【每天1分钟】PYTHON基础之条件与循环(生成器)
Python的生成器是一个返回可以迭代对象的函数。
- 通过 yield 关键字创建生成器
# 常规写法
>>> def fib1(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n += 1
>>> f = fib1(10)
1
1
2
3
5
8
13
21
34
55
# 使用生成器写法 ,可理解为把 return 改为 yield作为函数的返回,遇到yield会返回一次结果,然后程序暂停等待下一个next调用
>>> def fib2(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n += 1
>>> f = fib2(10)
>>> f.__next__()
1
>>> f.__next__()
1
>>> f.__next__()
2
>>> f.__next__()
3
>>> f.__next__()
5
>>> f.__next__()
8
>>> f.__next__()
13
>>> f.__next__()
21
>>> f.__next__()
34
>>> f.__next__()
55
>>> f.__next__()
Traceback (most recent call last):
File "<pyshell#181>", line 1, in <module>
f.__next__()
StopIteration
>>>
生成器函数与一般函数的不同点:
- 生成器函数包含一个或者多个yield
- 当调用生成器函数时,函数将返回一个对象,但是不会立刻向下执行
- 像 iter() 和 next() 方法等是自动实现的,所以我们可以通过 next() 方法对对象进行迭代
- 一旦函数被yield,函数会暂停,控制权返回调用者
- 局部变量和它们的状态会被保存,直到下一次调用
- 函数终止的时候,StopIteraion会被自动抛出
- 生成器表达式
>>> gen = (x for x in range(5)) # 注意与列表解析的差异,列表解析用[],生成器用()
>>> type(gen)
<class 'generator'>
>>> gen
<generator object <genexpr> at 0x00000208A390ABA0>
>>> next(gen)
0
>>> next(gen)
1
>>> next(gen)
2
>>> next(gen)
3
>>> next(gen)
4
>>> next(gen)
Traceback (most recent call last):
File "<pyshell#192>", line 1, in <module>
next(gen)
StopIteration
>>>
列表解析 vs 生成器表达式
列表解析式一次生成所有数据
生成器表达式结合了列表解析与迭代器的特点,一边循环一边计算后续元素,优化了内存使用