python生成器函数_自学Python4.7-生成器(方式一：生成器函数)

自学Python4.7 - 生成器（方式一：生成器函数）

定义：生成器（generator）是一个包含yield关键字的函数，当它被调用的时候，在函数体中的代码不会被执行，而是会返回一个迭代器。

（一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator）；

如果函数中包含yield语法，那这个函数就会变成生成器；）

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

生成器类似于返回值为数组的一个函数，这个函数可以接收参数，可以被调用，但是，不同于一般的函数会一次性返回包含了所有数值的数组，生成器一次 只产生一个值，这样消耗的内粗数量大大减少，而且允许调用函数可以很快的开始处理前几个返回值。因此，生成器看起来像一个函数但是表现的却像一个迭代器

python提供了两种基本的生成器方式：

生成器函数：也是用def来定义，利用关键字yield一次返回一个结果，阻塞，重新开始

每次请求一个值，就会执行生成器中的代码，知道遇到一个yield或者return语句

①yield语句意味着应该生成一个值

②return语句意味着要停止执行（不生成任何东西，只有在一个生成器中使用时才能进行无参数调用）

生成器表达式：返回一个对象，这个对象只有在需要的时候才产生结果

1. 生成器函数：

为什么叫生成器函数？因为他随着时间的推移生成了一个数值队列。一般的函数在执行完毕之后会返回一个值然后退出，但是生成器函数会自动挂起，然后重新拾起继续执行，他会利用yield关键字关起函数，给调用者返回一个值，同时保留了当前的足够多的状态，可以使函数继续执行。

生成器和迭代协议是密切相关的，可迭代的对象都有一个__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。

为了支持迭代协议，拥有yield语句的函数被编译为生成器，这类函数被调用时返回一个生成器对象，返回的对象支持迭代接口，即成员方法__next()__继续从中断处执行执行。

def func(): #func是函数称为生成器，当执行此函数func()时会得到一个迭代器。

yield 1

yield 2

yield 3

yield 4

temp = func()

print(temp.__next__())

print(temp.__next__())

print(temp.__next__())

print(temp.__next__())

def creat_counter(n):

print('create counter')

while True:

yield n

print('increment n')

n += 1

cnt = creat_counter(2)

print(cnt)

print(next(cnt))

print(next(cnt))

print(next(cnt))

分析以上的列子：

在create_counter函数中出现了关键字yield，预示着这个函数每次只产生一个结果值，这个函数返回一个生成器（通过第一行输出可以看出来），用来产生连续的n值

在创造生成器实例的时候，只需要像普通函数一样调用就可以，但是这个调用却不会执行这个函数，这个可以通过输出看出来

next()函数将生成器对象作为自己的参数，在第一次调用的时候，他执行了create_counter()函数到yield语句，返回产生的值2

我们重复的调用next（）函数，每次他都会从上次被挂起的地方开始执行，直到再次遇到了yield关键字

def cube(n):

for i in range(n):

yield i ** 3

for i in cube(5):

print(i)

从理解函数的角度出发我们可以将yield类比为return，但是功能确实完全不同，在for循环中，会自动遵循迭代规则，每次调用next()函数，所以上面的结果不难理解。

举例1：

举例2：

举例3： 取不到值会报错

举例4： 使用for循环取值

举例5.1 ： 打印出10个哇哈哈

举例5.2 ：如果现在有10个哇哈哈， 我现在只想用5个

迭代器依旧延续向下走：

举例6：

def generator():

print('123')

content = yield 1

print('=========',content)

print(456)

yield 2

g = generator()

ret = g.__next__()

print("******",ret)

ret = g.send("hello")

print("**********",ret)

send 获取下一个值的效果和next基本一致，只是在获取下一个值得时候，给上一个yield的位置传递一个数据

使用send的注意事项：

第一次使用生成器的时候，是用next获取下一个值

函数最后一个yield不能接受外部的值

举例7.1：获取移动平均值：

10 20 30 10

15 20 17.5

def average():

sum = 0

count = 0

avg = 0

while True:

num = yield avg

sum += num

count += 1

avg = sum/count

avg_g = average()

avg_g.__next__()

avg1 = avg_g.send(10)

avg1 = avg_g.send(20)

avg1 = avg_g.send(30)

print(avg1)

举例7.2： 预激生成器的装饰器完成获取移动平均值

def init(func): #装饰器

def inner(*args,**kwargs):

g = func(*args,**kwargs) #g = average()

g.__next__()

return g

return inner

@init

def average():

sum = 0

count = 0

avg = 0

while True:

num = yield avg

sum += num # 10

count += 1 # 1

avg = sum/count

avg_g = average() #===> inner

ret = avg_g.send(10)

print(ret)

ret = avg_g.send(20)

print(ret)

以上程序执行步骤：

举例8 ：

在python3里面的新功能 yield from

.