python——生成器

 

python——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。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,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。

  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

  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

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

  创建Lg的区别仅在于最外层的[]()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()函数获得generator的下一个返回值:

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

  我们讲过,generator保存的是算法,每次调用next(g),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

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
... 
0
1
4
9
16
25
36
49
64
81

  所以,我们创建了一个generator后,基本上永远不会调用next(),而是通过for循环来迭代它,并且不需要关心StopIteration的错误

  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。

  比如,著名的斐波拉契数列(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:

    1, 1, 2, 3, 5, 8, 13, 21, 34, ...

  斐波拉契数列用列表生成式写不出来,但是,用函数把它打印出来却很容易

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return 'done'

  注意,赋值语句:

a, b = b, a + b

  相当于:

t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]

  但不必显式写出临时变量t就可以赋值

  上面的函数可以输出斐波那契数列的前N个数:

>>> fib(6)
1
1
2
3
5
8
'done'

  仔细观察,可以看出,fib函数实际上是定义了斐波拉契数列的推算规则,可以从第一个元素开始,推算出后续任意的元素,这种逻辑其实非常类似generator

  也就是说,上面的函数和generator仅一步之遥。要把fib函数变成generator,只需要把print(b)改为yield b就可以了:

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

  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

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0> 

  这里,最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到return语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用next()的时候执行,遇到yield语句返回,再次执行时(即调用next()时)从上次返回的yield语句处继续执行

  举个简单的例子,定义一个generator,依次返回数字1,3,5:

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(5)

  调用该generator时,首先要生成一个generator对象,然后用next()函数不断获得下一个返回值:

>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

  可以看到,odd不是普通函数,而是generator,在执行过程中,遇到yield就中断,下次又继续执行。执行3次yield后,已经没有yield可以执行了,所以,第4次调用next(o)就报错

  回到fib的例子,我们在循环过程中不断调用yield,就会不断中断。当然要给循环设置一个条件来退出循环,不然就会产生一个无限数列出来。

  同样的,把函数改成generator后,我们基本上从来不会用next()来获取下一个返回值,而是直接使用for循环来迭代:

>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8

  但是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StopIterationvalue

>>> g = fib(6)
>>> while True:
...     try:
...         x = next(g)
...         print('g:', x)
...     except StopIteration as e:
...         print('Generator return value:', e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

  关于如何捕获错误,后面的错误处理还会详细讲解。

 

练习

  杨辉三角定义如下:

          1
        1   1
      1   2   1
    1   3   3   1
  1   4   6   4   1
1   5   10  10  5   1

  把每一行看做一个list,试写一个generator,不断输出下一行的list:

  

  代码:

 1 #练习:
 2 #生成杨辉三角
 3 
 4 '''
 5 
 6           1
 7         1   1
 8       1   2   1
 9     1   3   3   1
10   1   4   6   4   1
11   1   5   10  10  5   1
12  '''
13  #方法1
14 print('Method1: ')        
15 def YH_Triangles1():
16     lst=[1]        #第一行为1
17     while 1:
18         yield lst
19         lst.append(0)    #先占位,然后修改相应位置上的竖直
20         lst=[lst[i-1] + lst[i] for i in range(len(lst))]    #i从0开始,lst[-1]表示去lst最后一个元素
21         
22 g=YH_Triangles1()
23 for n in range(10):        #range(10)代表从0到10(不包括10)
24     print(next(g))
25     
26 print('------------------------------------------')
27 
28 #方法2    
29 print('Method2: ')
30 def YH_Triangles2():
31     lst=[1]
32     while 1:
33         yield lst
34         lst.append(1)
35         tmp=lst[:]        #只复制数值,不指向同一个对象
36         length=len(lst) #获取lst的长度
37         if length >2:    #长度大于2时,说明从第三行才开始满足条件进行for循环
38             for i in range(1,length-1):        #range(1,lengh-1)表示从1到lengh-1(不包括lengh-1)
39                 tmp[i]=lst[i-1]+lst[i]
40             lst=tmp[:]
41             
42 n=0
43 for t in YH_Triangles2():
44     print(t)
45     n+=1
46     if n==10:
47         break
48 
49 print('------------------------------------------')
50 
51 #方法3
52 #------------------------------------------------------------------------------------------
53         #拿第三行来举例
54         #将已有行(此处为第二行)进行补0错位[1,1]-->[0,1,1]和[1,1,0]然后相加即可得到新一行。
55         #这是在数学上使用技巧,可以简化代码。
56 #------------------------------------------------------------------------------------------
57 print('Method3: ')
58 def YH_Triangles3():
59     lst=[1]
60     while 1:
61         yield lst
62         lst=[sum(i) for i in zip([0]+ lst,lst+[0])]
63         
64 '''
65 zip([seql, ...])接受一系列可迭代对象作为参数,
66 将对象中对应的元素打包成一个个tuple(元组),
67 然后返回由这些tuples组成的list(列表)。
68 若传入参数的长度不等,则返回list的长度和参数中长度最短的对象相同
69 eg:
70  >>> z1=[1,2,3]
71  >>> z2=[4,5,6]
72  >>> result=zip(z1,z2)
73  >>> result
74  >>>[(1, 4), (2, 5), (3, 6)]
75  '''        
76 g=YH_Triangles3()
77 for n in range(10):        #range(10)代表从0到10(不包括10)
78     print(next(g))
79 
80 print('------------------------------------------')
81 print('--------------------END-------------------')

 

  运行结果:

  

  

小结

  generator是非常强大的工具,在Python中,可以简单地把列表生成式改成generator,也可以通过函数实现复杂逻辑的generator

  要理解generator的工作原理,它是在for循环的过程中不断计算出下一个元素,并在适当的条件结束for循环。对于函数改成的generator来说,遇到return语句或者执行到函数体最后一行语句,就是结束generator的指令,for循环随之结束。

  请注意区分普通函数和generator函数,普通函数调用直接返回结果

>>> r = abs(6)
>>> r
6

  generator函数的“调用”实际返回一个generator对象

>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>

 

  

posted @ 2016-08-22 01:53  阿玛尼迪迪  阅读(246)  评论(0编辑  收藏  举报