Python小程序练习三之生成器小例子

为什么要使用生成器

    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。比如创建一个100万个元素的列表，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。

什么是生成器

    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。

创建生成器

    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：

# The author is tou
# Version：Python 3.6.55
print([i*2 for i in range(10)]) #列表生成式

b = (i*2 for i in range(10))    #生成器
# print(b.__next__())
# print(b.__next__())           #__next__()方法取下一个值
for i in b:                     #亦可迭代取值
    print(i)

    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__()方法获得generator的下一个返回值

    generator保存的是算法，每次调用__next__()，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。

实现斐波拉契数列（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。

def fib3(max):                                     #加入生成器的斐波那契数列，并抓取超过次数所报错误，并返回return值
    n,a,b = 0,0,1
    while n<max:
        yield b
        a,b = b,a+b
        n = n+1
    return "done"
#print(fib(10))                                    #直接打印
f = fib3(10)
while True:
    try:
        print("f.__next__():",f.__next__())
    except StopIteration as e:                     #抓取超过次数所报错误
        print("Generator return value :",e.value)
        break

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。

# The author is tou
# Version：Python 3.6.5
import time

def consumer(name):                                     #消费者
    print("%s准备吃包子啦！"%name)
    while True:
        baozi = yield
        print("第[%s]份包子来了，被[%s]吃了！"%(baozi,name))
# c = consumer("tou")
# c.__next__()
# b1 = "韭菜馅"
# c.send(b1)   #给yield赋值

def producer(name):                                     #生产者
    c = consumer("toutou")
    c.__next__()
    print("%s开始准备做包子了！"%name)
    for i in range(10):
        time.sleep(1)
        print("%s做了两个包子！"%name)
        c.send(i+1)
producer("zhuozhuo")