Python浅析生成器generator的使用

更新时间：2022年07月22日 11:30:32 作者：Flyme awei

生成器generator在循环过程中，按照某种算法推算数据，不必创建容器存储完整的结果，从而节省内存空间。数据量越大，优势越明显。以上作用也称之为延迟操作或惰性操作，通俗的讲就是在需要的时候才计算结果，而不是一次构建出所有结果

一、创建生成器

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？

# 列表生成式
lst = [i for i in range(10)]
print(lst)
print(type(lst))
# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# <class 'list'>

1.创建生成器的方式1

生成式

g = (i for i in range(10))
print(g)
print(type(g))
# <generator object <genexpr> at 0x00000190CC886350> g是一个生成器对象
# <class 'generator'> g的类型是生成器

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。

创建列表和生成器的区别仅在于最外层的 [ ] 和 ( ) ， lst 是⼀个列表，⽽ g 是⼀个⽣成器。我们可以直接打印出 lst 的每⼀个元素，但我们怎么打印出 g 的每⼀个元素呢？如果要⼀个⼀个打印出来，可以通过 next() 函数获得⽣成器的下⼀个返回值：

print(next(g))  # 0
print(next(g))  # 1
print(next(g))  # 2
print(next(g))  # 3
print(next(g))  # 4
print(next(g))  # 5
print(next(g))  # 6
print(next(g))  # 7
print(next(g))  # 8
print(next(g))  # 9
print(next(g))  '''
Traceback (most recent call last):
  File "E:/Python Project/直播答疑/5.生成器.py", line 47, in <module>
    print(next(f))
StopIteration '''

也可以通过for-in循环打印出来

for i in g:
    print(i)
'''
0
1
2
3
4
5
6
7
8
9
'''

⽣成器保存的是算法，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 的异常。当然，这种不断调⽤ next() 实在是太繁琐了，虽然是点一次出现一次，但正确的⽅法是使⽤ for 循环，因为⽣成器也是可迭代对象。所以，我们创建了⼀个⽣成器后，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 异常。所以，我们创建了一个生成器后，基本上不会调用 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, 2, 3, 5, 8, 13, 21, 34, ... 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：代码如下

# 定义一个斐波那契函数
def fib(times):
    # 初始化
    n = 0
    a, b = 0, 1
    while n < times:
        print(b)
        a, b = b, a+b
        n += 1
fib(6)
'''
1
1
2
3
5
8
'''

仔细观察，可以看出，fifib_a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：

2.创建生成器的方式2

yield

def fib(times):
    # 初始化
    n = 0
    a, b = 0, 1
    while n < times:
        yield b
        a, b = b, a+b
        n += 1
f = fib(6)
print(f)
# <generator object fib at 0x00000197C5E56350>
# f 是一个生成器对象
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
'''
1
1
2
3
5
8
'''
print(next(f))
'''
Traceback (most recent call last):
  File "E:/Python Project/直播答疑/5.生成器.py", line 47, in <module>
    print(next(f))
StopIteration
'''

在上⾯fifib 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：

def fib(times):
    # 初始化
    n = 0
    a, b = 0, 1
    while n < times:
        yield b
        a, b = b, a+b
        n += 1
f = fib(6)
for i in f:
    print(i)
'''
1
1
2
3
5
8
'''

二、遍历生成器的方式

1.通过next（）函数

2.通过循环打印 for- in

3.objict内置的__next__（）方法

4.send（）方法，生成器的第一个值必须是send(None),后面没有限制

# 创建一个生成器
g = (i for i in range(10))
print(next(g))
print(next(g))
# 0
# 1
print(g.__next__())
print(g.__next__())
# 2
# 3
print(g.send(None))
print(g.send(''))
print(g.send(1))
# 4
# 5
# 6
for i in g:
    print(i)
'''
7
8
9
'''

三、总结

⽣成器是这样⼀个函数，它记住上⼀次返回时在函数体中的位置。对⽣成器函数的第⼆次（或第 n 次）调⽤跳转⾄该函数中间，⽽上次调⽤的所有局部变量都保持不变。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（在命令式编程中，这种构造不只是数据值）中的位置。⽣成器的特点：

'''
1. 节约内存
2. 迭代到下⼀次的调⽤时，所使⽤的参数都是第⼀次所保留下的，在整个所有函数调⽤的参数都是第⼀次所调⽤
时保留的，⽽不是新创建的
'''

到此这篇关于Python浅析生成器generator的使用的文章就介绍到这了,更多相关Python生成器generator内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python可视化之seborn图形外观设置
这篇文章主要介绍了Python可视化之seborn图形外观设置,本文介绍seaborn图形外观、图形缩放设置.具有一的的参考价值，需要的小伙伴可以参考一下
2022-03-03
Python结合ImageMagick实现多张图片合并为一个pdf文件的方法
这篇文章主要介绍了Python结合ImageMagick实现多张图片合并为一个pdf文件的方法,结合实例形式分析了Python将图片文件转换为pdf文件的相关操作技巧,需要的朋友可以参考下
2018-04-04
总结用Pdb库调试Python的方式及常用的命令
大家都知道Python是自带Pdb库，使用Pdb调试Python程序还是很方便的。但是远程调试、多线程，Pdb是搞不定的，下面一起来看看用Pdb库调试Python的方式及常用的命令。
2016-08-08
Python爬虫代理池搭建的方法步骤
这篇文章主要介绍了Python爬虫代理池搭建的方法步骤，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-09-09
使用Pandas实现高效读取筛选csv数据
在数据分析和数据科学领域中,Pandas 是 Python 中最常用的库之一,本文将介绍如何使用 Pandas 来读取和处理 CSV 格式的数据文件,希望对大家有所帮助
2024-04-04
WxPython中控件隐藏与显示的小技巧
这篇文章主要介绍了WxPython中控件隐藏与显示的小技巧，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2022-11-11
Pycharm 设置自定义背景颜色的图文教程
今天小编就为大家分享一篇Pycharm 设置自定义背景颜色的图文教程，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-05-05
基于Python实现简易文档格式转换器
这篇文章主要介绍了基于Python和PyQT5实现简易的文档格式转换器，支持.txt/.xlsx/.csv格式的转换。感兴趣的小伙伴可以跟随小编一起学习一下
2021-12-12
python进程池的简单实现
本文主要介绍了python进程池的简单实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2023-03-03
Python常见类型转换的小结
本文主要介绍了Python常见类型转换的小结，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2023-02-02