Python三大器——生成器

1 生成器的引入

在Python中，常常需要使用可迭代对象，例如我们创建了一个如下的列表可迭代对象：

nums = [num for num in range(10)]
print(nums)	# 输出 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

乍一看，没啥问题，但是倘若我们创建的列表是这样的呢？

nums = [num for num in range(10000000)]
print(nums)	# 输出 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9， ..., 10000000]

nums变量存放在内存中，此时内存占用非常大！

综上所述：对于海量数据，列表对象占用大量内存！因此Python中引入了生成器（Generator）。

2 创建生成器

2.1 方法一

将列表生成式的[]改成()，例如：

nums = (num for num in range(10000000))
print(nums)	# 输出 <generator object <genexpr> at 0x7fc81069a040>

此时nums就是一个生成器。

2.2 方法二

含有yield关键字的函数（替换为原先的return关键字），调用该函数将返回一个生成器：

def generator_nums(n):
    for i in range(n):
        yield i
        
nums = generator_nums(10000000)
print(nums) # 输出 <generator object generator_nums at 0x7fc811265ac0>

3 使用生成器

开头引入生成器就已经提到过，生成器可以作为可迭代对象使用（其实生成器就是一个迭代器），例如

from typing import Iterator


def generator_nums(n):
    for i in range(n):
        yield i
        
nums = generator_nums(10000000)
print(isinstance(nums, Iterator)) # 输出 True

for num in nums:
    print(num)

更底层的情形下，生成器可用nums.__next__()或next(nums)来取值。遍历到生成器结尾时，会抛出异常StopIteration：

def generator_nums(n):
    for i in range(n):
        yield i
        
nums = generator_nums(10000000)

for i in range(5):
    num = nums.__next__()
    print(f"循环第{i}次，生成器取值为{num}")
    
for j in range(5, 10):
    num = next(nums)
    print(f"循环第{j}次，生成器取值为{num}")

上述代码打印结果如下：

循环第0次，生成器取值为0
循环第1次，生成器取值为1
循环第2次，生成器取值为2
循环第3次，生成器取值为3
循环第4次，生成器取值为4
循环第5次，生成器取值为5
循环第6次，生成器取值为6
循环第7次，生成器取值为7
循环第8次，生成器取值为8
循环第9次，生成器取值为9