python yield淺析
您可能聽說過,帶有 yield 的函式在 Python 中被稱之為 generator(生成器),何謂 generator ?
http://www.runoob.com/w3cnote/python-yield-used-analysis.html
我們先拋開 generator,以一個常見的程式設計題目來展示 yield 的概念。
如何生成斐波那契數列
斐波那契(Fibonacci)數列是一個非常簡單的遞迴數列,除第一個和第二個數外,任意一個數都可由前兩個數相加得到。用計算機程式輸出斐波那契數列的前 N 個數是一個非常簡單的問題,許多初學者都可以輕易寫出如下函式:
清單 1. 簡單輸出斐波那契數列前 N 個數
例項
#!/usr/bin/python
-- coding: UTF-8 --
def fab(max):
n, a, b = 0, 0, 1
while n < max:
print b
a, b = b, a + b
n = n + 1
fab(5)
執行以上程式碼,我們可以得到如下輸出:
1
1
2
3
5
結果沒有問題,但有經驗的開發者會指出,直接在 fab 函式中用 print 列印數字會導致該函式可複用性較差,因為 fab 函式返回 None,其他函式無法獲得該函式生成的數列。
要提高 fab 函式的可複用性,最好不要直接打印出數列,而是返回一個 List。以下是 fab 函式改寫後的第二個版本:
清單 2. 輸出斐波那契數列前 N 個數第二版
例項
#!/usr/bin/python
-- coding: UTF-8 --
def fab(max):
n, a, b = 0, 0, 1
L = []
while n < max:
L.append(b)
a, b = b, a + b
n = n + 1
return L
for n in fab(5):
print n
可以使用如下方式打印出 fab 函式返回的 List:
1
1
2
3
5
改寫後的 fab 函式通過返回 List 能滿足複用性的要求,但是更有經驗的開發者會指出,該函式在執行中佔用的記憶體會隨著引數 max 的增大而增大,如果要控制記憶體佔用,最好不要用 List
來儲存中間結果,而是通過 iterable 物件來迭代。例如,在 Python2.x 中,程式碼:
清單 3. 通過 iterable 物件來迭代
for i in range(1000): pass
會導致生成一個 1000 個元素的 List,而程式碼:
for i in xrange(1000): pass
則不會生成一個 1000 個元素的 List,而是在每次迭代中返回下一個數值,記憶體空間佔用很小。因為 xrange 不返回 List,而是返回一個 iterable 物件。
利用 iterable 我們可以把 fab 函式改寫為一個支援 iterable 的 class,以下是第三個版本的 Fab:
清單 4. 第三個版本
例項
#!/usr/bin/python
-- coding: UTF-8 --
class Fab(object):
def __init__(self, max):
self.max = max
self.n, self.a, self.b = 0, 0, 1
def __iter__(self):
return self
def next(self):
if self.n < self.max:
r = self.b
self.a, self.b = self.b, self.a + self.b
self.n = self.n + 1
return r
raise StopIteration()
for n in Fab(5):
print n
Fab 類通過 next() 不斷返回數列的下一個數,記憶體佔用始終為常數:
1
1
2
3
5
然而,使用 class 改寫的這個版本,程式碼遠遠沒有第一版的 fab 函式來得簡潔。如果我們想要保持第一版 fab 函式的簡潔性,同時又要獲得 iterable 的效果,yield 就派上用場了:
清單 5. 使用 yield 的第四版
例項
#!/usr/bin/python
-- coding: UTF-8 --
def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b # 使用 yield
# print b
a, b = b, a + b
n = n + 1
for n in fab(5):
print n
第四個版本的 fab 和第一版相比,僅僅把 print b 改為了 yield b,就在保持簡潔性的同時獲得了 iterable 的效果。
呼叫第四版的 fab 和第二版的 fab 完全一致:
1
1
2
3
5
簡單地講,yield 的作用就是把一個函式變成一個 generator,帶有 yield 的函式不再是一個普通函式,Python 直譯器會將其視為一個 generator,呼叫 fab(5) 不會執行 fab 函式,而是返回一個 iterable 物件!在 for 迴圈執行時,每次迴圈都會執行 fab 函式內部的程式碼,執行到 yield b 時,fab 函式就返回一個迭代值,下次迭代時,程式碼從 yield b 的下一條語句繼續執行,而函式的本地變數看起來和上次中斷執行前是完全一樣的,於是函式繼續執行,直到再次遇到 yield。
也可以手動呼叫 fab(5) 的 next() 方法(因為 fab(5) 是一個 generator 物件,該物件具有 next() 方法),這樣我們就可以更清楚地看到 fab 的執行流程:
清單 6. 執行流程
f = fab(5)
f.next()
1f.next()
1f.next()
2f.next()
3f.next()
5f.next()
Traceback (most recent call last):
File “”, line 1, in
StopIteration
當函式執行結束時,generator 自動丟擲 StopIteration 異常,表示迭代完成。在 for 迴圈裡,無需處理 StopIteration 異常,迴圈會正常結束。
我們可以得出以下結論:
一個帶有 yield 的函式就是一個 generator,它和普通函式不同,生成一個 generator 看起來像函式呼叫,但不會執行任何函式程式碼,直到對其呼叫 next()(在 for 迴圈中會自動呼叫 next())才開始執行。雖然執行流程仍按函式的流程執行,但每執行到一個 yield 語句就會中斷,並返回一個迭代值,下次執行時從 yield 的下一個語句繼續執行。看起來就好像一個函式在正常執行的過程中被 yield 中斷了數次,每次中斷都會通過 yield 返回當前的迭代值。
yield 的好處是顯而易見的,把一個函式改寫為一個 generator 就獲得了迭代能力,比起用類的例項儲存狀態來計算下一個 next() 的值,不僅程式碼簡潔,而且執行流程異常清晰。
如何判斷一個函式是否是一個特殊的 generator 函式?可以利用 isgeneratorfunction 判斷:
清單 7. 使用 isgeneratorfunction 判斷
from inspect import isgeneratorfunction
isgeneratorfunction(fab)
True
要注意區分 fab 和 fab(5),fab 是一個 generator function,而 fab(5) 是呼叫 fab 返回的一個 generator,好比類的定義和類的例項的區別:
清單 8. 類的定義和類的例項
import types
isinstance(fab, types.GeneratorType)
Falseisinstance(fab(5), types.GeneratorType)
True
fab 是無法迭代的,而 fab(5) 是可迭代的:from collections import Iterable
isinstance(fab, Iterable)
Falseisinstance(fab(5), Iterable)
True
每次呼叫 fab 函式都會生成一個新的 generator 例項,各例項互不影響:
f1 = fab(3)
f2 = fab(5)
print ‘f1:’, f1.next()
f1: 1print ‘f2:’, f2.next()
f2: 1print ‘f1:’, f1.next()
f1: 1print ‘f2:’, f2.next()
f2: 1print ‘f1:’, f1.next()
f1: 2print ‘f2:’, f2.next()
f2: 2print ‘f2:’, f2.next()
f2: 3print ‘f2:’, f2.next()
f2: 5
return 的作用
在一個 generator function 中,如果沒有 return,則預設執行至函式完畢,如果在執行過程中 return,則直接丟擲 StopIteration 終止迭代。
另一個例子
另一個 yield 的例子來源於檔案讀取。如果直接對檔案物件呼叫 read() 方法,會導致不可預測的記憶體佔用。好的方法是利用固定長度的緩衝區來不斷讀取檔案內容。通過 yield,我們不再需要編寫讀檔案的迭代類,就可以輕鬆實現檔案讀取:
清單 9. 另一個 yield 的例子
例項
def read_file(fpath):
BLOCK_SIZE = 1024
with open(fpath, ‘rb’) as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block
else:
return
以上僅僅簡單介紹了 yield 的基本概念和用法,yield 在 Python 3 中還有更強大的用法,我們會在後續文章中討論。
注:本文的程式碼均在 Python 2.7 中除錯通過