python -- 生成器

在for循环中，每次yield值后，控制权就返回给for循环

生成器相似于返回一个数组的函数。生成器有参数、能够被调用，并生成值的序列。和函数一次返回整个数组不一样，生成器每次只是生成一个值，这样会占用不多的内存，而且调用者能够当即处理生成的值。归纳来讲，生成器看起来像个函数，可是使用起来像个迭代器。

Python提供的，在须要时才生成结果的工具：
-生成器函数：
　　使用def定义，可是每次使用yield生成返回值值、挂起、在继续运行。
-生成器表达式：
　　相似于列表推导，但不是建立一个结果列表，而是每次根据须要生成对象。

由于不管是生成器函数、仍是生成器表达式都不是一次生成一个结果列表，这样能够节省内存空间，并将计算时间以迭代协议的方式切分开。

 

生成器函数：yield和return
生成器函数和常规函数有点相似，都是使用def定义。当建立后，自动实现迭代协议。
常规函数会返回值并退出。而迭代器函数返回一个值后会自动挂起、而后再次执行。
生成器函数和常规函数之间的主要区别是前者yield一个值，后者返回一个值。yield会挂起函数，返回一个值给调用者。

生成器是和迭代协议绑在一块儿的。可迭代的对象定义一个方法：__next__(),该方法要么返回迭代器的下一个值，要么抛出一个异常。

定义生成器的时候须要使用关键字：yield。

让咱们来看个示例：

>>> def counter(n):
	print("counter()")
	while True:
		yield n
		print("increment n")
		n += 1

		
>>> c = counter(2)
>>> c
<generator object counter at 0x000000000246D480>
>>> next(c)
counter()
2
>>> next(c)
increment n
3
>>> next(c)
increment n
4
>>> c.next()
increment n
5
>>> c.next()
increment n
6
>>> 

1.关键字yield代表该函数不是一个常规函数，而是一个迭代器函数。
2.生成一个迭代器的实例，和调用常规函数相似。可是调用的时候并不真正执行函数代码。
3.counter()返回一个迭代器对象

好比，下面的迭代器生成数字的立方值

>>> def cubic_generator(n):
	for i in range(n):
		yield i**3

		
>>> cg = cubic_generator(3)
>>> cg
<generator object cubic_generator at 0x0000000002A72CF0>
>>> cg.next()
0
>>> cg.next()
1
>>> cg.next()
8
>>> cg.next()

Traceback (most recent call last):
  File "<pyshell#32>", line 1, in <module>
    cg.next()
StopIteration
>>> 

在for循环中，每次yield值后，控制权就返回给for循环：

>>> for i in cubic_generator(5):
	print(i)

	
0
1
8
27
64
>>> 

若是用return代替yield：

>>> def cubic_generator(n):
	for i in range(n):
		return i**3

	
>>> for i in cubic_generator(5):
	print(i)

	

Traceback (most recent call last):
  File "<pyshell#54>", line 1, in <module>
    for i in cubic_generator(5):
TypeError: 'int' object is not iterable
>>> cubic_generator(5)
0
>>>

使用生成器的示例1：

>>> def fib():
	limit = 10
	count = 0
	a,b = 0,1
	while True:
		yield a
		a,b = b,a+b
		if (count == limit):
			break
		count += 1

		
>>> for i in fib():
	print(i)

	
0
1
1
2
3
5
8
13
21
34
55
>>> 

　　

使用生成器实现斐波纳契数列：

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

		
>>> for i in fib(500):
	print (i)

	
0
1
1
2
3
5
8
13
21
34
55
89
144
233
377
>>> list(fib(500))
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377]
>>> 

　　

 

生成器表达式： 可推导的迭代器

迭代器和列表推导相结合，造成了一个新特性：生成器表达式。
生成器表达式和列表表达式相似，可是前者被小括号包含着，后者是用方括号包含的。

>>> #列表推导
>>> [x**3 for x in range(5)]
[0, 1, 8, 27, 64]
>>> 
>>> #生成器表达式
>>> (x**3 for x in range(5))
<generator object <genexpr> at 0x0000000002BE0798>
>>> 
>>> list(x**3 for x in range(5))
[0, 1, 8, 27, 64]
>>> 

>>> gen=(x**3 for x in range(5))
>>> gen.next()
0
>>> gen.next()
1
>>> gen.next()
8
>>> gen.next()
27
>>> gen.next()
64
>>> gen.next()

Traceback (most recent call last):
  File "<pyshell#17>", line 1, in <module>
    gen.next()
StopIteration
>>> 

 

生成器：函数 vs 表达式

相同的迭代能够用生成器函数或生成器表达式实现。两者均可以自动迭代或手动迭代。

>>> gen = (c*5 for c in 'pyhton')
>>> list(gen)
['ppppp', 'yyyyy', 'hhhhh', 'ttttt', 'ooooo', 'nnnnn']
>>> 
>>> def gen(x):
	for c in x:
		yield c*5

		
>>> g=gen('python')
>>> list(g)
['ppppp', 'yyyyy', 'ttttt', 'hhhhh', 'ooooo', 'nnnnn']
>>>