduction of Generator in Python

Posted 2021-03-22 Combine Art and Sciences

Python中生成器的原理与使用详解

原创牛大财有大才 发布于2018-09-05 14:36:38

0.range() 函数，其功能是创建一个整数列表，一般用在 for 循环中

语法格式：range(start, stop, step)，参数使用参考如下：

• *start: 计数从 start 开始。默认是从 0 开始。例如range（4）等价于range（0， 4）;结果：（0,1,2,3）*
• *stop: 计数到 stop 结束，但不包括 stop。例如：range（0， 5） 是[0, 1, 2, 3, 4]没有5*

• step：步长，默认为1。例如：range（0， 5） 等价于 range(0, 5, 1)

  #使用range函数建立列表
  ls =[x*2 for x in range(10)]
  print(ls)#[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
  ls1 = [x for x in range(0,10,2)]   #步长是2.
  print(ls1) #[0, 2, 4, 6, 8]
  ls2 = [x for x in range(3,10,2)]  #开始从3开始，步长是2.
  print(ls2) # [3, 5, 7, 9]
  ls3 =[x for x in range(0, -10, -1)] #负数的使用
  print(ls3)  #[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]
  print(range(0))  #range(0, 0)
  print(range(1,0)) #range(1, 0)

  1.生成器的创建与元素迭代遍历

  1.1创建生成器方法1：只要把一个列表生成式的 [ ] 改成 ( )

  *生成器(generator)其实是一类特殊的迭代器*。前面博客我们每次迭代获取数据（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，python就搞了个生成器。所以说*生成器(generator)其实是一类特殊的迭代器*。

  #1.创建生成器
  ls = [x*2 for x in range(10)]
  generator1 =(x*2 for x in range(10)) #这是一个生成器generator
  print(ls)
  print(generator1) #注意，打印生成器，不会像列表一样打印他的值，而是地址。
  '''
  [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
  <generator object <genexpr> at 0x00000239FE00A620>
  '''

  1.1遍历生成器内容

  ```python
  遍历生成器对象中的内容：
  1.方法1.使用for循环遍历
  for i in generator1:
  print(i)

方法2：命令行使用next()函数：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 的异常。

generator1 =(x2 for x in range(5))
next(generator1)
0
next(generator1)
2
next(generator1)
4
next(generator1)
6
next(generator1)
8
next(generator1)
Traceback (most recent call last):
File "", line 1, in
StopIteration
2.方法2.python脚本使用next()方法，实际开发中是通过for循环来实现遍历，这种next()方法太麻烦。
g1 =(x2 for x in range(5))
while True:
try:
x = next(g1)
print(x)
except StopIteration as e :
print("values=%s"%e.value)
break #注意这里要加break,否则会死循环。
‘‘‘结果如下：
0
2
4
6
8
values=None
‘‘‘
3.方法3：使用对象自带的__next__()方法，效果等同于next(g1)函数
g1 =(x*2 for x in range(5))
g1.__next__()
0
g1.__next__()
2
g1.__next__()
4
g1.__next__()
6
g1.__next__()
8
g1.__next__()
Traceback (most recent call last):
File "", line 1, in
StopIteration

```

1.2创建生成器方法2:使用yield函数创建生成器。

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。简单来说：只要在def中有yield关键字的 就称为 生成器

#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.举例：1, 1, 2, 3, 5, 8, 13, 21, 34, ...使用函数实现打印数列的任意前n项。
 
def fib(times): #times表示打印斐波拉契数列的前times位。
    n = 0
    a,b = 0,1
    while n<times:
        print(b)
        a,b = b,a+b
        n+=1
    return 'done'
 
fib(10)  #前10位：1 1 2 3 5 8 13 21 34 55
 
#2.将print(b)换成yield b,则函数会变成generator生成器。
#yield b功能是：每次执行到有yield的时候，会返回yield后面b的值给函数并且函数会暂停，直到下次调用或迭代终止；
def fib(times): #times表示打印斐波拉契数列的前times位。
    n = 0
    a,b = 0,1
    while n<times:
        yield b  
        a,b = b,a+b
        n+=1
    return 'done'
 
print(fib(10))  #<generator object fib at 0x000001659333A3B8>
 
3.对生成器进行迭代遍历元素
方法1：使用for循环
for x in fib(6):
    print(x)
''''结果如下，发现如何生成器是函数的话，使用for遍历，无法获取函数的返回值。
1
1
2
3
5
8
'''
方法2:使用next()函数来遍历迭代，可以获取生成器函数的返回值。同理也可以使用自带的__next__()函数，效果一样
f = fib(6)
while True:
    try:  #因为不停调用next会报异常，所以要捕捉处理异常。
        x = next(f)  #注意这里不能直接写next(fib(6)),否则每次都是重复调用1
        print(x)
    except StopIteration as e:
        print("生成器返回值:%s"%e.value)
        break
'''结果如下：
1
1
2
3
5
8
生成器返回值:done
'''

生成器使用总结：

1.生成器的好处是可以一边循环一边进行计算，不用一下子就生成一个很大的集合，占用内存空间。生成器的使用节省内存空间。

2.生成器保存的是算法，而列表保存的计算后的内容，所以同样内容的话生成器占用内存小，而列表占用内存大。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 的异常。

3.使用for 循环来遍历生成器内容，因为生成器也是可迭代对象。通过 for 循环来迭代它，不需要关心 StopIteration 异常。但是用for循环调用generator时，得不到generator的return语句的返回值。如果想要拿到返回值，必须用next()方法，且捕获StopIteration错误，返回值包含在StopIteration的value中。

4.在 Python 中，使用了 yield 的函数都可被称为生成器（generator）。生成器是一个返回迭代器的函数，只能用于迭代操作。更简单点理解生成器就是一个迭代器。

5.一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，保存当前所有的运行信息，并返回一个迭代值，下次执行next() 方法时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。生成器不仅“记住”了它数据状态；生成器还“记住”了它在流控制构造中的位置。