一、列表生成式
需求:看列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],我要求你把列表里的每个值加1,你怎么实现?你可能会想到2种方式
>>>a
[0,1, 2, 3, 4, 5, 6, 7, 8, 9]>>> b =[]>>> for i in a:b.append(i+1)
...>>>b
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]>>> a =b>>>a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
a = [1,3,4,6,7,7,8,9,11]for index,i inenumerate(a):
a[index]+=1
print(a)
原值修改
>>>a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]>>> a = map(lambda x:x+1, a)>>>a
>>> for i in a:print(i)
...3
5
7
9
11文艺青年版
>>> a = [i+1 for i in range(10)]>>>a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
二、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。
要创建一个generator,有很多种方法。第一种方法很简单,只要把一个列表生成式的[]改成(),就创建了一个generator:
>>> L = [x * x for x in range(10)]>>>L
[0,1, 4, 9, 16, 25, 36, 49, 64, 81]>>> g = (x * x for x in range(10))>>>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。
我们可以直接打印出list的每一个元素,但我们怎么打印出generator的每一个元素呢?
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:
>>>next(g)
0>>>next(g)1
>>>next(g)4
>>>next(g)9
我们讲过,generator保存的是算法,每次调用next(g),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。
当然,上面这种不断调用next(g)实在是太变态了,正确的方法是使用for循环,因为generator也是可迭代对象:
>>> g = (x * x for x in range(10))>>> for n ing:
...print(n)
...
01
4
9
16
25
36
49
64
81
所以,我们创建了一个generator后,基本上永远不会调用next(),而是通过for循环来迭代它,并且不需要关心StopIteration的错误。
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。
比如,著名的斐波拉契数列(Fibonacci),除第一个和第二个数外,任意一个数都可由前两个数相加得到:
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来,但是,用函数把它打印出来却很容易:
deffib(max):
n, a, b= 0, 0, 1
while n
a, b= b, a +b
n= n + 1
return 'done'
注意,赋值语句:1a, b= b, a +b
相当于:1
2
3t= (b, a + b) #t是一个tuple
a =t[0]
b= t[1]
但不必显式写出临时变量t就可以赋值。
上面的函数可以输出斐波那契数列的前N个数:
>>> fib(10)1
1
2
3
5
8
13
21
34
55done
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:
deffib(max):
n,a,b= 0,0,1
while n
yieldb
a,b= b,a+b
n+= 1return 'done'
这就是定义generator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一个普通函数,而是一个generator:
>>> f = fib(6)>>>f
这里,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语句返回,再次执行时从上次返回的yield语句处继续执行。
data = fib(10)print(data)print(data.__next__())print(data.__next__())print("干点别的事")print(data.__next__())print(data.__next__())print(data.__next__())print(data.__next__())print(data.__next__())#输出
1干点别的事3
8
在上面fib的例子,我们在循环过程中不断调用yield,就会不断中断。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:
>>> for n in fib(6):
...print(n)
...1
3
8
但是用for循环调用generator时,发现拿不到generator的return语句的返回值。如果想要拿到返回值,必须捕获StopIteration错误,返回值包含在StopIteration的value中:
>>> g = fib(6)>>> whileTrue:
...try:
... x=next(g)
...print('g:', x)
...exceptStopIteration as e:
...print('Generator return value:', e.value)
...break...
g:1g:1g:2g:3g:5g:8Generatorreturn value: done
关于如何捕获错误,后面的错误处理还会详细讲解。
还可通过yield实现在单线程的情况下实现并发运算的效果
#_*_coding:utf-8_*_
__author__ = 'Alex Li'
importtimedefconsumer(name):print("%s 准备吃包子啦!" %name)whileTrue:
baozi= yield
print("包子[%s]来了,被[%s]吃了!" %(baozi,name))defproducer(name):
c= consumer('A')
c2= consumer('B')
c.__next__()
c2.__next__()print("老子开始准备做包子啦!")for i in range(10):
time.sleep(1)print("做了2个包子!")
c.send(i)
c2.send(i)
producer("alex")
通过生成器实现协程并行运算