【python基础之生成器】---生成器

合集 - Python(50)
1.【python入门之相关语言了解】---开发语言与其他2.【python入门之pycharm篇】--如何安装pycharm以及如何安装python解释器3.【python工具指南】pycharm相关快捷键---windows+mac合集4.【python入门之pip换源问题】---pip换源的方式5.【python小记】---PE8规范简述6.【python入门之虚拟环境与系统环境】---虚拟环境的创建方式及使用7.【python入门之常量与变量】---常量与变量小记8.【python入门之基本数据类型的学习】---基本数据之数字类型9.【python入门之基本数据类型的学习】---基本数据类型（列表、字符串）【二】10.【python入门之基本数据类型】---基本数据类型（字典、布尔）【三】11.【python入门之基本数据类型】---基本数据类型（元组、集合）【四】12.【python入门之程序与用户交互】---程序与用户交互13.【python入门之基本运算符】---基本运算符14.【python入门之流程控制语句】---流程控制语句15.【python入门之垃圾回收机制】---python 垃圾回收机制16.【python入门之文件操作】---文件操作17.【python入门之文字符编码】---字符编码18.【python基础之可变和不可变数据类型】---python之栈的介绍19.【python基础之可变和不可变数据类型】--- python之堆的介绍20.【python基础之可变和不可变数据类型】--- python堆栈的相关应用21.【python基础之数据类型的内置方法】--- 数据类型的内置方法22.【python入门之深浅拷贝】---python 深浅拷贝23.【python入门之异常处理】---python 异常处理24.【python基础之函数】--- 函数入门25.【python基础之命名空间与作用域】---命名空间与作用域26.【python基础之函数对象和闭包】 --- 函数对象与闭包27.【python基础之装饰器】---装饰器28.【python基础之迭代器】 --- 迭代器29.【python基础之三元表达式】--- 三元表达式30.【python基础之列表生成式】---列表生成式
31.【python基础之生成器】---生成器
32.【python基础之模块介绍】---模块33.【python基础之包介绍】---包34.【python扩展之软件开发目录规范】---软件开发目录规范35.【python常用模块之OS模块简介】---OS模块36.【python常用模块之random模块简介】---random模块37.【python常用模块之time时间模块】---时间模块（time/datetime）38.【python常用模块之subprocess模块】---subprocess模块39.【python常用模块之sys模块】---系统模块（sys）40.【Python常用模块之logging模块】---日志输出功能(示例代码)41.【python--- ATM+SHOPPING】42.【python基础之面向对象介绍】--- 面向对象43.【python基础之面向对象的绑定方法与非绑定方法】--面向对象的绑定方法与非绑定方法44.【python网络编程相关】 ----操作系统相关了解45.【python之DRF学习】DRF入门了解46.【python之DRF学习】三大方法之认证47.【python之接口工具】利用docker-compose搭建Yapi48.【python之DRF学习】drf全局异常49.【python之DRF学习】 drf之接口文档介绍及使用50.【python之DRF学习】drf之jwt使用
收起

【一】什么是生成器？

- Python中的生成器是一种特殊的迭代器，可以在需要时生成数据，而不必提前从内存中生成并存储整个数据集。
- 通过生成器，可以逐个生成序列中的元素，而无需一次性生成整个序列。
- 生成器在处理大数据集时，具有节省内存、提高效率的特点。

image

【二】生成器有两种创建方式

1.将函数定义改为生成器函数，使用yield关键字来代替return关键字。

2.使用生成器表达式，类似于列表推导式。

【1】列表推导式

  • 使用列表推导式时，可以将列表推导式的方括号改为圆括号，即可创建一个生成器。
# 列表生成式生成列表
start_list = [x * 2 for x in range(5)]

print(start_list)
# [0, 2, 4, 6, 8]

# 将列表改成元祖，看起来像元祖推导式，其实是一个生成器对象
G = (x * 2 for x in range(5))

print(G)
# <generator object <genexpr> at 0x000001873491CC80>

# 生成器对象可以强转成列表
print(list(G))
# [0, 2, 4, 6, 8]
  • 怎么打印出生成器的每一个元素呢？
    • 如果要一个一个打印出来，可以通过 next() 函数获得生成器的下一个返回值
  • 生成器保存的是算法
    • 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 的异常。
    • 当然，这种不断调用 next() 实在是太变态了，正确的方法是使用 for 循环，因为生成器也是可迭代对象。
    • 所以，我们创建了一个生成器后，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 异常。
# 将列表改成元祖，看起来像元祖推导式，其实是一个生成器对象
G = (x * 2 for x in range(5))

# 生成器本身就是一种迭代器 ， 可以for 遍历生成器对象
for i in G:
    print(i)

# 0
# 2
# 4
# 6
# 8

【2】生成器与yield

（1）yield关键字介绍

  • 使用yield关键字定义一个生成器函数时，生成器函数中的yield语句会暂停函数执行并返回一个值，下一次调用该函数时会继续执行并返回下一个值。
def my_generator():
    yield 1
    yield 2
    yield 3

g = my_generator()
print(next(g))  # 输出：1
print(next(g))  # 输出：2
print(next(g))  # 输出：3
  • 在上面的代码中，my_generator()是一个生成器函数，通过yield关键字逐个生成值。
  • 在调用该函数时，会得到一个生成器对象。
  • 通过调用next()函数，可以逐个返回生成器中的值。

（2）yield关键字使用

  • 在函数内可以采用表达式形式的yield
def eater():
    print('开始吃饭 ovo ')
    while True:
        food = yield
        print(f'得到的食物是 :>>>> {food}, 开始吃饭喽 :>>>> {food}')
  • 可以拿到函数的生成器对象持续为函数体send值
# 定义生成器
def eater():
    print('开始吃饭 ovo ')
    while True:
        food = yield
        print(f'得到的食物是 :>>>> {food}, 开始吃饭喽 :>>>> {food}')


# 得到生成器对象
food_eater = eater()

# 需要事先”初始化”一次，让函数挂起在food=yield，等待调用food_eater.send()方法为其传值

# food_eater.send(None)
# 等同于
next(food_eater)

# 开始吃饭 ovo

food_eater.send('包子')
# 得到的食物是 :>>>> 包子, 开始吃饭喽 :>>>> 包子

food_eater.send('鸡腿')
# 得到的食物是 :>>>> 鸡腿, 开始吃饭喽 :>>>> 鸡腿
  • 编写装饰器来完成为所有表达式形式yield对应生成器的初始化操作
# 定义初始化装饰器
def init(func):
    def wrapper(*args, **kwargs):
        g = func(*args, **kwargs)
        next(g)
        return g

    return wrapper


# 定义生成器 并 使用装饰器初始化
@init
def eater():
    print('开始吃饭 ovo ')
    while True:
        food = yield
        print(f'得到的食物是 :>>>> {food}, 开始吃饭喽 :>>>> {food}')


print("得到生成器对象之前")
# 得到生成器对象
food_eater = eater()
print("得到生成器对象之后")

# 得到生成器对象之前
# 开始吃饭 ovo 
# 得到生成器对象之后

food_eater.send('包子')
# 得到的食物是 :>>>> 包子, 开始吃饭喽 :>>>> 包子

food_eater.send('鸡腿')
# 得到的食物是 :>>>> 鸡腿, 开始吃饭喽 :>>>> 鸡腿
  • 表达式形式的yield也可以用于返回多次值
def eater():
    print('开始做饭 ovo ')
    food_list = []
    while True:
        food = yield food_list
        food_list.append(food)
        print(f"做饭喽 :>>>> {food_list}")


# 得到生成器对象
food_eater = eater()

next(food_eater)
# 开始做饭 ovo

food_eater.send('包子')
# 做饭喽 :>>>> ['包子']

food_eater.send('鸡腿')
# 做饭喽 :>>>> ['包子', '鸡腿']

【三】yield+next详解

  • 若函数体包含yield关键字，再调用函数，并不会执行函数体代码，得到的返回值即生成器对象
def my_range(start, stop, step=1):
    print('start...')
    while start < stop:
        yield start
        start += step
    print('end...')


g = my_range(0, 3)
print(g) # <generator object my_range at 0x0000019958788430>
  • 生成器内置有__iter__和__next__方法
  • 所以生成器本身就是一个迭代器
def my_range(start, stop, step=1):
    print('start...')
    while start < stop:
        yield start
        start += step
    print('end...')


g = my_range(0, 3)
print(g)  # <generator object my_range at 0x00000179B0912A40>
print(g.__iter__)  # <method-wrapper '__iter__' of generator object at 0x000002AFE95A8430>
print(g.__next__)  # <method-wrapper '__next__' of generator object at 0x000002AFE95A8430>

# 生成方式一
g_iter = iter(g)
print(g_iter)  # <generator object my_range at 0x00000288EAEE22D0>
# start...
print(next(g_iter))
# 0
print(next(g_iter))
# 1

def my_range(start, stop, step=1):
    print('start...')
    while start < stop:
        yield start
        start += step
    print('end...')


g = my_range(0, 3)
print(g)  # <generator object my_range at 0x00000179B0912A40>
print(g.__iter__)  # <method-wrapper '__iter__' of generator object at 0x000002AFE95A8430>
print(g.__next__)  # <method-wrapper '__next__' of generator object at 0x000002AFE95A8430>

# 生成方式二
print(next(g)) 
# start...
print(next(g))
# 0
print(next(g))
# 1
  • next原理详解
def my_range(start, stop, step=1):
    print('start...')
    while start < stop:
        yield start
        start += step
    print('end...')


g = my_range(0, 3)
print(g)  # <generator object my_range at 0x00000179B0912A40>
print(g.__iter__)  # <method-wrapper '__iter__' of generator object at 0x000002AFE95A8430>
print(g.__next__)  # <method-wrapper '__next__' of generator object at 0x000002AFE95A8430>


# 触发函数执行直到遇到yield则停止,将yield后的值返回，并在当前位置挂起函数
print(f"第一次 :>>>> {next(g)}")
# start...
# 第一次 :>>>> 0

# 再次调用next(g)，函数从上次暂停的位置继续执行，直到重新遇到yield...
print(f"第二次 :>>>> {next(g)}")
# 第二次 :>>>> 1

# 周而复始...
print(f"第三次 :>>>> {next(g)}")
# 第三次 :>>>> 2
# end...

print(f"第四次 :>>>> {next(g)}")
'''
Traceback (most recent call last):
  File "E:\PythonProjects\生成器.py", line 33, in <module>
    print(f"第四次 :>>>> {next(g)}")
StopIteration
'''

【四】生成器的特点

1.占用内存小
生成器是一种惰性计算机制，只有在需要时才生成计算结果。因此，节省了大量内存空间。

2.运行效率高
生成器避免了计算所有结果所需的大量计算和存储开销。这使得生成器对于处理大规模数据集和周期性任务非常有用。

3.易于实现
Python提供了简单而灵活的生成器机制，使得编写生成器非常容易。

4.可变
生成器可以被修改，比如向它追加元素或从它中删除元素。

【五】总结

生成器是Python中非常有用的一种数据类型，可以极大地提高代码的运行效率。
只在需要时才生成计算结果，同时还可以被修改。
通过理解生成器的优点和运作原理，可以更好地使用这种高效的编程技巧。
posted @   Unfool  阅读(132)  评论(0)  编辑  收藏  举报
相关博文：
· 【python基础之迭代器】 --- 迭代器
· 【python基础之列表生成式】---列表生成式
· 【7.0】Python高级之生成器
· Python迭代器和生成器
· Python高级之生成器
阅读排行：
· 阿里最新开源QwQ-32B，效果媲美deepseek-r1满血版，部署成本又又又降低了！
· 单线程的Redis速度为什么快？
· SQL Server 2025 AI相关能力初探
· AI编程工具终极对决：字节Trae VS Cursor，谁才是开发者新宠？
· 展开说说关于C#中ORM框架的用法！
点击右上角即可分享
微信分享提示