生成器
利用迭代器,我们可以在每次迭代获取数据(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,我们可以采用更简便的语法,即生成器 (generator)。生成器是一类特殊的迭代器。
要创建一个生成器,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 ()
- In [15]: L = [ x*2 for x in range(5)]
- In [16]: L
- Out[16]: [0, 2, 4, 6, 8]
- In [17]: G = ( x*2 for x in range(5))
- In [18]: G
- Out[18]: <generator object <genexpr> at 0x7f626c132db0>
- In [19]:
创建 L 和 G 的区别仅在于最外层的 [] 和 () , L 是一个列表,而 G 是一个生成器。我们可以直接打印出列表 L 的每一个元素,而对于生成器 G,我们可以按照迭代器的使用方法来使用,即可以通过 next() 函数、for 循环、list() 等方法使用。
- In [19]: next(G)
- Out[19]: 0
- In [20]: next(G)
- Out[20]: 2
- In [21]: next(G)
- Out[21]: 4
- In [22]: next(G)
- Out[22]: 6
- In [23]: next(G)
- Out[23]: 8
- In [24]: next(G)
- ---------------------------------------------------------------------------
- StopIteration Traceback (most recent call last)
- <ipython-input-24-380e167d6934> in <module>()
- ----> 1 next(G)
- StopIteration:
- In [25]:
- In [26]: G = ( x*2 for x in range(5))
- In [27]: for x in G:
- ....: print(x)
- ....:
- 0
- 2
- 4
- 6
- 8
- In [28]:
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。
我们仍然用上一节提到的斐波那契数列来举例,回想我们在上一节用迭代器的实现方式:
- class FibIterator(object):
- """斐波那契数列迭代器"""
- def __init__(self, n):
- """
- :param n: int, 指明生成数列的前n个数
- """
- self.n = n
- # current用来保存当前生成到数列中的第几个数了
- self.current = 0
- # num1用来保存前前一个数,初始值为数列中的第一个数0
- self.num1 = 0
- # num2用来保存前一个数,初始值为数列中的第二个数1
- self.num2 = 1
- def __next__(self):
- """被next()函数调用来获取下一个数"""
- if self.current < self.n:
- num = self.num1
- self.num1, self.num2 = self.num2, self.num1+self.num2
- self.current += 1
- return num
- else:
- raise StopIteration
- def __iter__(self):
- """迭代器的__iter__返回自身即可"""
- return self
注意,在用迭代器实现的方式中,我们要借助几个变量 (n、current、num1、num2) 来保存迭代的状态。现在我们用生成器来实现一下。
- In [30]: def fib(n):
- ....: current = 0
- ....: num1, num2 = 0, 1
- ....: while current < n:
- ....: num = num1
- ....: num1, num2 = num2, num1+num2
- ....: current += 1
- ....: yield num
- ....: return 'done'
- ....:
- In [31]: F = fib(5)
- In [32]: next(F)
- Out[32]: 1
- In [33]: next(F)
- Out[33]: 1
- In [34]: next(F)
- Out[34]: 2
- In [35]: next(F)
- Out[35]: 3
- In [36]: next(F)
- Out[36]: 5
- In [37]: next(F)
- ---------------------------------------------------------------------------
- StopIteration Traceback (most recent call last)
- <ipython-input-37-8c2b02b4361a> in <module>()
- ----> 1 next(F)
- StopIteration: done
在使用生成器实现的方式中,我们将原本在迭代器 next 方法中实现的基本逻辑放到一个函数中来实现,但是将每次迭代返回数值的 return 换成了 yield,此时新定义的函数便不再是函数,而是一个生成器了。简单来说:只要在 def 中有 yield 关键字的 就称为 生成器
此时按照调用函数的方式 (案例中为 F = fib(5) ) 使用生成器就不再是执行函数体了,而是会返回一个生成器对象( 案例中为 F ),然后就可以按照使用迭代器的方式来使用生成器了。
- In [38]: for n in fib(5):
- ....: print(n)
- ....:
- 1
- 1
- 2
- 3
- 5
- In [39]:
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:
- In [39]: g = fib(5)
- In [40]: while True:
- ....: try:
- ....: x = next(g)
- ....: print("value:%d"%x)
- ....: except StopIteration as e:
- ....: print("生成器返回值:%s"%e.value)
- ....: break
- ....:
- value:1
- value:1
- value:2
- value:3
- value:5
生成器返回值: done
In [41]:
使用了 yield 关键字的函数不再是函数,而是生成器。(使用了 yield 的函数就是生成器)
yield 关键字有两点作用:
保存当前运行状态(断点),然后暂停执行,即将生成器(函数)挂起
将 yield 关键字后面表达式的值作为返回值返回,此时可以理解为起到了 return 的作用
可以使用 next() 函数让生成器从断点处继续执行,即唤醒生成器(函数)
Python3 中的生成器可以使用 return 返回最终运行的返回值,而 Python2 中的生成器不允许使用 return 返回一个返回值(即可以使用 return 从生成器中退出,但 return 后不能有任何表达式)。
我们除了可以使用 next() 函数来唤醒生成器继续执行外,还可以使用 send() 函数来唤醒执行。使用 send() 函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。
例子:执行到 yield 时,gen 函数作用暂时保存,返回 i 的值; temp 接收下次 c.send("python"),send 发送过来的值,c.next() 等价 c.send(None)
- In [10]: def gen():
- ....: i = 0
- ....: while i<5:
- ....: temp = yield i
- ....: print(temp)
- ....: i+=1
- ....:
- 使用send
- In [43]: f = gen()
- In [44]: next(f)
- Out[44]: 0
- In [45]: f.send('haha')
- haha
- Out[45]: 1
- In [46]: next(f)
- None
- Out[46]: 2
- In [47]: f.send('haha')
- haha
- Out[47]: 3
- In [48]:
- 使用next函数
- In [11]: f = gen()
- In [12]: next(f)
- Out[12]: 0
- In [13]: next(f)
- None
- Out[13]: 1
- In [14]: next(f)
- None
- Out[14]: 2
- In [15]: next(f)
- None
- Out[15]: 3
- In [16]: next(f)
- None
- Out[16]: 4
- In [17]: next(f)
- None
- ---------------------------------------------------------------------------
- StopIteration Traceback (most recent call last)
- <ipython-input-17-468f0afdf1b9> in <module>()
- ----> 1 next(f)
- StopIteration:
- 使用__next__()方法(不常使用)
- In [18]: f = gen()
- In [19]: f.__next__()
- Out[19]: 0
- In [20]: f.__next__()
- None
- Out[20]: 1
- In [21]: f.__next__()
- None
- Out[21]: 2
- In [22]: f.__next__()
- None
- Out[22]: 3
- In [23]: f.__next__()
- None
- Out[23]: 4
- In [24]: f.__next__()
- None
- ---------------------------------------------------------------------------
- StopIteration Traceback (most recent call last)
- <ipython-input-24-39ec527346a9> in <module>()
- ----> 1 f.__next__()
StopIteration:
=======================================================
注: 以上内容来自传智课堂学习笔记,如需转载或者需要完整笔记,请联系我微信。
专题 Python 每天更新我的学习笔记。以上内容整理于上课笔记,更多详情查看原文链接
如果你有更好的心得和建议,欢迎拍砖一起探讨。欢迎搜索公众号加入【 python 开发者交流平台 】
来源: http://www.jianshu.com/p/efcd18a6b0b9