Python成长之路——生成器

了解生成器

我们知道迭代器有两种：一种是调用方法直接放回的；一种是可迭代对象执行iter方法得到的。迭代器的有点是可以节省内存。
如果在某些情况下，我们也需要节省内存，就只能是自己写，我们自己写的这个能实现迭代器功能的东西就叫做生成器。

• python中提供的生成器

1. 生成器的函数：常规函数定义，但是，使用的是yield语句而不是return语句返回结果，yield语句一次返回一个结果，在每个结果中间，挂起函数状态，以便在下次从它离开的地方继续执行，返回结果。
2. 生成器的表达式：类似于列表推导，但是返回的是一个按需产生的一个对象，而不是一个结果列表。

• 生成器

1. 本质：迭代器
2. 特点：惰性运算，开发者自定义

生成器函数

一个包含yield关键字的函数就是生成器函数，yield可以为我们从函数中返回值，但是yield不同于return，return的执行意味着程序的结束。调用生成器函数不会得到返回具体的值，而是得到一个迭代对象，每一次获取这个可迭代对象的值，就能够推动函数的执行，获取新的函数值，知道函数执行结束。

def genrator_func():
   x = 1
   print("定义了一个变量x")
   yield x
   y = 2
   print("定义了一个变量y")
   yield y

ret = genrator_func()
print(ret)  //<generator object genrator_func at 0x000002F8BE620750>
for i in ret:
   print(i)

从执行的结果来看，直接打印执行生成器返回的结果是一个 genrator
那么生成器有什么优点呢？就是在内存中不会产生太多的数据，当yield进行了返回，执行下一个yield时，那么前面一个yield的值就会从内存中进行清除，总之，就是需要值的时候就会从生成器中去获取
这里举个例子：假如我要一批零件，需要找工厂进行加工，需要20000000个，跟工厂沟通好了之后工程再去生产，我可以一个一个的要，可以一批一批的要，而不是说我要20000000个，工厂就先将20000000个先加工好，然后在一次性去取回来

def production():
    for i in range(20000000):
        yield "加工的第 %s 个零件"%i

ret = production()
print(ret.__next__()) //可以一个一个的取
print(ret.__next__())
for x in ret:
    print(x)

生成器的应用

• 从文件中读取数据

  def tail(filename):
      f = open(filename)
      while True:
          line = f.readline() // 从文件中读取新的文件行
          if line.strip():
              yield line.strip()
  tail_f = tail("tmp")
  for line in tail_f:
      print(line)
  

• 读取文件时，next和send的比较

  def generator():
      print(123)
      content = yield 1
      print('=======',content)
      print(456)
      yield 2
  
  g = generator()
  ret = g.__next__()
  print('***',ret)
  ret = g.send('hello')   //send的效果和next一样
  print('***',ret)
  

  send 获取下一个值的效果和next效果是一样的
  只是在获取下一个值的时候，给上一个yield的位置传递一个数据
  在使用send时应该注意的事项：
  1. 第一次使用生成器的时候，使用next去获取下一个值
  2. 最后一个yield不能够传递值
• 计算移动平均值

  def init(func): //在调用被装饰生成器函数的时候首先用next激活生成器
      def inner(*args,**kwargs):
          g = func(*args,**kwargs)
          next(g)
          return g
      return inner
  
  @init
  def averager():
      total = 0.0
      count = 0
      average = None
      while True:
          term = yield average
          total += term
          count += 1
          average = total/count
  
  averager_g = averager()
  // averager_g.__next__() // 将这一步提到装饰器中，在装饰器中进行执行
  print(averager_g.send(5))
  print(averager_g.send(15))
  print(averager_g.send(20))
  print(averager_g.send(30))
  

小结

• 可迭代对象
  拥有__iter__方法
  特点：惰性运算
  例如：range(),str,list,tulp,set
• 迭代器Iterator
  拥有__iter__和__next__方法
• 生成器
  本质：迭代器，拥有__iter__和__next__方法
  特点：惰性运算，开发者自定义
• 使用生成器的优点
  延迟计算，一次返回一个结果，也就是说，不会一次性生成所有的结果，这对于大数据量处理，将会非常有用
  提高代码可读性