python 生成式 & 生成器

1. 生成式

列表a=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],要求你把列表里的每个值加1

a=[i+1 for i in range(10)]
print(a)

2. 生成器

在Python中,一边循环一边计算后面元素的机制,称为生成器:generator.

 创建generator

2.1 方式1

只要把一个列表生成式的[]改成(),就创建了一个generator:

( x * x for x  in range(10))

如上就是列表生成器

如果要一个一个打印出来,可以通过next()函数获得generator的下一个返回值:

>>> m = ( x * x for x  in range(10))
>>> next(m)
0
>>> next(m)
1
>>> next(m)
4
>>> next(m)
9
>>> next(m)
16
>>> next(m)
25
>>> next(m)
36
>>> next(m)
49
>>> next(m)
64
>>> next(m)
81
>>> next(m)
Traceback (most recent call last):
  File "", line 1, in 
StopIteration

generator保存的是算法,每次调用next(m)就计算出g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的错误。

上面这种不断调用next(m)实在是太变态了,正确的方法是使用for循环,因为generator也是可迭代(遍历)对象:

>>> m = ( x * x for x  in range(10))
>>> 
>>> for n in m:
...     print(n)
... 
0
1
4
9
16
25
36
49
64
81

通过for循环来迭代它,就不需要关心StopIteration的错误了。

3. 函数生成器

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

def fib(max):
    a,b=0,1
    n=0  #斐波那契数
    while n < max:
        n = a+b
        a = b  #把b的旧值给到a
        b = n  #新的b= a+b(旧的b)
        print(n)
fib(100)

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(max):
    a,b = 0,1
    n = 0  # 斐波那契数
    while n < max:
        n = a + b
        a = b # 把b的旧值给到a
        b = n # 新的b = a + b(旧b的值)
        #print(n)
        yield n # 程序走到这,就会暂停下来,返回n到函数外面,直到被next方法调用时唤醒
f = fib(100) # 注意这句调用时,函数并不会执行,只有下一次调用next时,函数才会真正执行
print(f)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())

这就是定义generatoe的另一种方法。如果一个函数定义中包含yield关键字,那么这个函数就不再是普通函数,而是一个generator:

最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到return语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用next()的时候执行,遇到yield语句暂停并返回数据到函数外,再次被next()调用时从上次返回的yield语句处继续执行

我们在循环过程中不断调用yield,函数就会不断的中断(暂停)。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:

4. 迭代器

可以直接作用于for循环的数据类型有以下几种:

一类是集合数据类型,如list、tuple、dict、set、str等;

一类是generator,包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象:Iterable,可迭代的意思就是可遍历、可循环

可以使用isinstance()判断一个对象是否是Iterable对象:

>>> from collections import Iterable
>>> isinstance([],Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance("abc",Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100,Iterable)
False

而生成器不但可以作用域for循环,还可以被next()函数不断调用并返回下一个值,直到最后抛出StopIteration错误表示无法继续返回下一个值了。

可以被next() 函数调用并不断返回下一个值的对象成为迭代器:Iterator

可以使用isinstance()判断一个对象是否是iterator对象:

>>> from collections import Iterable
>>> isinstance([],Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance("abc",Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100,Iterable)
False

生成器都是Iterator对象,但list,dict,str虽然是Iterable却不是Iterator

把list,dict,str等Iterable变成Iterator可以使用iter()函数:

python中的Iterator对象表示的是一个数据流,Iterator对象可以被next()函数嗲用并不断返回下一个数据,知道没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()函数是实现按需计算下一个数据,所以Iterator的计算是惰性的,只有在需要返回下一个数据时才会计算。

Iterator甚至可以表示一个无限大的数据流,例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

凡是可作用于for循环的对象都是Iterable类型;

凡是可作用于next()函数的对象都是Iterator类型,它们表示一个惰性计算的序列;

集合数据类型如listdictstr等是Iterable但不是Iterator,不过可以通过iter()函数获得一个Iterator对象。

你可能感兴趣的:(pyhon,python,generator)