Python 高级编程：彻底理解生成器

生成器是 Python 初级开发者最难理解的概念之一，虽被认为是 Python 编程中的高级技能，但在各类项目中能够随处见到生成器的身影，你得不得去理解它、使用它、甚至爱上它。

提到生成器，总不可避免地要把迭代器拉出来对比着讲，生成器就是一个在行为上和迭代器很是相似的对象，若是把迭代器比做 Android 系统，那么生成器就是 iOS，两者功能上差很少，可是生成器更优雅。

什么是迭代器

顾名思义，迭代器就是用于迭代操做（for 循环）的对象，它像列表同样能够迭代获取其中的每个元素，任何实现了 __next__ 方法
（python2 是 next）的对象均可以称为迭代器。

它与列表的区别在于，构建迭代器的时候，不像列表把全部元素一次性加载到内存，而是以一种延迟计算（lazy evaluation）方式返回元素，这正是它的优势。好比列表含有中一千万个整数，须要占超过400M的内存，而迭代器只须要几十个字节的空间。由于它并无把全部元素装载到内存中，而是等到调用 next 方法时候才返回该元素（按需调用 call by need 的方式，本质上 for 循环就是不断地调用迭代器的next方法）。

以斐波那契数列为例来实现一个迭代器：

class Fib:
    def __init__(self, n):
        self.prev = 0
        self.cur = 1
        self.n = n

    def __iter__(self):
        return self

    def __next__(self):
        if self.n > 0:
            value = self.cur
            self.cur = self.cur + self.prev
            self.prev = value
            self.n -= 1
            return value
        else:
            raise StopIteration()
      # 兼容python2
      def __next__(self):
          return self.next()

f = Fib(10)
print([i for i in f])
#[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]复制代码

什么是生成器

知道迭代器以后，就能够正式进入生成器的话题了。普通函数用 return 返回一个值，和 Java 等其余语言是同样的，然而在 Python 中还有一种函数，用关键字 yield 来返回值，这种函数叫生成器函数，函数被调用时会返回一个生成器对象，生成器本质上仍是一个迭代器，也是用在迭代操做中，所以它有和迭代器同样的特性，惟一的区别在于实现方式上不同，后者更加简洁

最简单的生成器函数：

>>> def func(n):
...     yield n*2
...
>>> func
<function func at 0x00000000029F6EB8>
>>> g = func(5)
>>> g
<generator object func at 0x0000000002908630>
>>>复制代码

func 就是一个生成器函数，调用该函数时返回对象就是生成器 g ，这个生成器对象的行为和迭代器是很是类似的，能够用在 for 循环等场景中。注意 yield 对应的值在函数被调用时不会马上返回，而是调用next方法时（本质上 for 循环也是调用 next 方法）才返回

>>> g = func(5)
>>> next(g)
10

>>> g = func(5)
>>> for i in g:
...     print(i)
...
10复制代码

那为何要用生成器呢？显然，用生成器在逼格上要比迭代器高几个等级，它没有那么多冗长代码了，并且性能上同样的高效，为何不用呢？来看看用生成器实现斐波那契数列有多简单。

def fib(n):
    prev, curr = 0, 1
    while n > 0:
        n -= 1
        yield curr
        prev, curr = curr, curr + prev

print([i for i in fib(10)])
#[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]复制代码

生成器表达式

在前面一期「这样写代码更优雅」的文章里面曾经介绍过列表推导式（list comprehension），生成器表达式与列表推导式长的很是像，可是它俩返回的对象不同，前者返回生成器对象，后者返回列表对象。

>>> g = (x*2 for x in range(10))
>>> type(g)
<type 'generator'>
>>> l = [x*2 for x in range(10)]
>>> type(l)
<type 'list'>复制代码

前面已经介绍过生成器的优点，就是迭代海量数据时，显然生成器更合适。

>

同步发表于：foofish.net/what-is-pyt…
公众号 Python之禅 (id:VTtalk)，分享 Python 等技术干货

Python之禅