python 生成式 & 生成器

木华思流年

已于 2023-02-20 17:26:49 修改

阅读量6.4w

点赞数 6

分类专栏： pyhon 文章标签： python generator

于 2021-05-28 14:56:16 首次发布

本文链接：https://blog.csdn.net/wanchaopeng/article/details/117356339

版权

pyhon 专栏收录该内容

20 篇文章 1 订阅

订阅专栏

1. 生成式

列表a=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],要求你把列表里的每个值加1

a=[i+1 for i in range(10)]
print(a)

2. 生成器

在Python中，一边循环一边计算后面元素的机制，称为生成器：generator.

创建generator

2.1 方式1

只要把一个列表生成式的[]改成()，就创建了一个generator：

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

如上就是列表生成器

如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

>>> m = ( x * x for x  in range(10))
>>> next(m)
0
>>> next(m)
1
>>> next(m)
4
>>> next(m)
9
>>> next(m)
16
>>> next(m)
25
>>> next(m)
36
>>> next(m)
49
>>> next(m)
64
>>> next(m)
81
>>> next(m)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

generator保存的是算法，每次调用next(m)就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

上面这种不断调用next(m)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代(遍历)对象：

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

通过for循环来迭代它，就不需要关心StopIteration的错误了。

3. 函数生成器

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现

def fib(max):
    a,b=0,1
    n=0  #斐波那契数
    while n < max:
        n = a+b
        a = b  #把b的旧值给到a
        b = n  #新的b= a+b(旧的b)
        print(n)
fib(100)

仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

def fib(max):
    a,b = 0,1
    n = 0  # 斐波那契数
    while n < max:
        n = a + b
        a = b # 把b的旧值给到a
        b = n # 新的b = a + b(旧b的值)
        #print(n)
        yield n # 程序走到这，就会暂停下来，返回n到函数外面，直到被next方法调用时唤醒
f = fib(100) # 注意这句调用时，函数并不会执行，只有下一次调用next时，函数才会真正执行
print(f)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())

这就是定义generatoe的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是普通函数，而是一个generator：

最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句暂停并返回数据到函数外，再次被next()调用时从上次返回的yield语句处继续执行。

我们在循环过程中不断调用yield，函数就会不断的中断(暂停)。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

4. 迭代器

可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable，可迭代的意思就是可遍历、可循环。

可以使用isinstance()判断一个对象是否是Iterable对象：

>>> from collections import Iterable
>>> isinstance([],Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance("abc",Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100,Iterable)
False

而生成器不但可以作用域for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

可以被next() 函数调用并不断返回下一个值的对象成为迭代器:Iterator

可以使用isinstance()判断一个对象是否是iterator对象:

>>> from collections import Iterable
>>> isinstance([],Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance("abc",Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100,Iterable)
False

生成器都是Iterator对象，但list,dict,str虽然是Iterable却不是Iterator

把list,dict,str等Iterable变成Iterator可以使用iter()函数：

python中的Iterator对象表示的是一个数据流，Iterator对象可以被next（）函数嗲用并不断返回下一个数据，知道没有数据时抛出StopIteration错误。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()函数是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才会计算。

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。

小结

凡是可作用于for循环的对象都是Iterable类型；

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；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。