1.生成器
利用迭代器,我们可以在每次迭代获取数据(通过next()方法)时按照特定的规律进行生成。但是我们在实现一个迭代器时,关于当前迭代到的状态需要我们自己记录,进而才能根据当前状态生成下一个数据。为了达到记录当前状态,并配合next()函数进行迭代使用,我们可以采用更简便的语法,即生成器(generator)。生成器是一类特殊的迭代器。
2.创建生成器的方法
要创建一个生成器,有很多种方法。第一种方法很简单,只要把一个列表生成式的 [ ] 改成 ( )
创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) , L 是一个列表,而 G 是一个生成器。我们可以直接打印出列表L的每一个元素,而对于生成器G,我们可以按照迭代器的使用方法来使用,即可以通过next()函数、for循环、list()等方法使用。
3.创建生成器方法2
generator非常强大。如果推算的算法比较复杂,用类似列表生成式的 for 循环无法实现的时候,还可以用函数来实现。
用斐波那契数列来举例:
def Fibonacci(all_nums):
a, b = 0, 1
current_num = 0
print("----1----")
while current_num < all_nums:
print("----2----")
yield a # 如果一个函数中有yield语句,那么这个就不再是函数了,而是一个生成器的模板
print("----3----")
a, b = b, a+b
print("----4----")
current_num += 1
print("----5----")
return "done"
# 如果在调用Fibonacci的时候,发现这个函数中有yield,那么此时不再是调用函数,而是创建了一个生成器对象
fib = Fibonacci(5)
ret = next(fib)
print("----6----")
print(ret)
ret = next(fib)
print("----7----")
print(ret)
ret = next(fib)
print("----9----")
print(ret)
在使用生成器实现的方式中,我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现,但是将每次迭代返回数值的return换成了yield,此时新定义的函数便不再是函数,而是一个生成器了。简单来说:只要在def中有yield关键字的 就称为 生成器
for num in fib:
print("----9----")
print(num)
但是用for循环调用generator时,发现拿不到generator的return语句的返回值。如果想要拿到返回值,必须捕获StopIteration错误,返回值包含在StopIteration的value中:
while True:
try:
ret = next(fib)
print(ret)
except Exception as e:
print("生成器的返回值:{}".format(e.value))
break
4.总结
- 使用了yield关键字的函数不再是函数,而是生成器。(使用了yield的函数就是生成器)
- yield关键字有两点作用:
- 保存当前运行状态(断点),然后暂停执行,即将生成器(函数)挂起
- 将 yield 关键字后面表达式的值作为返回值返回,此时可以理解为起到了return的作用
- 可以使用 next() 函数让生成器从断点处继续执行,即唤醒生成器(函数)
- Python3中的生成器可以使用 return 返回最终运行的返回值,而 Python2 中的生成器不允许使用return返回一个返回值(即可以使用 return 从生成器中退出,但 return 后不能有任何表达式)。
5.使用send唤醒
我们除了可以使用 next() 函数来唤醒生成器继续执行外,还可以使用 send() 函数来唤醒执行。使用 send() 函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。
例子:执行到 yield 时,gen 函数作用暂时保存,返回i的值;temp接收下次c.send(“python”),send发送过来的值,c.next()等价c.send(None)