生成器
什么是⽣生成器. ⽣生成器实质就是迭代器。
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。
创建生成器的方式:
方式一: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 ( )
from collections import Iterator
rose = (i for i in range(10))
print(isinstance(rose, Iterator))
方式二:在用迭代器实现的方式中,我们要借助几个变量(n、current、num1、num2)来保存迭代的状态。现在我们用生成器来实现一下。
from collections import Iterator
def fib(n):
current = 0
num1, num2 = 0, 1
while current < n:
num = num1
num1, num2 = num2, num1+num2
current += 1
yield num
return 'done'
# rose = (i for i in range(10))
F = fib(5)
print(isinstance(F, Iterator))
简单来说:只要在def中有yield关键字的 就称为 生成器
True
在python中有三种⽅方式来获取⽣生成器:
- 通过⽣生成器函数
- 通过各种推导式来实现⽣生成器
- 通过数据的转换也可以获取⽣生成器
第一步,看一个很简单的函数:
def fun():
print("1")
return 2
ret = fun()
print(ret)
输出结果:
1
2
在这里将函数return换成yield就是生成器
def fun():
print("1")
yield 2
ret = fun()
print(ret)
输出结果:
<generator object fun at 0x7ff29e498a40>
运⾏行行的结果和上⾯面不⼀一样. 为什么呢. 由于函数中存在了yield. 那么这个函数就是一个生成器函数. 这个时候. 我们再执行这个函数的时候. 就不再是函数的执行了. 而是获取这个⽣生成器。
如何使⽤呢?
生成器的本质是迭代器. 所以. 我们可以直接执行next()来执行
def func():
print("111")
yield 222
gener = func() # 这个时候函数不不会执⾏行行. ⽽而是获取到⽣生成器器
ret = gener.__next__() # 这个时候函数才会执行. yield的作用和return一样.也是返回数据
print(ret)
输出结果:
send⽅方法, send和next()一样都可以让⽣生成器执⾏行行到下一个yield.
def eat():
print("我吃什什么啊")
a = yield "馒头"
print("a=",a)
b = yield "⼤大饼"
print("b=",b)
c = yield "⾲韭菜盒⼦子"
print("c=",c)
yield "GAME OVER"
gen = eat() # 获取⽣生成器器
ret1 = gen.__next__()
print(ret1)
ret2 = gen.send("胡辣汤")
print(ret2)
ret3 = gen.send("狗粮")
print(ret3)
ret4 = gen.send("猫粮")
print(ret4)
我吃什什么啊
馒头
a= 胡辣汤
⼤大饼
b= 狗粮
⾲韭菜盒⼦子
c= 猫粮
GAME OVER
send和next()区别:
1. send和next()都是让生成器向下走一次
2. send可以给上一个yield的位置传递值, 不能给最后一个yield发送值. 在第一次执行生成器代码的时候不能使用send()
注意:生成器表达式和列列表推导式的语法基本上是⼀一样的. 只是把[]替换成()
gen = (i for i in range(10))
2.生成器表达式和列列表推导式的区别:
1. 列表推导式比较耗内存. 一次性加载. 生成器表达式几乎不占用内存.使用的时候才分配和使用内存
2. 得到的值不一样. 列表推导式得到的是一个列表. 生成器表达式获取的是一个生成器.