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。
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
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]:
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
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）。
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]:
文章图片
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=给左边的参数使用next函数
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)
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
- python|黑马程序员---四天快速入门Python数据挖掘（第一天）
- #|送给她超浪漫的表白信——她感动哭了（.html)
- #|超级炫酷的3D旋转美女图——Python实现
- python|Python学习笔记（3）---B站黑马程序员
- 线性回归|多元统计分析
- Python|Anaconda安装教程及使用教程（图文）
- pytorch|pytorch_lesson2 张量的索引+torch.index_select+torch.view+张量的分片函数+张量的合并操作+张量的维度变换
- 深度学习|【深度学习】Yolov5标签归一化处理——json转换为txt
- sklearn|t-SNE非线性降维