生成器
生成器定义
在Python中,一边循环一边计算的机制,称为生成器:generator
列表所有数据都在内存中,如果有海量数据的话将会非常耗内存。
如: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。
如果列表元素按照某种算法推算出来,那我们就可以在循环的过程中不断推算出后续的元素,这样就不必创建完整的list,从而节省大量的空间。
简单说:
- 时间换空间!想要得到庞大的数据,又想让它占用空间少,那就用生成器!
- 延迟计算!需要的时候,再计算出数据!
生成器表达式很简单,只要把一个列表推导式的[]
改成()
,就创建了一个生成器(generator):
L = [x * x for x in range(10)]
print(L)
g = (x * x for x in range(10))
print(g)
# at 0x1022ef630>
创建L
和g
的区别仅在于最外层的[]
和()
,L
是一个list,而g
是一个generator。
生成器函数_yield的用法
创建生成器的方式二(生成器函数)
生成器函数:
- 如果一个函数中包含
yield
关键字,那么这个函数就不再是一个普通函数,调用函数就是创建了一个生成器(generator)对象。- 生成器函数:其实就是利用关键字
yield
一次性返回一个结果,阻塞,重新开始
原理是这样的:
- 生成器函数返回一个迭代器,for循环对这个迭代器不断调用
__next__()
函数,不断运行到下一个yield
语句,一次一次取得每一个返回值,直到没有yield
语句为止,最终引发StopIteration
异常。 yield
相当于return
返回一个值,并且记住这个返回的位置,下次迭代时,代码从yield
的下一条语句(不是下一行)开始执行。send()
和next()
一样,都能让生成器继续往下走一步(下次遇到yield
停),但send()
能传一个值,这个值作为yield
表达式整体的结果
生成器推导式底层原理也是这样的。
【示例】测试生成器工作原理(yield)
#coding=utf-8
"""
1. 函数有了yield之后,调用它,就会生成一个生成器
2. yield作用:程序挂起,返回相应的值。下次从下一个语句开始执行。
3. return在生成器中代表生成器终止,直接报错:StopIeratation
4. next方法作用:唤醒并继续执行
"""
def test():
print("start")
i=0
while i<3:
temp = yield i #下次迭代时,代码从`yield`的下一条语句(不是下一行)开始执行
print(f"temp:{temp}")
i += 1
print("end")
return "done"
if __name__ == '__main__':
a = test()
print(type(a))
print(a.__next__())
print(a.__next__())
print(a.__next__()) # next(a) 一样
print(a.__next__()) # 抛出异常:StopIteration
生成器函数_send的用法
【示例】测试生成器工作原理(send)
# send的作用是唤醒并继续执行,发送一个信息到生成器内部
def foo():
print("start")
i = 0
while i<2:
temp = yield i
print(f"temp:{temp}")
i=i+1
print("end")
g = foo()
print(next(g))
print("*"*20)
print(g.send(100))
print(next(g))
总结
-
什么是生成器?
生成器仅仅保存了一套生成数值的算法,并且没有让这个算法现在就开始执行,而是我什么时候调它,它什么时候开始计算一个新的值,并给你返回。
-
生成器特点:
- 生成器函数生成一系列结果。通过
yield
关键字返回一个值后,还能从其退出的地方继续运行,因此可以随时间产生一系列的值。 - 生成器和迭代是密切相关的,迭代器都有一个
__next__()
成员方法,这个方法要么返回迭代的下一项,要么引起异常结束迭代。 - 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。 - 生成器看起来像是一个函数,但是表现得却像是迭代器
迭代器的概念_for循环的本质
- 生成器函数生成一系列结果。通过
概念
- 迭代是Python最强大的功能之一,是访问集合元素的一种方式。
- 迭代器是一个可以记住遍历的位置的对象。
- 迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束。
- 迭代器只能往前不会后退。
- 迭代器有两个基本的方法:
iter()
和next()
-
一个实现了
iter
方法的对象,称为"可迭代对象Ieratable" -
一个实现
next
方法并且是可迭代的对象,称为"迭代器Iterator"即:实现了
iter
方法和next
方法的对象就是迭代器。
⚠️生成器都是
Iterator
对象,但list
、dict
、str
虽然是Iterable(可迭代对象)
,却不是Iterator(迭代器)
。
#python3.6之前不加.abc,之后的加
from collections.abc import Iterator
from collections.abc import Iterable
a = isinstance([], Iterable)
a = isinstance([], Iterator)
print(a)
list
、dict
、str
等Iterable
变成Iterator
, 可以使用iter()
函数:
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
为什么
list
、dict
、str
等数据类型不是Iterator
?Python的
Iterator
对象表示的是一个数据流。可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()
函数实现按需计算下一个数据,所以Iterator
的计算是惰性的,只有在需要返回下一个数据时它才会计算。所以,生成器一定是迭代器。
Iterator
甚至可以表示一个无限大的数据流,例如全体自然数。而使用list是永远不可能存储全体自然数的。
Python3的
for
循环本质上就是通过不断调用next()
函数实现的。
for x in [1, 2, 3, 4, 5]:
pass
本质是:
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break
迭代器_手动创建一个迭代器
创建一个迭代器
一个类作为一个迭代器使用需要在类中实现两个方法__iter__()
与__next__()
__iter__()
方法返回一个特殊的迭代器对象, 这个迭代器对象实现了__next__()
方法并通过 StopIteration 异常标识迭代的完成。__next__()
方法会返回下一个迭代器对象。
【示例】创建一个依次返回10,20,30,...这样数字的迭代器
class MyNumbers:
def __iter__(self):
self.num = 10
return self
def __next__(self):
if self.num<40:
x = self.num
self.num += 10
return x
else:
raise StopIteration
myclass = MyNumbers()
myiter = iter(myclass)
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
动态语言特性_动态给对象添加属性和方法
动态编程语言是高级程序设计语言的一个类别,在计算机科学领域已被广泛应用。
它是指在运行时可以改变其结构的语言 :例如新的函数、 对象、甚至代码可以被引进, 已有的函数可以被删除或是其他结构上的变化。
#coding=utf-8
import types
class Person():
def __init__(self,name,age):
self.name = name
self.age = age
p1 = Person("zhangsan",20)
p2 = Person("lisi",30)
#动态给对象添加属性和方法
p1.score = 100
print(p1.score)
def run(self):
print(f"{self.name},running...")
#动态的对象添加方法
p1.run = types.MethodType(run,p1)
p1.run()
types.MethonType的使用
p1.run = types.MethodType(run,p1)
# 即使换成
xxx = types.MethodType(run,p1)
# xxx()调用一样还用
# 因为之前提示缺少参数,主要是不知道self到底是谁,
# 而types.MethodType(run,p1)则是告诉解释器,self指的就是p1
动态语言特性_动态给类添加静态方法和类方法
给类动态添加静态方法以及类方法
@staticmethod
def staticfunc():
print("---static method---")
Person.staticfunc = staticfunc
Person.staticfunc()
@classmethod
def clsfunc(cls):
print('---cls method---')
Person.clsfunc = clsfunc
Person.clsfunc()
动态语言特性_slots限制成员属性和方法
__slots__
的作用
__slots__
对动态添加成员变量、成员方法有限制。对动态添加类属性、类方法没有限制。__slots__
只对本类有限制,不限制子类
class Person():
__slots__ = {"name","age"}
def __init__(self,name,age):
self.name = name
self.age = age
def eat(self):
print("人是铁饭是钢,要吃!")
if __name__ == '__main__':
p1 = Person("gaoqi",18)
# p1.gender = "man" #AttributeError: 'Person' object has no attribute 'gender'