（小甲鱼python）函数笔记合集七 函数(VIII)总结 生成器的定义、使用和产生生成器的两种方法详解

一、基础复习

1. 函数的基本用法 创建和调用函数 函数的形参与实参等等
2. 函数的几种参数 位置参数、关键字参数、默认参数等
3. 函数的收集参数*args **args 解包参数详解
4. 函数中参数的作用域 局部作用域 全局作用域 global语句 嵌套函数 nonlocal语句等详解
5. 函数的闭包（工厂函数）
6. lambda()函数表达式、map()、filter()函数详解

前言

函数一般运行结束或遇到return语句，意味着函数运行结束，函数中做的所有工作，以及保存在局部变量中的数据也都将会丢失，再次调用这个函数的时候，一切从头再来。有没有办法让函数在退出之后还能保留状态呢?

有没有办法让函数在退出之后还能保留状态呢?

闭包、全局变量和生成器，但过多的使用全局变量会污染命名空间，闭包德定义相对复杂。简单的方法为生成器。

二、生成器的使用

1.生成器的定义与举例
生成器就是在函数中使用yield表达式来代替return语句就可以了。
例1：

>>> def counter():
	i=0
	while i<=5:
		yield i
		i+=1

>>> 
>>> counter()   #得到的不是返回值，而是生成器。
<generator object counter at 0x00000160FDC43CF0>
>>> 
>>> for i in counter():    # 生成器的使用
	print(i)

0
1
2
3
4
5
>>> 

代码解析： for语句它是从一个可迭代对象里面每次获取一个数据，counter生成器它的作用就是每次调用的时候提供一个数据，每次执行到yield的时候，就生成一个数据，暂停并保留状态，下一次调用则从下一个语句i+=1开始继续执行。

生成器不像列表、元祖这些可迭代对象，可以把生成器看作一个制作机器，它的作用就是每调用依次提供一个数据，并且会记住当时的状态，而列表元祖这些可迭代对象则是容器，它们里面存放的是早已经准备好的所有数据。生成器其实可以看作是一种特殊的迭代器，其次它支持next()函数。

生成器每调用一次返回一个结果，导致生成器对象是无法使用下标索引，这种随机访问的方式的。

# 对生成器进行赋值
>>> c=counter()
>>> c
<generator object counter at 0x00000160FDCA7750>
>>> next(c)
0
>>> next(c)
1
>>> next(c)
2
>>> next(c)
3
>>> next(c)
4
>>> next(c)
5
>>> next(c)
Traceback (most recent call last):
  File "<pyshell#19>", line 1, in <module>
    next(c)
StopIteration
>>> 
>>> c[2]    #报错，生成器不支持下标索引的方式
Traceback (most recent call last):
  File "<pyshell#68>", line 1, in <module>
    c[2]
TypeError: 'generator' object is not subscriptable
>>> 

2.生成器的使用
生成器在斐波那契数列的使用。

斐波那契数列数列由0和1开始，之后的斐波那契数列就是由之前的两数相加得出：0,1,1,2,3,5,8，…

#由于在函数中没有设置结束条件，这样我们就得到了一个永恒的斐波那契数列生成器。
>>> def fib():
	back1,back2=0,1
	while True:
		yield back1
		back1,back2=back2,back1+back2

>>> f=fib()
>>> next(f)
0
>>> next(f)
1
>>> next(f)
1
>>> next(f)
2
>>> next(f)
3
>>> next(f)
5
>>> next(f)
8

使用for语句迭代，而没有在中途设置退出条件的话，那么就会得到一个一直执行下去的数列，直到按ctrl+c退出。

>>> for i in f:
	print(i)

13
21
34
55
89
144
233
377
610
987
1597
Traceback (most recent call last):
  File "<pyshell#39>", line 2, in <module>
    print(i)
KeyboardInterrupt
>>> 

3.生成器表达式
将列表推导式的方括号改成圆括号会得到一个生成器表达式。
列表推导式会一下子将所有的数据生产出来，并放到一个列表中，但生成器就像一只母鸡，一次只下一个蛋。

>>> (i ** 2 for i in range(10))  # 得到一个生成器对象
<generator object <genexpr> at 0x00000160FDCE1570>
>>> t=(i ** 2 for i in range(10))
>>> next(t)
0
>>> next(t)
1
>>> next(t)
4
>>> next(t)
9
>>> next(t)
16
>>> for i in t:
	print(i)

25
36
49
64
81
>>>

4.生成器总结
产生生成器的两种方法：一个就是将普通函数里面的return替换成yield表达式，另一个是直接使用这个生成器表达式。

题目:
1.迭代器可以看作是一种特殊的生成器吗？
答：不可以！
解析：生成器可以看成是一种特殊的迭代器，但反过来说就错了~
2.生成器可以看作是 Python 对于 “延迟执行” 提供的技术支持，这种说法正确吗？
答：正确。
解析：在需要的时候才产生结果，而并非一次性生产，这就是 “延迟执行” 的含义。当然，通过闭包，我们也可以实现类似的效果，不过生成器毕竟是 Python 帮我们定义好的语句，用起来肯定要顺手方便很多。
3. 你觉得生成器通常应用在什么场景会比较合适？
答：生成器应该应用在占用大量存储空间的文件操作上，比方说日志文件通常都特别大，几十上百 G 都算是小弟弟了，如果一次性把它读取到内存中，可想而知结果就是爆内存；另外一个应用场景就是希望输出的结果不断更新的情况，比如生成斐波那契数列，我们希望它每次产生的结果是基于上次的数据进行再运算产生。
4. 请问下面代码会打印 “YES” 吗？

>>> def counter():
...     i = 0
...     while i <= 5:
...         yield i
...         i += 1
...     print("YES")
...
>>> for each in counter():
...     print(each)
...

答：会。
打印结果如下：

>>> for each in counter():
...     print(each)
...        
0
1
2
3
4
5
YES

解析：这个就跟 return 语句不一样了，return 语句一执行，就不会管后面的语句了，yield 语句是 “打断并返回，然后下次执行就从下一条语句继续”。
5.下面这个列表推导式是不是有什么问题？为什么一直不出结果，你有什么办法解决这个问题么？

>>> [x ** 2 for x in range(1000000)]

答：

>>> (x ** 2 for x in range(1000000))

解析：对于百万级运算，生成器（表达式）对比列表推导式的优势就显而易见了；上面列表推导式代码，在多数电脑是要计算很久才能得到结果，因为它是实打实地在计算的；而生成器表达式则是将算法保存起来，但并没有实际去计算，所以就可以做到 “秒回”。不过，生成器表达式也并非没有缺点，它的缺点就是不支持随机访问，也就是下标索引……
6.请将下面的 map() 函数实现改为使用生成器表达式实现。

>>> list(map(abs, (-1, 2, -3, 4, -5)))
[1, 2, 3, 4, 5]

答：

>>> list(abs(x) for x in (-1, 2, -3, 4, -5))
[1, 2, 3, 4, 5]

解析：如果将生成器表达式作为函数的参数，最外层的小括号是可选的。
7.请将下面的生成器表达式实现改为使用 filter() 函数实现。

>>> "".join(x for x in "FishC" if x.isupper())
'FC'

答：

>>> "".join(filter(lambda x : x.isupper(), "FishC"))
'FC'

8.请问下面代码会打印什么内容？

list(map((lambda x : x ** 2), filter((lambda x : x % 2 == 0), range(10))))

答：

>>> list(map((lambda x : x ** 2), filter((lambda x : x % 2 == 0), range(10))))
[0, 4, 16, 36, 64]

解析：
从小括号的匹配结构上来看，不难看出，list() 函数的参数接受的可迭代对象由 map() 函数产生。
map() 函数的第一个参数应该是一个函数对象，这里用了 lambda 表达式，功能是将拿到的数据进行 2 次幂运算；那么第二个参数就是数据的来源，由 filter() 函数提供。
filter() 函数第一个参数也应该是一个函数对象，这里也用了 lambda 表达式，功能是筛选出能被 2 整除的数据；那么第二个参数就是数据的来源，是由 range(10) 获得，后者得到的是 0、1、2、3、4、5、6、7、8、9。其中能被 2 整除的就是 0、2、4、6、8，因此结果就是 [0, 4, 16, 36, 64]。

题目来自小甲鱼函数(VIII)