关键字“继续”和“产量”在 Python 中的作用是啥?
Posted
技术标签:
【中文标题】关键字“继续”和“产量”在 Python 中的作用是啥?【英文标题】:What does the pair of keywords, "continue" and "yield" do in Python?关键字“继续”和“产量”在 Python 中的作用是什么? 【发布时间】:2017-07-17 08:01:22 【问题描述】:当我阅读另一个关于finding all cycles in graph implementation 的讨论线程时,我遇到了这个问题。谁能解释一下这个例子中这对关键字的用法?谢谢。
01 def dfs(graph, start, end):
02 fringe = [(start, [])]
03 while fringe:
04 state, path = fringe.pop()
05 if path and state == end:
06 yield path
07 continue
08 for next_state in graph[state]:
09 if next_state in path:
10 continue
11 fringe.append((next_state, path+[next_state]))
>>> graph = 1: [2, 3, 5], 2: [1], 3: [1], 4: [2], 5: [2]
>>> cycles = [[node]+path for node in graph for path in dfs(graph, node, node)]
>>> len(cycles)
7
>>> cycles
[[1, 5, 2, 1], [1, 3, 1], [1, 2, 1], [2, 1, 5, 2], [2, 1, 2], [3, 1, 3], [5, 2, 1, 5]]
【问题讨论】:
【参考方案1】:这两个关键字并不密切相关。
continue
关键字只能出现在循环体中(for
或 while
语句),并导致控制流返回循环的顶部,而不是继续循环的其余部分循环体。它通常是在 if
或 else
块中缩进循环体的整个其余部分的替代方法。这个:
while foo():
if something():
continue
bar()
baz()
完全等价于这个:
while foo():
if not something():
bar()
baz() # but note that these lines are more indented in this version!
另一个与continue
密切相关的关键字是break
,它导致控制流立即退出循环,而不是回到顶部。 continue
和 break
都只能影响最近的循环,因此如果您有嵌套的控制结构,可能很难一次将它们全部打破(或 continue
内部循环内部的外部循环)。
yield
关键字完全不同。尽管它经常出现在循环中,但并非必须如此。相反,它只允许在函数体内。它将函数更改为“生成器函数”。当调用生成器函数时,它的代码不会立即运行,而是会创建一个“生成器对象”并将其返回给调用者。生成器对象是一种迭代器,可以通过for
循环(或手动调用next()
)对其进行迭代。只有当生成器对象被迭代时,函数的代码才会运行。每次到达yield
语句时,函数的执行都会暂停,产生的值(或None
,如果未指定值)将作为迭代的值给出。 (请注意,当有人随便称某事物为“生成器”时,他们可能指的是生成器函数或生成器对象。通常从上下文中可以清楚地知道它们的含义。)
这是一些使用生成器打印1
、2
和3
的示例代码:
def generator_function():
yield 1 # because it contains `yield` statements, this is a generator function
yield 2
yield 3
generator_object = generator_function() # you can create a variable for the generator object
for value in generator_object: # but often you'd create it on the same line as the loop
print(value)
另一个与yield
有点相似的关键字是return
,它也只在函数中有意义。它立即结束函数的执行以返回指定的值(如果没有指定值,则返回None
)。
您展示的dfs
函数一个接一个地使用yield
和continue
。它的作用是首先产生一个值(停止生成器函数的执行,直到请求下一个值),然后一旦恢复执行,它就会回到循环的开头。
如果你愿意,你可以重写函数来避免其中任何一种(尽管生成的函数会有点不同,因为它不再是一个惰性生成器):
def dfs(graph, start, end):
results = [] # maintain a list of results to avoid yielding
fringe = [(start, [])]
while fringe:
state, path = fringe.pop()
if path and state == end:
results.add(path) # don't yield any more, just add the path to the results list
else: # add an else block instead of using continue
for next_state in graph[state]:
if next_state not in path: # reverse the condition instead of continue
fringe.append((next_state, path+[next_state]))
return results # return the results at the end of the function
我注意到该函数的生成器版本在大多数情况下可能会更好。使用 continue
而不是更多的缩进更多的是一种样式选择,并且对代码的逻辑或性能没有太大影响(仅影响它的外观)。
【讨论】:
你将如何在这个 dfs 函数中实现循环部分? 还有我该如何调用这个函数? @OscarDolloway:我想我不明白你的问题。循环计算是问题中的单独一行,重复调用dfs
函数。如果你愿意,你可以用我的版本做同样的事情。我想你可以把它放在一个函数中(甚至是一个内联 dfs
行为的函数),但这不是我在回答中想要做的。以上是关于关键字“继续”和“产量”在 Python 中的作用是啥?的主要内容,如果未能解决你的问题,请参考以下文章
我如何在conftest.py中设置会话详细信息以提高产量以及pytest中的fixture?