生成器generator

生成器

1. 什么是⽣成器
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。

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 ( )

"""生成器的出现为了节省内存空间"""
a_list=[x**2 for x in range(5)]
print(a_list)#[0, 1, 4, 9, 16]

#创建生成器
g_generator=(x**2 for x in range(5))
print(g_generator)#<generator object <genexpr> at 0x0000026C2A0B0200>

　　

创建 a_list和 g_generator 的区别仅在于最外层的 [ ] 和 ( ) ， a_list是⼀个列表，⽽ g_generator 是⼀个
⽣成器。我们可以直接打印出L的每⼀个元素，但我们怎么打印出g_generator的每⼀个
元素呢？如果要⼀个⼀个打印出来，可以通过 next() 函数获得⽣成器的下⼀
个返回值：

#取一个用一个
print(next(g_generator))#0
print(next(g_generator))#1
print(next(g_generator))#4
print(next(g_generator))#9
print(next(g_generator))#16

#遍历全部
g_generator=(x**2 for x in range(5))
for g in g_generator:
    print(g)

　

⽣成器保存的是算法，每次调⽤ next(g_generator) ，就计算出 g_generator 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。

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。
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：

#斐波拉契数列
def fib(times):
    n = 0
    a,b = 0,1
    while n<times:
        print(b)
        a,b = b,a+b
        n+=1
fib(5)

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(times):
    n = 0
    a,b = 0,1
    while n<times:
        #print(b)
        yield b #fib函数变成generator
        a,b = b,a+b
        n+=1
f=fib(5)
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))

 

 

　

在上⾯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(5):
     print(n)

4. send

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)

def gen():
    i=0
    while i<5:
        temp=yield i
        print(temp)
        i+=1

gen()

 使⽤next函数

f = gen()
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))

 使⽤ __next__()  ⽅法和使⽤send

f=gen()
print(f.__next__())
f.send('haha')
print(f.__next__())
f.send('hehe')
print(f.__next__())

 

总结
⽣成器是这样⼀个函数，它记住上⼀次返回时在函数体中的位置。对⽣成器
函数的第⼆次（或第 n 次）调⽤跳转⾄该函数中间，⽽上次调⽤的所有局部
变量都保持不变。
⽣成器不仅“记住”了它数据状态；⽣成器还“记住”了它在流控制构造（在命令
式编程中，这种构造不只是数据值）中的位置。
⽣成器的特点：
1. 节约内存
2. 迭代到下⼀次的调⽤时，所使⽤的参数都是第⼀次所保留下的，即是
说，在整个所有函数调⽤的参数都是第⼀次所调⽤时保留的，⽽不是新
创建的