python生成器指的是什么意思

python生成器指的是什么意思？這個(gè)問題可能是我們?nèi)粘W(xué)習(xí)或工作經(jīng)常見到的。希望通過這個(gè)問題能讓你收獲頗深。下面是小編給大家?guī)淼膮⒖純?nèi)容，讓我們一起來看看吧！

生成器是 Python 初級(jí)開發(fā)者最難理解的概念之一，雖被認(rèn)為是 Python 編程中的高級(jí)技能，但在各種項(xiàng)目中可以隨處見到生成器的身影，你得去理解它、使用它、甚至愛上它。

提到生成器，總不可避免地要把迭代器拉出來對(duì)比著講，生成器就是一個(gè)在行為上和迭代器非常類似的對(duì)象，如果把迭代器比作 Android 系統(tǒng)，那么生成器就是 iOS，二者功能上差不多，但是生成器更優(yōu)雅。

什么是迭代器

顧名思義，迭代器就是用于迭代操作（for 循環(huán)）的對(duì)象，它像列表一樣可以迭代獲取其中的每一個(gè)元素，任何實(shí)現(xiàn)了 __next__ 方法 （python2 是 next）的對(duì)象都可以稱為迭代器。

它與列表的區(qū)別在于，構(gòu)建迭代器的時(shí)候，不像列表把所有元素一次性加載到內(nèi)存，而是以一種延遲計(jì)算（lazy evaluation）方式返回元素，這正是它的優(yōu)點(diǎn)。比如列表含有中一千萬個(gè)整數(shù)，需要占超過400M的內(nèi)存，而迭代器只需要幾十個(gè)字節(jié)的空間。因?yàn)樗]有把所有元素裝載到內(nèi)存中，而是等到調(diào)用 next 方法時(shí)候才返回該元素（按需調(diào)用 call by need 的方式，本質(zhì)上 for 循環(huán)就是不斷地調(diào)用迭代器的next方法）。

以斐波那契數(shù)列為例來實(shí)現(xiàn)一個(gè)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]

什么是生成器

知道迭代器之后，就可以正式進(jìn)入生成器的話題了。普通函數(shù)用 return 返回一個(gè)值，和 Java 等其他語言是一樣的，然而在 Python 中還有一種函數(shù)，用關(guān)鍵字 yield 來返回值，這種函數(shù)叫生成器函數(shù)，函數(shù)被調(diào)用時(shí)會(huì)返回一個(gè)生成器對(duì)象，生成器本質(zhì)上還是一個(gè)迭代器，也是用在迭代操作中，因此它有和迭代器一樣的特性，唯一的區(qū)別在于實(shí)現(xiàn)方式上不一樣，后者更加簡(jiǎn)潔

最簡(jiǎn)單的生成器函數(shù)：

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

func 就是一個(gè)生成器函數(shù)，調(diào)用該函數(shù)時(shí)返回對(duì)象就是生成器 g ，這個(gè)生成器對(duì)象的行為和迭代器是非常相似的，可以用在 for 循環(huán)等場(chǎng)景中。注意 yield 對(duì)應(yīng)的值在函數(shù)被調(diào)用時(shí)不會(huì)立刻返回，而是調(diào)用next方法時(shí)（本質(zhì)上 for 循環(huán)也是調(diào)用 next 方法）才返回

>>> g = func(5)
>>> next(g)
10
>>> g = func(5)
>>> for i in g:
...     print(i)
...
10

那為什么要用生成器呢？顯然，用生成器在逼格上要比迭代器高幾個(gè)等級(jí)，它沒有那么多冗長(zhǎng)代碼了，而且性能上一樣的高效，為什么不用呢？來看看用生成器實(shí)現(xiàn)斐波那契數(shù)列有多簡(jiǎn)單。

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]

生成器表達(dá)式

在前面一期「這樣寫代碼更優(yōu)雅」的文章里面曾經(jīng)介紹過列表推導(dǎo)式（list comprehension），生成器表達(dá)式與列表推導(dǎo)式長(zhǎng)的非常像，但是它倆返回的對(duì)象不一樣，前者返回生成器對(duì)象，后者返回列表對(duì)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'>

前面已經(jīng)介紹過生成器的優(yōu)勢(shì)，就是迭代海量數(shù)據(jù)時(shí)，顯然生成器更合適。

感謝各位的閱讀！看完上述內(nèi)容，你們對(duì)python生成器指的是什么意思大概了解了嗎？希望文章內(nèi)容對(duì)大家有所幫助。如果想了解更多相關(guān)文章內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道。