### 生成器
“”"
#生成器本质是迭代器,允许自定义逻辑的迭代器
#迭代器和生成器区别:
迭代器本身是系统内置的.重写不了.而生成器是用户自定义的,可以重写迭代逻辑
#生成器可以用两种方式创建:
(1)生成器表达式 (里面是推导式,外面用圆括号)
(2)生成器函数 (用def定义,里面含有yield)
“”"
from collections import Iterator
(1) 生成器表达式 定义一个生成器
gen = (i* 2 for i in range(1,5))
print(gen)
print(isinstance(gen,Iterator))
1.next 调用生成器
res = next(gen)
print(res)
2. for 调用生成器
gen = (i* 2 for i in range(1,5))
for i in gen:
print(i)
3.for + next 调用生成器
gen = (i* 2 for i in range(1,5))
for i in range(2):
res = next(gen)
print(res)
4.用list强转,瞬间拿到所有数据
res = list(gen)
print(res)
### 生成器函数
“”"
yield 类似于 return
共同点在于:执行到这句话都会把值返回出去
不同点在于:yield每次返回时,会记住上次离开时执行的位置 , 下次在调用生成器 , 会从上次执行的位置往下走
而return直接终止函数,每次重头调用.
yield 6 和 yield(6) 2种写法都可以 yield 6 更像 return 6 的写法 推荐使用
“”"
from collections import Iterator
(1) 基本语法:
def mygen():
print("one")
yield 1
print("two")
yield 2
print("three")
yield 3
初始化生成器函数 , 返回生成器对象, 简称生成器
gen = mygen()
print(isinstance(gen , Iterator))
第一次
res = next(gen)
print(res)
第二次
res = next(gen)
print(res)
第三次
res = next(gen)
print(res)
“”"
error
res = next(gen)
print(res)
“”"
“”"
代码解析:
第一次调用, print(“one”) yield 1 , 记录当前代码执行的状态15行, 把1直接返回,等待下一次调用
res = 1 print(1)
第二次调用, 从上一次代码的位置继续向下执行,print(“two”) yield 2 , 记录当前代码执行的状态18行 , 把2直接返回,等待下一次调用
res = 2 print(2)
第三次调用, 从上一次代码的位置继续向下执行,print(“three”) yield 3 , 记录当前代码执行的状态21行 , 把3直接返回,等待下一次调用
res = 3 print(3)
如果在进行第四次调用,因为没有yield 关键字返回数据, 所以直接报错 StopIteration
“”"
(2) 优化代码
def mygen():
for i in range(1,101):
yield "我的球衣号码是%s" % (i)
初始化生成器函数 -> 生成器对象 -> 简称生成器
gen = mygen()
for + next 调用生成器
for i in range(50):
res = next(gen)
print(res)
(3) send 可以发送数据,发送给上一个yield
“”"
send
next和send区别:
next 只能取值
send 不但能取值,还能发送值
send注意点:
第一个 send 不能给 yield 传值 默认只能写None
最后一个yield 接受不到send的发送值
def mygen():
print("start")
res = yield 111
print(res)
res = yield 222
print(res)
res = yield 333
print(res)
print("end")
初始化生成器函数 -> 返回生成器对象 -> 简称生成器
gen = mygen()
第一次调用
第一次只能默认发送None,因为第一次没有上一个yield
val = gen.send(None)
print(val)
第二次调用
val = gen.send(444)
print(val)
第三次调用
val = gen.send(555)
print(val)
第四次调用 error
val = gen.send(666)
print(val)
“”"
无论是next 还是 send 都可以调用生成器里面的数据
send 不但可以调用,还可以给yield 发送值
第一次调用send , 只能发送None ,因为还没有遇到yield
代码从上到下执行, print(“start”) 遇到 res = yield 111
记录当前代码执行的状态87行,把111值返回,等待下一次调用
外面的val = 111 print(111)
第二次调用send ,把444发送给上一次保存的位置87行
yield 进行接收 res = 444 87行往下执行 print(444) 遇到 res = yield 222
记录当前代码执行的状态90行,把222值返回,等待下一次调用
外面的val = 222 print(222)
第三次调用send ,把555发送给上一次保存的位置90行
yield 进行接收 res = 555 90行往下执行 print(555) 遇到 res = yield 333
记录当前代码执行的状态93行,把333值返回,等待下一次调用
外面的val = 333 print(333)
第四次调用send , 把555发送给上一次保存的位置93行
yield 进行接收 res = 666 93行往下执行 print(666) print(“end”)
没有任何yield 返回数据 , 出现StopIteration
到此程序彻底结束.
“”"
(4)yield from : 将一个可迭代对象变成一个迭代器返回
def mygen():
lst = ["魏小林","陈宁波","朱胜"]
yield from lst
gen = mygen()
print(next(gen))
print(next(gen))
print(next(gen))
案例: 用生成器来写一个斐波那契数列
“”"
没有限量,没有 个数时都用生成器
生成器应用在大数据的场景中,按照需求依次取值,
切记不要直接迭代生成器所有数据
一旦数据量较大,类似于死循环
“”"
1 1 2 3 5 8 13 21 34 55 …
def mygen(maxlength):
a = 0
b = 1
i = 0
while i < maxlength:
# print(b)
yield b
# 当前值 = 上上个值 + 上一个值
a,b = b,a+b
i+=1
gen = mygen(50)
按照需求量进行取值
for i in range(30):
print(next(gen))