Python_生成器（generator）

generator与list比较

• generator:算法实现下一个数据的输出，不调用下一个，就不执行下一个数据的运算
• list:直接存储于内存，所有数据都同时存在
• generator相较于list占用内存小

创建一个简单的generator

• 简单的generator的创建：在列表生成式的基础上将[]改为()
  例如：
  
g=(x*x for x in range(10))


• generator的调用

  • next调用：(直到报错结束）

    >>> g=(x*x for x in range(10))
    >>> g
    <generator object <genexpr> at 0x0610BC00>
    >>> next(g)
    0
    >>> 
    >>> next(g)
    1
    >>> next(g)
    4
    >>> next(g)
    9
    >>> next(g)
    16
    >>> next(g)
    25
    >>> next(g)
    36
    >>> next(g)
    49
    >>> next(g)
    64
    >>> next(g)
    81
    >>> next(g)
    Traceback (most recent call last):
      File "<pyshell#14>", line 1, in <module>
        next(g)
    StopIteration

    • for循环调用：
      

      >>> def g_get():
              for n in g:
                  print(n)
      
      >>> g=(x*x for x in range(10))
      >>> g_get()
      0
      1
      4
      9
      16
      25
      36
      49
      64
      81

创建一个函数形式的generator

• 函数型的generator的创建：
  与普通函数不同的是含有关键字yield，即含有yield的函数就是generator

  >>> def yhsj():
    L=[1]
    while True:
        yield L
        L=[1]+[L[i]+L[i+1] for i in range(len(L)-1)]+[1]
  
  
  >>> def get_yhsj():
    for n in yhsj():
        print(n)
  
  
  >>> get_yhsj()
  [1]
  [1, 1]
  [1, 2, 1]
  [1, 3, 3, 1]
  [1, 4, 6, 4, 1]
  [1, 5, 10, 10, 5, 1]
  [1, 6, 15, 20, 15, 6, 1]
  [1, 7, 21, 35, 35, 21, 7, 1]
  [1, 8, 28, 56, 70, 56, 28, 8, 1]
  [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
  [1, 10, 45, 120, 210, 252, 210, 120, 45, 10, 1]
  ...

函数型的generator与普通函数的不同

• 除了含有yield关键字外，还有就是执行顺序不同，普通函数的执行是按顺序的，而generator是执行到yield语句就停止，知道下一次调用，执行接下来的语句
  Python_生成器（generator）

generator与list比较

generator:算法实现下一个数据的输出，不调用下一个，就不执行下一个数据的运算
list:直接存储于内存，所有数据都同时存在
generator相较于list占用内存小
创建一个简单的generator

简单的generator的创建：在列表生成式的基础上将[]改为()
例如：
g=(x*x for x in range(10))
generator的调用
next调用：(直到报错结束）

g=(x*x for x in range(10))
g