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。

创建生成器方法1

列表生成式

列表生成式是Python用来生成一个列表的一种简便语法

  • 语法格式:[生成结果表达式 for 元素 in 可迭代对象]
    例子:
    1
    2
    L = [x*2 for x in range(10)]
    print(L)

运行结果:

1
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

上面是一个简单的列表生成式，其实这东西还可以写的非常复杂，不过本章不是主要讲列表生成式，是为了讲生成器做个基础介绍，就不详细介绍。

生成器生成方法

第一种方法很简单，只要把一个列表生成式的 [ ] 改成 ( )

1
2
3
4
5
6
7
8
9
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]: <generator object <genexpr> at 0x7f626c132db0>

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。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
In [19]: next(G)
Out[19]: 0

In [20]: next(G)
Out[20]: 2

In [21]: next(G)
Out[21]: 4

In [22]: next(G)
Out[22]: 6

In [23]: next(G)
Out[23]: 8

In [24]: next(G)
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-24-380e167d6934> in <module>()
----> 1 next(G)

StopIteration:

In [25]:

1
2
3
4
5
6
7
8
9
10
11
12
In [26]: G = ( x*2 for x in range(5))

In [27]: for x in G:
   ....:     print(x)
   ....:     
0
2
4
6
8

In [28]:

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。
我们仍然用迭代器中介绍的斐波那契数列来举例，用迭代器的实现方式：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
class Fib(object):
    def __init__(self,n):
        self.n = n 
        self.a = 0 
        self.b = 1 
        self.current_idx = 0 

    def __iter__(self):
        return self

    def __next__(self):
        if self.current_idx < self.n:
            tmp_val = self.a
            self.a,self.b = (self.b,self.a + self.b)
            self.current_idx +=1 
            return tmp_val
        else:
            raise StopIteration

if __name__ == "__main__":
    f = Fib(10)
    for i in f:
        print(i)

现在我们用生成器来实现一下。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
def Fib(num):
    a = 0 
    b = 1 
    cnt = 0 
    while cnt < num:
        cnt +=1 
        tmp = a 
        a,b = b,a+b
        yield tmp
	return "end"
    

if __name__ == "__main__":
    f = Fib(10)
    for i in f:
        print("%d "%i,end="")

    print()

运行结果:

1
0 1 1 2 3 5 8 13 21 34

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。
此时按照调用函数的方式( 案例中为f = fib(10) )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。

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)

1
2
3
4
5
6
7
8
9
10
def gen():
    while True:
        val = yield "hello"
        print(val)

if __name__ == "__main__":
    g = gen()
    print(g.send(None))

    print(g.send("python"))

运行结果:

1
2
3
hello
python
hello

第一次使用send的时候不可以传非None参数进去，因为第一次的时候，yield把”hello”返回后就相当于处于断点，此时send过去的数据接收不到。当第二次的时候，程序停在val引用一个数值的地方，send发送过去的数据正好接收

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）