python中的生成器是什么

python中的生成器是什么？相信很多沒有經(jīng)驗的人對此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個問題。

生成器，是一個用來創(chuàng)建迭代器的工具。它簡單而強大，類似寫函數(shù)那樣進行定義，但是需要返回數(shù)據(jù)時不是使用return，而是使用yield語句。

生成器函數(shù)

用yield語句返回數(shù)據(jù)的“函數(shù)”，稱為生成器函數(shù)。我們把上一節(jié)中自定義類LessThan改寫成生成器函數(shù)

In [30]: def lessthan(n): 
    ...:     for i in range(n-1, -1, -1): 
    ...:         yield i 
    ...:          
    ...:

In [31]: for i in lessthan(5): 
    ...:     print(i) 
    ...:
4
3
2
1
0
In [32]: lt = lessthan(3)

## 查看生成器對象的__iter__()和__next__()：
In [33]: lt.__iter__?
Signature:      lt.__iter__()
Call signature: lt.__iter__(*args, **kwargs)
Type:           method-wrapper
String form:    <method-wrapper '__iter__' of generator object at 0x7fc048cb8ba0>
Docstring:      Implement iter(self).

In [34]: lt.__next__?
Signature:      lt.__next__()
Call signature: lt.__next__(*args, **kwargs)
Type:           method-wrapper
String form:    <method-wrapper '__next__' of generator object at 0x7fc048cb8ba0>
Docstring:      Implement next(self).

通過生成器改寫LessThan類后，代碼更加簡潔緊湊，因為它自動創(chuàng)建了__iter__()和__next__()方法，通過for循環(huán)可以遍歷生成器對象。

接下來我們定義一個生成器對象lt，對這個生成器對象調(diào)用next()，每一次調(diào)用它都會從上次離開的位置回復執(zhí)行（也就是記住上次執(zhí)行語句時的所有數(shù)據(jù)值）。當生成器生成了所有元素（生成器終結(jié)）就會引發(fā)StopIteration錯誤。

In [53]: lt = lessthan(3)

In [54]: next(lt)
Out[54]: 2

In [55]: next(lt)
Out[55]: 1

In [56]: next(lt)
Out[56]: 0

In [57]: next(lt)
---------------------------------------------------
StopIteration      Traceback (most recent call last)
<ipython-input-37-00f31299a3f9> in <module>
----> 1 next(lt)

StopIteration:

生成器解析式

為了實現(xiàn)一些簡單的生成器，我們可以不用函數(shù)的形式，而是用類似列表解析式的語法，將外層的方括號用圓括號代替即可。

生成器表達式相比完整的生成器更緊湊但較不靈活，相比等效的列表推導式則更為節(jié)省內(nèi)存。比如下面的的代碼，用列表表達式生成的mylist的每個元素都保存在內(nèi)存中，而mygener每次迭代時才會產(chǎn)生一個元素。假設(shè)元素個數(shù)不是10，而是100萬甚至更多，此時生成器的內(nèi)存優(yōu)勢會非常明顯。

In [41]: mylist = [i*i for i in range(10)]

In [42]: mylist
Out[42]: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

In [43]: mygener = (i*i for i in range(10))

In [44]: mygener
Out[44]: <generator object <genexpr> at 0x7fc048be3bf8>

生成器解析式被設(shè)計用于生成器將立即被外層函數(shù)所使用的情況，比如：

In [45]: sum(i*i for i in range(10))
Out[45]: 285

sum()括號里面的i*i for i in range(10)就是一個生成器解析式，避免生成一個列表而占用過多內(nèi)存。

同樣的，下面的例子中都是使用了生成器解析式：

xvec = [10, 20, 30]
yvec = [7, 5, 3]
sum(x*y for x,y in zip(xvec, yvec))         # dot product

from math import pi, sin
sine_table = {x: sin(x*pi/180) for x in range(0, 91)}

unique_words = set(word  for line in page  for word in line.split())

valedictorian = max((student.gpa, student.name) for student in graduates)

data = 'golf'
list(data[i] for i in range(len(data)-1, -1, -1))

總結(jié)

Python提供了兩種方式實現(xiàn)生成器：

（1）生成器函數(shù)

語法上與普通函數(shù)相似，用yield替代return換回值；自動實現(xiàn)迭代器協(xié)議：__iter__()方法和__next__()方法。沒有值可返回時，引起StopInteration異常。yield語句掛起生成器函數(shù)的狀態(tài)，以便再次迭代時從離開的狀態(tài)繼續(xù)執(zhí)行。

（2）生成器解析式

類似列表解析式，用圓括號替換方括號，從而簡單實現(xiàn)簡單的生成器。

（3）生成器的優(yōu)點

代碼緊湊，節(jié)省內(nèi)存。不像列表可以多次遍歷，生成器只能遍歷一遍。

看完上述內(nèi)容，你們掌握python中的生成器是什么的方法了嗎？如果還想學到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！