生成器
1、為什么需要生成器
通過上面的學(xué)習(xí)，可以知道列表生成式，我們可以直接創(chuàng)建一個(gè)列表。但是，受到內(nèi)存限制，列表容量肯定是有限的。而且，創(chuàng)建一個(gè)包含 1000 萬個(gè)元素的列表，不僅占用很大的存儲(chǔ)空間，如果我們僅僅需要訪問前面幾個(gè)元素，那后面絕大多數(shù)元素占用的空間都白白浪費(fèi)了。
所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環(huán)的過程中不斷推算出后續(xù)的元素呢？這樣就不必創(chuàng)建完整的 list，從而節(jié)省大量的空間。在 Python 中，這種一邊循環(huán)一邊計(jì)算的機(jī)制，稱為生成器：generator。
在 Python 中，使用了 yield 的函數(shù)被稱為生成器（generator）。
跟普通函數(shù)不同的是，生成器是一個(gè)返回迭代器的函數(shù)，只能用于迭代操作，更簡單點(diǎn)理解生成器就是一個(gè)迭代器。
在調(diào)用生成器運(yùn)行的過程中，每次遇到 yield 時(shí)函數(shù)會(huì)暫停并保存當(dāng)前所有的運(yùn)行信息，返回yield的值。并在下一次執(zhí)行 next()方法時(shí)從當(dāng)前位置繼續(xù)運(yùn)行。
那么如何創(chuàng)建一個(gè)生成器呢？
2、生成器的創(chuàng)建
最簡單最簡單的方法就是把一個(gè)列表生成式的 [] 改成 ()
# -*- coding: UTF-8 -*- gen= (x * x for x in range(10)) print(gen)
輸出的結(jié)果：
<generator object <genexpr> at 0x0000000002734A40>
創(chuàng)建 List 和 generator 的區(qū)別僅在于最外層的 [] 和 () 。但是生成器并不真正創(chuàng)建數(shù)字列表， 而是返回一個(gè)生成器，這個(gè)生成器在每次計(jì)算出一個(gè)條目后，把這個(gè)條目“產(chǎn)生” ( yield ) 出來。 生成器表達(dá)式使用了“惰性計(jì)算” ( lazy evaluation，也有翻譯為“延遲求值”，我以為這種按需調(diào)用 call by need 的方式翻譯為惰性更好一些)，只有在檢索時(shí)才被賦值（ evaluated ），所以在列表比較長的情況下使用內(nèi)存上更有效。
那么竟然知道了如何創(chuàng)建一個(gè)生成器，那么怎么查看里面的元素呢？
3、遍歷生成器的元素
按我們的思維，遍歷用 for 循環(huán)，對(duì)了，我們可以試試：
# -*- coding: UTF-8 -*- gen= (x * x for x in range(10)) for num in gen : print(num)
沒錯(cuò)，直接這樣就可以遍歷出來了。當(dāng)然，上面也提到了迭代器，那么用 next() 可以遍歷嗎？當(dāng)然也是可以的。
4、以函數(shù)的形式實(shí)現(xiàn)生成器
上面也提到，創(chuàng)建生成器最簡單最簡單的方法就是把一個(gè)列表生成式的 [] 改成 ()。為啥突然來個(gè)以函數(shù)的形式來創(chuàng)建呢？
其實(shí)生成器也是一種迭代器，但是你只能對(duì)其迭代一次。這是因?yàn)樗鼈儾]有把所有的值存在內(nèi)存中，而是在運(yùn)行時(shí)生成值。你通過遍歷來使用它們，要么用一個(gè)“for”循環(huán)，要么將它們傳遞給任意可以進(jìn)行迭代的函數(shù)和結(jié)構(gòu)。而且實(shí)際運(yùn)用中，大多數(shù)的生成器都是通過函數(shù)來實(shí)現(xiàn)的。那么我們?cè)撊绾瓮ㄟ^函數(shù)來創(chuàng)建呢？
先不急，來看下這個(gè)例子：
# -*- coding: UTF-8 -*- def my_function(): for i in range(10): print ( i ) my_function()
輸出的結(jié)果：
0 1 2 3 4 5 6 7 8 9
如果我們需要把它變成生成器，我們只需要把 print ( i ) 改為 yield i 就可以了，具體看下修改后的例子：
# -*- coding: UTF-8 -*- def my_function(): for i in range(10): yield i print(my_function())
輸出的結(jié)果：
<generator object my_function at 0x0000000002534A40>
但是，這個(gè)例子非常不適合使用生成器，發(fā)揮不出生成器的特點(diǎn)，生成器的最好的應(yīng)用應(yīng)該是：你不想同一時(shí)間將所有計(jì)算出來的大量結(jié)果集分配到內(nèi)存當(dāng)中，特別是結(jié)果集里還包含循環(huán)。因?yàn)檫@樣會(huì)耗很大的資源。
比如下面是一個(gè)計(jì)算斐波那契數(shù)列的生成器：
# -*- coding: UTF-8 -*- def fibon(n): a = b = 1 for i in range(n): yield a a, b = b, a + b # 引用函數(shù) for x in fibon(1000000): print(x , end = ' ')
運(yùn)行的效果：
你看，運(yùn)行一個(gè)這么打的參數(shù)，也不會(huì)說有卡死的狀態(tài)，因?yàn)檫@種方式不會(huì)使用太大的資源。這里，最難理解的就是 generator 和函數(shù)的執(zhí)行流程不一樣。函數(shù)是順序執(zhí)行，遇到 return 語句或者最后一行函數(shù)語句就返回。而變成 generator 的函數(shù)，在每次調(diào)用 next() 的時(shí)候執(zhí)行，遇到 yield語句返回，再次執(zhí)行時(shí)從上次返回的 yield 語句處繼續(xù)執(zhí)行。
比如這個(gè)例子：
# -*- coding: UTF-8 -*- def odd(): print ( 'step 1' ) yield ( 1 ) print ( 'step 2' ) yield ( 3 ) print ( 'step 3' ) yield ( 5 ) o = odd() print( next( o ) ) print( next( o ) ) print( next( o ) ) 輸出的結(jié)果： step 1 1 step 2 3 step 3 5
可以看到，odd 不是普通函數(shù)，而是 generator，在執(zhí)行過程中，遇到 yield 就中斷，下次又繼續(xù)執(zhí)行。執(zhí)行 3 次 yield 后，已經(jīng)沒有 yield 可以執(zhí)行了，如果你繼續(xù)打印 print( next( o ) ) ,就會(huì)報(bào)錯(cuò)的。所以通常在 generator 函數(shù)中都要對(duì)錯(cuò)誤進(jìn)行捕獲。
5、打印楊輝三角
通過學(xué)習(xí)了生成器，我們可以直接利用生成器的知識(shí)點(diǎn)來打印楊輝三角：
# -*- coding: UTF-8 -*- def triangles( n ): # 楊輝三角形 L = [1] while True: yield L L.append(0) L = [ L [ i -1 ] + L [ i ] for i in range (len(L))] n= 0 for t in triangles( 10 ): # 直接修改函數(shù)名即可運(yùn)行 print(t) n = n + 1 if n == 10: break
輸出的結(jié)果為：
[1] [1, 1] [1, 2, 1] [1, 3, 3, 1] [1, 4, 6, 4, 1] [1, 5, 10, 10, 5, 1] [1, 6, 15, 20, 15, 6, 1] [1, 7, 21, 35, 35, 21, 7, 1] [1, 8, 28, 56, 70, 56, 28, 8, 1] [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
