深刻理解Python生成器（Generator）

咱们能够经过列表生成式简单直接地建立一个列表，可是受到内存限制，列表容量确定是有限的。并且，建立一个包含100万个元素的列表，不只占用很大的存储空间，并且若是咱们仅仅须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。

因此，若是列表元素能够按照某种算法推算出来，那咱们是否能够在循环的过程当中不断推算出后续的元素呢？这样就没必要建立完整的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）。

 

要建立一个generator，有不少种方法。第一种方法很简单，只要把一个列表生成式的[]改为()，就建立了一个generator：

1 2 3 4 5 6

>>> mylist = [ x  for  x  in  range(1, 10)] >>> mylist [1, 2, 3, 4, 5, 6, 7, 8, 9] >>> gen = (x  for  x  in  range(1,10)) >>> gen <generator object <genexpr> at 0x7f1d7fd0f5a0>

建立mylist和gen的区别仅在于最外层的[]和()，mylist是一个list，而gen是一个generator（生成器）。

咱们能够直接打印出list的每个元素，但咱们怎么打印出generator的每个元素呢？

若是要一个一个打印出来，能够经过generator的next()方法：

1 2 3 4 5 6 7 8 9 10 11 12 13

>>> gen.next() 1 >>> gen.next() 2 >>> gen.next() 3 ... >>> gen.next() 9 >>> gen.next() Traceback (most recent call last):    File  "<stdin>" , line 1,  in  <module> StopIteration

咱们讲过，generator保存的是算法，每次调用next()，就计算出下一个元素的值，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。

 

其实咱们可使用for循环来代替next()方式， 这样才更符合高效的编程思路：

1 2 3 4 5 6 7 8 9 10 11 12 13

>>> gen = ( x  for  x  in  range(1, 10)) >>>  for  num  in  gen: ...     print num ...  1 2 3 4 5 6 7 8 9

 

generator很是强大。若是推算的算法比较复杂，用相似列表生成式的for循环没法实现的时候，还能够用函数来实现。

 

好比，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数均可由前两个数相加获得：

1	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，可是，用函数把它打印出来却很容易：

1 2 3 4 5 6 7

def  fib( max ):      n  =  0       a, b  =  0 ,  1      while  n <  max :          print  b          a, b  =  b, a  +  b          n  =  n  +  1

上面的函数能够输出斐波那契数列的前N个数：

1 2 3 4 5 6 7

>>> fib(6) 1 1 2 3 5 8

仔细观察，能够看出，fib函数其实是定义了斐波拉契数列的推算规则，能够从第一个元素开始，推算出后续任意的元素，这种逻辑其实很是相似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，只须要把print b改成yield b就能够了：

1 2 3 4 5 6 7

def  fib( max ):      n  =  0       a, b  =  0 ,  1      while  n <  max :          yield  b          a, b  =  b, a  +  b          n  =  n  +  1

这就是定义generator的另外一种方法。若是一个函数定义中包含yield关键字，那么这个函数就再也不是一个普通函数，而是一个generator：

1 2	>>> fib(6) <generator object fib at 0x104feaaa0>

这里，最难理解的就是generator和函数的执行流程不同。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 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

>>> def odd(): ...     print  'step 1' ...     yield 1 ...     print  'step 2' ...     yield 3 ...     print  'step 3' ...     yield 5 ... >>> o = odd() >>> o.next() step 1 1 >>> o.next() step 2 3 >>> o.next() step 3 5 >>> o.next() Traceback (most recent call last):    File  "<stdin>" , line 1,  in  <module> StopIteration

能够看到，odd不是普通函数，而是generator，在执行过程当中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield能够执行了，因此，第4次调用next()就报错。

 

回到fib的例子，咱们在循环过程当中不断调用yield，就会不断中断。固然要给循环设置一个条件来退出循环，否则就会产生一个无限数列出来。

 

一样的，把函数改为generator后，咱们基本上历来不会用next()来调用它，而是直接使用for循环来迭代：

1 2 3 4 5 6 7 8 9

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

generator是很是强大的工具，在Python中，能够简单地把列表生成式改为generator，也能够经过函数实现复杂逻辑的generator。

要理解generator的工做原理，它是在for循环的过程当中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改为的generator来讲，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。