python生成器generator的用法

万山红环保

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：

1. >>> L = [x * x for x in range(10)]
2. >>> L
3. [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
4. >>> g = (x * x for x in range(10))
5. >>> g
6. <generator object <genexpr> at 0x1022ef630>

复制代码

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。
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. >>> next(g)
2. 0
3. >>> next(g)
4. 1
5. >>> next(g)
6. 4
7. >>> next(g)
8. 9
9. >>> next(g)
10. 16
11. >>> next(g)
12. 25
13. >>> next(g)
14. 36
15. >>> next(g)
16. 49
17. >>> next(g)
18. 64
19. >>> next(g)
20. 81
21. >>> next(g)
22. Traceback (most recent call last):
23.   File "<stdin>", line 1, in <module>
24. StopIteration

复制代码

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(g)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. >>> g = (x * x for x in range(10))
2. >>> for n in g:
3. ...     print(n)
4. ...
5. 0
6. 1
7. 4
8. 9
9. 16
10. 25
11. 36
12. 49
13. 64
14. 81

复制代码

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

复制代码

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：

1. def fib(max):
2.     n, a, b = 0, 0, 1
3.     while n < max:
4.         print(b)
5.         a, b = b, a + b
6.         n = n + 1
7.     return 'done'

复制代码

注意，赋值语句：

1. a, b = b, a + b

复制代码

相当于：

1. t = (b, a + b) # t是一个tuple
2. a = t[0]
3. b = t[1]

复制代码

但不必显式写出临时变量t就可以赋值。
上面的函数可以输出斐波那契数列的前N个数：

1. >>> fib(6)
2. 1
3. 1
4. 2
5. 3
6. 5
7. 8
8. 'done'

复制代码

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(b)改为yield b就可以了：

1. def fib(max):
2.     n, a, b = 0, 0, 1
3.     while n < max:
4.         yield b
5.         a, b = b, a + b
6.         n = n + 1
7.     return 'done'

复制代码

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：

1. >>> f = fib(6)
2. >>> f
3. <generator object fib at 0x104feaaa0>

复制代码

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。
举个简单的例子，定义一个generator，依次返回数字1，3，5：

1. def odd():
2.     print('step 1')
3.     yield 1
4.     print('step 2')
5.     yield(3)
6.     print('step 3')
7.     yield(5)

复制代码

调用该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：

1. >>> o = odd()
2. >>> next(o)
3. step 1
4. 1
5. >>> next(o)
6. step 2
7. 3
8. >>> next(o)
9. step 3
10. 5
11. >>> next(o)
12. Traceback (most recent call last):
13.   File "<stdin>", line 1, in <module>
14. StopIteration

复制代码

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：

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

复制代码

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StopIteration的value中：

1. >>> g = fib(6)
2. >>> while True:
3. ...     try:
4. ...         x = next(g)
5. ...         print('g:', x)
6. ...     except StopIteration as e:
7. ...         print('Generator return value:', e.value)
8. ...         break
9. ...
10. g: 1
11. g: 1
12. g: 2
13. g: 3
14. g: 5
15. g: 8
16. Generator return value: done
17. #学习中遇到问题没人解答？小编创建了一个Python学习交流群：711312441

复制代码

关于如何捕获错误，后面的错误处理还会详细讲解。
练习
杨辉三角定义如下：

1.           1
2.          / \
3.         1   1
4.        / \ / \
5.       1   2   1
6.      / \ / \ / \
7.     1   3   3   1
8.    / \ / \ / \ / \
9.   1   4   6   4   1
10. / \ / \ / \ / \ / \
11. 1   5   10  10  5   1

复制代码

把每一行看做一个list，试写一个generator，不断输出下一行的list：

1. # -*- coding: utf-8 -*-
3. def triangles():

复制代码

1. # 期待输出:
2. # [1]
3. # [1, 1]
4. # [1, 2, 1]
5. # [1, 3, 3, 1]
6. # [1, 4, 6, 4, 1]
7. # [1, 5, 10, 10, 5, 1]
8. # [1, 6, 15, 20, 15, 6, 1]
9. # [1, 7, 21, 35, 35, 21, 7, 1]
10. # [1, 8, 28, 56, 70, 56, 28, 8, 1]
11. # [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
12. n = 0
13. results = []
14. for t in triangles():
15.     print(t)
16.     results.append(t)
17.     n = n + 1
18.     if n == 10:
19.         break
20. if results == [
21.     [1],
22.     [1, 1],
23.     [1, 2, 1],
24.     [1, 3, 3, 1],
25.     [1, 4, 6, 4, 1],
26.     [1, 5, 10, 10, 5, 1],
27.     [1, 6, 15, 20, 15, 6, 1],
28.     [1, 7, 21, 35, 35, 21, 7, 1],
29.     [1, 8, 28, 56, 70, 56, 28, 8, 1],
30.     [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
31. ]:
32.     print('测试通过!')
33. else:
34.     print('测试失败!')

复制代码

总结
generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。
要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。
请注意区分普通函数和generator函数，普通函数调用直接返回结果：

1. >>> r = abs(6)
2. >>> r
3. 6

复制代码

generator函数的“调用”实际返回一个generator对象：

1. >>> g = fib(6)
2. >>> g
3. <generator object fib at 0x1022ef948>

复制代码

来源:https://www.cnblogs.com/djdjdj123/p/17933073.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！