黑马程序员&传智播客 python生成器 学习笔记


目录
生成器
1. 生成器
2. 创建生成器方法1
3. 创建生成器方法2
总结
4. 使用send唤醒

生成器 1. 生成器 利用迭代器,我们可以在每次迭代获取数据(通过next()方法)时按照特定的规律进行生成。但是我们在实现一个迭代器时,关于当前迭代到的状态需要我们自己记录,进而才能根据当前状态生成下一个数据。为了达到记录当前状态,并配合next()函数进行迭代使用,我们可以采用更简便的语法,即生成器(generator)。生成器是一类特殊的迭代器。
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 ( )

In [15]: L = [ x*2 for x in range(5)]In [16]: L Out[16]: [0, 2, 4, 6, 8]In [17]: G = ( x*2 for x in range(5))In [18]: G Out[18]: at 0x7f626c132db0>In [19]:

创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) , L 是一个列表,而 G 是一个生成器。我们可以直接打印出列表L的每一个元素,而对于生成器G,我们可以按照迭代器的使用方法来使用,即可以通过next()函数、for循环、list()等方法使用。
In [19]: next(G) Out[19]: 0In [20]: next(G) Out[20]: 2In [21]: next(G) Out[21]: 4In [22]: next(G) Out[22]: 6In [23]: next(G) Out[23]: 8In [24]: next(G) --------------------------------------------------------------------------- StopIterationTraceback (most recent call last) in () ----> 1 next(G)StopIteration:In [25]:

In [26]: G = ( x*2 for x in range(5))In [27]: for x in G: ....:print(x) ....: 0 2 4 6 8In [28]:

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。
我们仍然用上一节提到的斐波那契数列来举例,回想我们在上一节用迭代器的实现方式:
class FibIterator(object): """斐波那契数列迭代器""" def __init__(self, n): """ :param n: int, 指明生成数列的前n个数 """ self.n = n # current用来保存当前生成到数列中的第几个数了 self.current = 0 # num1用来保存前前一个数,初始值为数列中的第一个数0 self.num1 = 0 # num2用来保存前一个数,初始值为数列中的第二个数1 self.num2 = 1def __next__(self): """被next()函数调用来获取下一个数""" if self.current < self.n: num = self.num1 self.num1, self.num2 = self.num2, self.num1+self.num2 self.current += 1 return num else: raise StopIterationdef __iter__(self): """迭代器的__iter__返回自身即可""" return self

注意,在用迭代器实现的方式中,我们要借助几个变量(n、current、num1、num2)来保存迭代的状态。现在我们用生成器来实现一下。
In [30]: def fib(n): ....:current = 0 ....:num1, num2 = 0, 1 ....:while current < n: ....:num = num1 ....:num1, num2 = num2, num1+num2 ....:current += 1 ....:yield num ....:return 'done' ....:In [31]: F = fib(5)In [32]: next(F) Out[32]: 1In [33]: next(F) Out[33]: 1In [34]: next(F) Out[34]: 2In [35]: next(F) Out[35]: 3In [36]: next(F) Out[36]: 5In [37]: next(F) --------------------------------------------------------------------------- StopIterationTraceback (most recent call last) in () ----> 1 next(F)StopIteration: done

def create_num(all_num): print("----1---")# 其它的语言也一样,都可以通过打印结果来调试函数 # a = 0 # b = 1 a, b = 0, 1 current_num = 0 while current_num < all_num: print("----2---") # print(a) yield a# 如果一个函数中有yield语句,那么这个就不在是函数,而是一个生成器的模板 print("----3---") a, b = b, a+b current_num += 1 print("----4---")# 如果在调用create_num的时候,发现这个函数中有yield那么此时,不是调用函数,而是创建一个生成器对象 obj = create_num(10)ret = next(obj) print(ret)ret = next(obj) print(ret)obj2 = create_num(2)ret = next(obj2) print(ret)# for num in obj: #print(num)

在使用生成器实现的方式中,我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现,但是将每次迭代返回数值的return换成了yield,此时新定义的函数便不再是函数,而是一个生成器了。简单来说:只要在def中有yield关键字的 就称为 生成器
程序运行到yield时暂停,并将值返回,继续运行时会接着从yield开始。
黑马程序员&传智播客 python生成器 学习笔记
文章图片

生成器像类生成的对象一样,可以生成多个生成器但各不相同,不会相互影响
黑马程序员&传智播客 python生成器 学习笔记
文章图片

此时按照调用函数的方式( 案例中为F = fib(5) )使用生成器就不再是执行函数体了,而是会返回一个生成器对象( 案例中为F ),然后就可以按照使用迭代器的方式来使用生成器了。
In [38]: for n in fib(5): ....:print(n) ....: 1 1 2 3 5In [39]:

但是用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StopIteration的value中:
In [39]: g = fib(5)In [40]: while True: ....:try: ....:x = next(g) ....:print("value:%d"%x) ....:except StopIteration as e: ....:print("生成器返回值:%s"%e.value) ....:break ....: value:1 value:1 value:2 value:3 value:5 生成器返回值:doneIn [41]:

黑马程序员&传智播客 python生成器 学习笔记
文章图片

def create_num(all_num): # a = 0 # b = 1 a, b = 0, 1 current_num = 0 while current_num < all_num: # print(a) yield a# 如果一个函数中有yield语句,那么这个就不在是函数,而是一个生成器的模板 a, b = b, a+b current_num += 1 return "ok...."obj2 = create_num(50)while True: try: ret = next(obj2) print(ret) except Exception as ret: print(ret.value) break

黑马程序员&传智播客 python生成器 学习笔记
文章图片

总结
  • 使用了yield关键字的函数不再是函数,而是生成器。(使用了yield的函数就是生成器)
  • yield关键字有两点作用:
    • 保存当前运行状态(断点),然后暂停执行,即将生成器(函数)挂起
    • 将yield关键字后面表达式的值作为返回值返回,此时可以理解为起到了return的作用
  • 可以使用next()函数让生成器从断点处继续执行,即唤醒生成器(函数)
  • Python3中的生成器可以使用return返回最终运行的返回值,而Python2中的生成器不允许使用return返回一个返回值(即可以使用return从生成器中退出,但return后不能有任何表达式)。
4. 使用send唤醒 我们除了可以使用next()函数来唤醒生成器继续执行外,还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。
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)
In [10]: def gen(): ....:i = 0 ....:while i<5: ....:temp = yield i ....:print(temp) ....:i+=1 ....:

使用send
In [43]: f = gen()In [44]: next(f) Out[44]: 0In [45]: f.send('haha') haha Out[45]: 1In [46]: next(f) None Out[46]: 2In [47]: f.send('haha') haha Out[47]: 3In [48]:

黑马程序员&传智播客 python生成器 学习笔记
文章图片

黑马程序员&传智播客 python生成器 学习笔记
文章图片

第一次调用时停于yield a这行语句的右边,下次执行时执行这行的左边,send的值会=给左边的参数
send和next区别时两者的的返回值都是yield a
第一次调用时next后面用send,不然可能会出错,因为程序是从头执行,没有人接受send的参数,如果一定用send第一次,可以通过send(None)
使用next函数
In [11]: f = gen()In [12]: next(f) Out[12]: 0In [13]: next(f) None Out[13]: 1In [14]: next(f) None Out[14]: 2In [15]: next(f) None Out[15]: 3In [16]: next(f) None Out[16]: 4In [17]: next(f) None --------------------------------------------------------------------------- StopIterationTraceback (most recent call last) in () ----> 1 next(f)StopIteration:

【黑马程序员&传智播客 python生成器 学习笔记】使用__next__()方法(不常使用)
In [18]: f = gen()In [19]: f.__next__() Out[19]: 0In [20]: f.__next__() None Out[20]: 1In [21]: f.__next__() None Out[21]: 2In [22]: f.__next__() None Out[22]: 3In [23]: f.__next__() None Out[23]: 4In [24]: f.__next__() None --------------------------------------------------------------------------- StopIterationTraceback (most recent call last) in () ----> 1 f.__next__()StopIteration:

    推荐阅读