python生成器用法实例详解

2023-08-08 10:53:04 230

本文实例讲述了python生成器用法。分享给大家供大家参考，具体如下：

1.生成器

利用迭代器，我们可以在每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，我们可以采用更简便的语法，即生成器(generator)。生成器是一类特殊的迭代器。

2.创建生成器方法1

要创建一个生成器，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()

In[15]:L=[x*2forxinrange(5)]
In[16]:L
Out[16]:[0,2,4,6,8]
In[17]:G=(x*2forxinrange(5))
In[18]:G
Out[18]:at0x7f626c132db0>
In[19]:

创建L和G的区别仅在于最外层的[]和()，L是一个列表，而G是一个生成器。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过next()函数、for循环、list()等方法使用。

In[19]:next(G)
Out[19]:0
In[20]:next(G)
Out[20]:2
In[21]:next(G)
Out[21]:4
In[22]:next(G)
Out[22]:6
In[23]:next(G)
Out[23]:8
In[24]:next(G)
---------------------------------------------------------------------------
StopIterationTraceback(mostrecentcalllast)
in()
---->1next(G)
StopIteration:
In[25]:
In[26]:G=(x*2forxinrange(5))
In[27]:forxinG:
....:print(x)
....:
0
2
4
6
8
In[28]:

3.创建生成器方法2

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。

我们仍然用上一节提到的斐波那契数列来举例，回想我们在上一节用迭代器的实现方式：

classFibIterator(object):
"""斐波那契数列迭代器"""
def__init__(self,n):
"""
:paramn:int,指明生成数列的前n个数
"""
self.n=n
#current用来保存当前生成到数列中的第几个数了
self.current=0
#num1用来保存前前一个数，初始值为数列中的第一个数0
self.num1=0
#num2用来保存前一个数，初始值为数列中的第二个数1
self.num2=1
def__next__(self):
"""被next()函数调用来获取下一个数"""
ifself.current
注意，在用迭代器实现的方式中，我们要借助几个变量(n、current、num1、num2)来保存迭代的状态。现在我们用生成器来实现一下。
In[30]:deffib(n):
....:current=0
....:num1,num2=0,1
....:whilecurrentin()
---->1next(F)
StopIteration:done


在使用生成器实现的方式中，我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，而是一个生成器了。简单来说：只要在def中有yield关键字的就称为生成器
此时按照调用函数的方式(案例中为F=fib(5))使用生成器就不再是执行函数体了，而是会返回一个生成器对象（案例中为F），然后就可以按照使用迭代器的方式来使用生成器了
In[38]:forninfib(5):
....:print(n)
....:
1
1
2
3
5
In[39]:


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：
In[39]:g=fib(5)
In[40]:whileTrue:
....:try:
....:x=next(g)
....:print("value:%d"%x)
....:exceptStopIterationase:
....:print("生成器返回值:%s"%e.value)
....:break
....:
value:1
value:1
value:2
value:3
value:5
生成器返回值:done
In[41]:


总结
使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）
yield关键字有两点作用：
保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起

将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用

可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）

Python3中的生成器可以使用return返回最终运行的返回值，而Python2中的生成器不允许使用return返回一个返回值（即可以使用return从生成器中退出，但return后不能有任何表达式）。
4.使用send唤醒
我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。
例子：执行到yield时，gen函数作用暂时保存，返回i的值;temp接收下次c.send(“python”)，send发送过来的值，c.next()等价c.send(None)
In[10]:defgen():
....:i=0
....:whilei<5:
....:temp=yieldi
....:print(temp)
....:i+=1
....:


使用send
n[43]:f=gen()
In[44]:next(f)
Out[44]:0
In[45]:f.send('haha')
haha
Out[45]:1
In[46]:next(f)
None
Out[46]:2
In[47]:f.send('haha')
haha
Out[47]:3
In[48]:


用next函数
In[11]:f=gen()
In[12]:next(f)
Out[12]:0
In[13]:next(f)
None
Out[13]:1
In[14]:next(f)
None
Out[14]:2
In[15]:next(f)
None
Out[15]:3
In[16]:next(f)
None
Out[16]:4
In[17]:next(f)
None
---------------------------------------------------------------------------
StopIterationTraceback(mostrecentcalllast)
in()
---->1next(f)
StopIteration:


使用__next__()方法（不常使用）
In[18]:f=gen()
In[19]:f.__next__()
Out[19]:0
In[20]:f.__next__()
None
Out[20]:1
In[21]:f.__next__()
None
Out[21]:2
In[22]:f.__next__()
None
Out[22]:3
In[23]:f.__next__()
None
Out[23]:4
In[24]:f.__next__()
None
---------------------------------------------------------------------------
StopIterationTraceback(mostrecentcalllast)
in()
---->1f.__next__()
StopIteration:


更多关于Python相关内容感兴趣的读者可查看本站专题：《Python面向对象程序设计入门与进阶教程》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python编码操作技巧总结》及《Python入门与进阶经典教程》
希望本文所述对大家Python程序设计有所帮助。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

python生成器用法实例详解

热门推荐

随机推荐