Python基礎知識之生成器
生成器
通過列表生成式(比如說[x * x for x in range(10)]
),我們可以直接建立一個列表。但是,受到記憶體限制,列表容量肯定是有限的。而且,建立一個包含100萬個元素的列表,不僅佔用很大的儲存空間,如果我們僅僅需要訪問前面幾個元素,那後面絕大多數元素佔用的空間都白白浪費了。
所以,如果列表元素可以按照某種演算法推算出來,那我們是否可以在迴圈的過程中不斷推算出後續的元素呢?這樣就不必建立完整的list
,從而節省大量的空間。在Python中,這種一邊迴圈一邊計算的機制,稱為生成器:generator
。
生成器只有在呼叫的時候才能生成資料 只記錄當前位置
要建立一個generator
,有很多種方法。第一種方法很簡單,只要把一個列表生成式的[]
改成()
,就建立了一個generator
:
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
建立L
和g
的區別僅在於最外層的[]
和()
L
是一個list
,而g
是一個generator
。 我們可以直接打印出
list
的每一個元素,但我們怎麼打印出generator
的每一個元素呢? 如果要一個一個打印出來,可以通過
next()
函式獲得generator
的下一個返回值:
>>> next(g) 0 >>> next(g) 1 >>> next(g) 4 >>> next(g) 9 >>> next(g) 16 >>> next(g) 25 >>> next(g) 36 >>> next(g) 49 >>> next(g) 64 >>> next(g) 81 >>> next(g) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
我們講過,generator
儲存的是演算法,每次呼叫next(g)
,就計算出g
的下一個元素的值,直到計算到最後一個元素,沒有更多的元素時,丟擲StopIteration
的錯誤。
當然,上面這種不斷呼叫next(g)
實在是太變態了,正確的方法是使用for
迴圈,因為generator
也是可迭代物件:
>>> g = (x * x for x in range(10))
>>> for n in g:
... print(n)
...
0
1
4
9
16
25
36
49
64
81
所以,我們建立了一個generator
後,基本上永遠不會呼叫next()
,而是通過for
迴圈來迭代它,並且不需要關心StopIteration
的錯誤。
generator
非常強大。如果推算的演算法比較複雜,用類似列表生成式的for
迴圈無法實現的時候,還可以用函式來實現。
比如,著名的斐波拉契數列(Fibonacci),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:
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契數列用列表生成式寫不出來,但是,用函式把它打印出來卻很容易:
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
注意,賦值語句:
a, b = b, a + b
相當於:
t = (b, a + b)# t是一個tuple
a = t[0]
b = t[1]
但不必顯式寫出臨時變數t
就可以賦值。
上面的函式可以輸出斐波那契數列的前N
個數:
>>> fib(10)
1
1
2
3
5
8
13
21
34
55
done
仔細觀察,可以看出,fib
函式實際上是定義了斐波拉契數列的推算規則,可以從第一個元素開始,推算出後續任意的元素,這種邏輯其實非常類似generator
。
也就是說,上面的函式和generator
僅一步之遙。要把fib函式變成generator,只需要把print(b)
改為yield b
就可以了:
def fib(max):
n,a,b = 0,0,1
while n < max:
#print(b)
yield b
a,b = b,a+b
n += 1
return 'done'
這就是定義generator
的另一種方法。如果一個函式定義中包含yield
關鍵字,那麼這個函式就不再是一個普通函式,而是一個generator
:
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
這裡,最難理解的就是generator
和函式的執行流程不一樣。函式是順序執行,遇到return
語句或者最後一行函式語句就返回。而變成generator
的函式,在每次呼叫next()
的時候執行,遇到yield
語句返回,再次執行時從上次返回的yield
語句處繼續執行。
data = fib(10)
print(data)
print(data.__next__())
print(data.__next__())
print("乾點別的事")
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())
#輸出
<generator object fib at 0x101be02b0>
1
1
乾點別的事
2
3
5
8
13
在上面fib
的例子,我們在迴圈過程中不斷呼叫yield
,就會不斷中斷。當然要給迴圈設定一個條件來退出迴圈,不然就會產生一個無限數列出來。
同樣的,把函式改成generator
後,我們基本上從來不會用next()
來獲取下一個返回值,而是直接使用for
迴圈來迭代:
>>> for n in fib(6):
... print(n)
...
1
1
2
3
5
8
但是用for
迴圈呼叫generator
時,發現拿不到generator
的return
語句的返回值。如果想要拿到返回值,必須捕獲StopIteration錯誤,返回值包含在StopIteration
的value
中:
>>> g = fib(6)
>>> while True:
... try:
... x = next(g)
... print('g:', x)
... except StopIteration as e:
... print('Generator return value:', e.value)
... break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
還可通過yield
實現在單執行緒的情況下實現併發運算的效果
#_*_coding:utf-8_*_
__author__ = 'Alex Li'
import time
def consumer(name):
print("%s 準備吃包子啦!" %name)
while True:
baozi = yield
print("包子[%s]來了,被[%s]吃了!" %(baozi,name))
def producer(name):
c = consumer('A')
c2 = consumer('B')
c.__next__()
c2.__next__()
print("老子開始準備做包子啦!")
for i in range(10):
time.sleep(1)
print("做了2個包子!")
c.send(i)
c2.send(i)
producer("alex")
通過生成器實現協程並行運算