鍍金池/ 教程/ Python/ 生成器(Generators)
<code>open</code>函數(shù)
Python 2系列版本
可迭代對象(Iterable)
異常
在函數(shù)中嵌入裝飾器
你的第一個(gè)裝飾器
上下文管理器(Context managers)
<code>set</code>(集合)數(shù)據(jù)結(jié)構(gòu)
裝飾器類
字典推導(dǎo)式(<code>dict</code> comprehensions)
<code>Reduce</code>
捐贈名單
<code>Filter</code>
<code>try/else</code>從句
*args 的用法
<code>dir</code>
處理異常
<code>else</code>從句
對象自省
For - Else
18. 一行式
Python 3.2及以后版本
Global和Return
基于類的實(shí)現(xiàn)
容器(<code>Collections</code>)
23. 協(xié)程
推薦閱讀
譯者后記
<code>*args</code> 和 <code>**kwargs</code>
**kwargs 的用法
生成器(Generators)
迭代(Iteration)
基于生成器的實(shí)現(xiàn)
將函數(shù)作為參數(shù)傳給另一個(gè)函數(shù)
日志(Logging)
三元運(yùn)算符
<code>inspect</code>模塊
枚舉
Map,F(xiàn)ilter 和 Reduce
各種推導(dǎo)式(comprehensions)
從函數(shù)中返回函數(shù)
列表推導(dǎo)式(<code>list</code> comprehensions)
處理多個(gè)異常
帶參數(shù)的裝飾器
對象變動(Mutation)
22. 目標(biāo)Python2+3
迭代器(Iterator)
虛擬環(huán)境(virtualenv)
<code>__slots__</code>魔法
什么時(shí)候使用它們?
Python/C API
<code>Map</code>
SWIG
授權(quán)(Authorization)
裝飾器
一切皆對象
使用C擴(kuò)展
使用 <code>*args</code> 和 <code>**kwargs</code> 來調(diào)用函數(shù)
17. <code>lambda</code>表達(dá)式
集合推導(dǎo)式(<code>set</code> comprehensions)
<code>type</code>和<code>id</code>
在函數(shù)中定義函數(shù)
<code>finally</code>從句
CTypes
調(diào)試(Debugging)
使用場景
生成器(Generators)
多個(gè)return值
關(guān)于原作者
函數(shù)緩存 (Function caching)
Python進(jìn)階

生成器(Generators)

生成器也是一種迭代器,但是你只能對其迭代一次。這是因?yàn)樗鼈儾]有把所有的值存在內(nèi)存中,而是在運(yùn)行時(shí)生成值。你通過遍歷來使用它們,要么用一個(gè)“for”循環(huán),要么將它們傳遞給任意可以進(jìn)行迭代的函數(shù)和結(jié)構(gòu)。大多數(shù)時(shí)候生成器是以函數(shù)來實(shí)現(xiàn)的。然而,它們并不返回一個(gè)值,而是yield(暫且譯作“生出”)一個(gè)值。這里有個(gè)生成器函數(shù)的簡單例子:

def generator_function():
    for i in range(10):
        yield i

for item in generator_function():
    print(item)

# Output: 0
# 1
# 2
# 3
# 4
# 5
# 6
# 7
# 8
# 9

這個(gè)案例并不是非常實(shí)用。生成器最佳應(yīng)用場景是:你不想同一時(shí)間將所有計(jì)算出來的大量結(jié)果集分配到內(nèi)存當(dāng)中,特別是結(jié)果集里還包含循環(huán)。

譯者注:這樣做會消耗大量資源

許多Python 2里的標(biāo)準(zhǔn)庫函數(shù)都會返回列表,而Python 3都修改成了返回生成器,因?yàn)樯善髡加酶俚馁Y源。

下面是一個(gè)計(jì)算斐波那契數(shù)列的生成器:

# generator version
def fibon(n):
    a = b = 1
    for i in range(n):
        yield a
        a, b = b, a + b

函數(shù)使用方法如下:

for x in fibon(1000000):
    print(x)

用這種方式,我們可以不用擔(dān)心它會使用大量資源。然而,之前如果我們這樣來實(shí)現(xiàn)的話:

def fibon(n):
    a = b = 1
    result = []
    for i in range(n):
        result.append(a)
        a, b = b, a + b
    return result

這也許會在計(jì)算很大的輸入?yún)?shù)時(shí),用盡所有的資源。我們已經(jīng)討論過生成器使用一次迭代,但我們并沒有測試過。在測試前你需要再知道一個(gè)Python內(nèi)置函數(shù):next()。它允許我們獲取一個(gè)序列的下一個(gè)元素。那我們來驗(yàn)證下我們的理解:

def generator_function():
    for i in range(3):
        yield i

gen = generator_function()
print(next(gen))
# Output: 0
print(next(gen))
# Output: 1
print(next(gen))
# Output: 2
print(next(gen))
# Output: Traceback (most recent call last):
#            File "<stdin>", line 1, in <module>
#         StopIteration

我們可以看到,在yield掉所有的值后,next()觸發(fā)了一個(gè)StopIteration的異常?;旧线@個(gè)異常告訴我們,所有的值都已經(jīng)被yield完了。你也許會奇怪,為什么我們在使用for循環(huán)時(shí)沒有這個(gè)異常呢?啊哈,答案很簡單。for循環(huán)會自動捕捉到這個(gè)異常并停止調(diào)用next()。你知不知道Python中一些內(nèi)置數(shù)據(jù)類型也支持迭代哦?我們這就去看看:

my_string = "Yasoob"
next(my_string)
# Output: Traceback (most recent call last):
#      File "<stdin>", line 1, in <module>
#    TypeError: str object is not an iterator

好吧,這不是我們預(yù)期的。這個(gè)異常說那個(gè)str對象不是一個(gè)迭代器。對,就是這樣!它是一個(gè)可迭代對象,而不是一個(gè)迭代器。這意味著它支持迭代,但我們不能直接對其進(jìn)行迭代操作。那我們怎樣才能對它實(shí)施迭代呢?是時(shí)候?qū)W習(xí)下另一個(gè)內(nèi)置函數(shù),iter。它將根據(jù)一個(gè)可迭代對象返回一個(gè)迭代器對象。這里是我們?nèi)绾问褂盟?/p>

my_string = "Yasoob"
my_iter = iter(my_string)
next(my_iter)
# Output: 'Y'

現(xiàn)在好多啦。我肯定你已經(jīng)愛上了學(xué)習(xí)生成器。一定要記住,想要完全掌握這個(gè)概念,你只有使用它。確保你按照這個(gè)模式,并在生成器對你有意義的任何時(shí)候都使用它。你絕對不會失望的!