生成器
一直对python的生成器 似懂非懂,但是今天看了一片博客,感觉瞬间融会贯通了;
https://www.cnblogs.com/wj-1314/p/8490822.html
这里随便总结下吧:
什么是生成器?
通过列表生成式,我们可以直接创建一个列表,但是,受到内存限制,列表容量肯定是有限的,而且创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。
所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间,在Python中,这种一边循环一边计算的机制,称为生成器:generator
生成器是一个特殊的程序,可以被用作控制循环的迭代行为,python中生成器是迭代器的一种,使用yield返回值函数,每次调用yield会暂停,而可以使用next()函数和send()函数恢复生成器。
生成器类似于返回值为数组的一个函数,这个函数可以接受参数,可以被调用,但是,不同于一般的函数会一次性返回包括了所有数值的数组,生成器一次只能产生一个值,这样消耗的内存数量将大大减小,而且允许调用函数可以很快的处理前几个返回值,因此生成器看起来像是一个函数,但是表现得却像是迭代器
python中的生成器
要创建一个generator,有很多种方法,第一种方法很简单,只有把一个列表生成式的[]中括号改为()小括号,就创建一个generator
#列表生成式
lis = [x*x for x in range(10)]
print(lis)
#生成器
generator_ex = (x*x for x in range(10))
print(generator_ex)
结果:
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
一个简单的例子:方便理解yield的使用,这个函数就是一个生成器,可迭代对象 可以通过next继续运行
def create_counter(n):
print("create_counter")
while True:
yield n
print("increment n")
n += 1
# 生成器是一个特殊的程序,可以被用作控制循环的迭代行为,python中生成器是迭代器的一种,
# 使用yield返回值函数,每次调用yield会暂停,而可以使用next()函数和send()函数恢复生成器。
gen = create_counter(2)
print(gen)
print(next(gen))
print(next(gen))
结果如下:
<generator object create_counter at 0x0000020F3E372A40>
create_counter
2
increment n
3
举例:斐波那契数列
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield a
a, b = b, a + b
n = n + 1
return 'done'
# 我们可以使用 for循环遍历;就可以自动的将迭代进行下去
for i in fib(6):
print(i)
迭代器
凡是可作用于for循环的对象都是Iterable类型;可迭代对象
凡是可作用于next()函数的对象都是Iterator类型,它们表示一个惰性计算的序列; 迭代器
集合数据类型如list、dict、str,set 等是Iterable但不是Iterator,不过可以通过iter()函数获得一个Iterator对象。
生成器都是Iterator对象
特别的 对于文件
f = open('housing.csv')
from collections import Iterator
from collections import Iterable
# 文件对象也是一个可迭代的对象,并且是迭代器类型
print(isinstance(f,Iterator))
print(isinstance(f,Iterable))
True
True