列表生成式: []
通过列表生成式,我们可以直接创建一个列表。
# 举个例子
# x * x 是对遍历结果的操作,后面跟着遍历,判断条件.
# 那么这个式子的意思就是:生成1...10的x是偶数的x*x的序列.
# 主要还是前面,x*x这块,这块是对数据的操作.
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]
生成器: generator ()
通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。
而且如果创建一个很大的列表,而我们只需要频繁的使用列表前面的数据,这样使用列表生成式就造成了内存的浪费.所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的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。
列表生成式和生成器在书写上的区别就是:一个是 [] 一个是 ()
生成器:
>>> g = (x *x for x in range(11))
>>> g
<generator object <genexpr> at 0x7fb3689f3468>
可以通过next()函数获得generator的下一个返回值:
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
......
>>> next(g)
100
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
generator保存的是算法,每次调用next(g),就计算出g的下一个元素的值,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。
generator也是可迭代对象,所以使用for循环来迭代
# 举个例子,斐波拉契数列函数
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b # a = b b = a + b
n = n + 1
return 'done'
斐波拉切函数和generator很像,从第一个元素可以推出后续的元素,因此我们把 print(b) 改为 yield b
,就变成了generator.
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字,那么这个函数就不再是一个普通函数,而是一个generator:
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
generator和函数的执行流程不一样。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。
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
调用该generator时,首先要生成一个generator对象,然后用next()函数不断获得下一个返回值:
>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration