内存克星--生成器

Python内置了很多非常有用的数据结构，比如列表（list）、集合（set）以及字典（dictionary）。这些数据结构方便了开发人员，特别是通过列表生成式，可以很方便的创建一个列表。但是，毕竟内存有限，列表的容量肯定会受到限制。当列表数据量大到我们开始担心系统内存空间时，就应该考虑使用生成器进行迭代了。

在Python中，生成器实际上是一个存在于堆上的函数。这个函数可以在循环过程中不断推算出后续的元素，直到产生特殊异常StopIteration结束。

如何创建一个生成器？

• 把列表生成式[]修改为()

  >>> normal_list = [val for val in range(5)]
  >>> type(normal_list)
  <type 'list'>
  >>> normal_list
  [0, 1, 2, 3, 4]
  >>> generator_obj = (val for val in range(5))
  >>> type(generator_obj)
  <type 'generator'>
  >>> next(generator_obj)
  0
  >>> next(generator_obj)
  1
  >>> next(generator_obj)
  2
  >>> next(generator_obj)
  3
  >>> next(generator_obj)
  4
  >>> next(generator_obj)
  Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
  StopIteration

  通过type方法进行测试可知，()可以把列表转化为生成器。如果要遍历生成器，可以使用next方法。直到生成器无法提供元素时，就会抛出StopIteration异常。

  当然在实际编码过程中，使用最多的方式是使用for关键字完成生成器的迭代。

  >>> for val in generator_obj:
  ...     print val
  ... 
  0
  1
  2
  3
  4
  ​

  • 使用关键字yield，把普通函数转化为生成器

  def crange(begin,end,step=1):
      x = begin
      while x < end:
          yield x
          x += step
  >>> for n in crange(1,3,0.5):
          print n
  >>> for n in crange(1,3,0.5):
  ...             print n
  ... 
  1
  1.5
  2.0
  2.5

  函数中只要出现了yield语句，就会被转变成一个生成器。与普通函数不同，生成器只会在响应迭代过程中的next时才会运行。一旦生成器函数返回，迭代就会停止。

小结

Python中的yeild关键字或者()均可以用来创建生成器函数。生成器函数通过在堆中保存算法的方式生成结果，在大数据量的迭代过程中可极大减少内存消耗。

如果对云计算感兴趣，可以关注我的微信公众号：