Python技巧：generator Yield

参考资料：https://www.bilibili.com/video/BV1aK4y1k7jZ?from=search&seid=12219686198146507215

一、Generator基本用法

1.什么是generator

Generator是一个生成器，可以生成一个个东西，可以通过next()函数依次生成, 它是一个iterable。

nums = [1,2,3,4,5]
square_nums = (n*n for n in nums)
print(square_nums)

# 结果：<generator object <genexpr> at 0x01AC10B0>

从上面的结果中我们可以看到，print出来是一个generator对象，而不是列表，但它其中有我们需要的列表。

for n in square_nums:
	print(n)
# 等于
next(square_nums)
next(square_nums)
next(square_nums)
next(square_nums)
next(square_nums)

for循环这里调用iterable的next(square_nums)。

2. 为什么要用Generator

在Generator中，所有可以遍历的对象没有一次全部生成出来，而是在需要的时候产生。（不会一次性生成所有，而占用大量内存）

如下，生成列表，所需要的内存和时间远远大于生成generator所需要的内粗和时间：

yi = 100000000
nums = list(range(10000000))

#直接生成列表所需的内存和时间
start_list = time.time()
memo_list = mem.memory_usage()[0]
square_nums = [n*n*yi for n in nums]
end_memo_list = mem.memory_usage()[0]
end_list = time.time()
print(f'直接生成列表所用内存：{end_memo_list - memo_list}，所用时间{end_list - start_list}')

结果：直接生成列表所用内存：269.390625，所用时间2.9482293128967285

yi = 100000000
nums = list(range(10000000))

# 生成generator所需要的内存和时间
start_gene = time.time()
memo_gene = mem.memory_usage()[0]
square_nums = (n*n*yi for n in nums)
end_memo_gene = mem.memory_usage()[0]
end_gene = time.time()
print(f'使用generator所需内存：{end_memo_gene - memo_gene}，所用时间{end_gene - start_gene}')

结果：使用generator所需内存：0.00390625，所用时间0.2151331901550293

二、Yield

当我们不用生成器时，calc_nums方法会帮我们计算出来所有的值并放入列表中，

value = 2
nums = list(range(100))

def calc_nums(nums):
    new_list = []
    for n in nums:
        if n%3 == 0:
            new_nums.append(3 * value)
        elif n%5 == 0:
            new_nums.append(5 * value)
        else:
            new_nums.append(n * value)
    return new_list

当我们想定义一个generator对象的函数，我们需要用yield返回结果，这样会依次返回每一个。生成器在碰到依次yield的时候，会返回一个关系，这个函数没有真正的结束，当我们调用next()，会继续进行其中的下一个。

def gen_nums(nums):
    for n in nums:
        if n%3 == 0:
            yield 3*value
        elif n%5 == 0:
            yield 5*value
        else:
            yield n*value