小白學 Python(21):生成器基礎
人生苦短,我選Python
前文傳送門
小白學 Python(1):開篇
小白學 Python(2):基礎資料型別(上)
小白學 Python(3):基礎資料型別(下)
小白學 Python(4):變數基礎操作
小白學 Python(5):基礎運算子(上)
小白學 Python(6):基礎運算子(下)
小白學 Python(7):基礎流程控制(上)
小白學 Python(8):基礎流程控制(下)
小白學 Python(9):基礎資料結構(列表)(上)
小白學 Python(10):基礎資料結構(列表)(下)
小白學 Python(11):基礎資料結構(元組)
小白學 Python(12):基礎資料結構(字典)(上)
小白學 Python(13):基礎資料結構(字典)(下)
小白學 Python(14):基礎資料結構(集合)(上)
小白學 Python(15):基礎資料結構(集合)(下)
小白學 Python(16):基礎資料型別(函式)(上)
小白學 Python(17):基礎資料型別(函式)(下)
小白學 Python(18):基礎檔案操作
小白學 Python(18):基礎檔案操作
小白學 Python(19):基礎異常處理
小白學 Python(20):迭代器基礎
生成器
我們前面聊過了為什麼要使用迭代器,各位同學應該還有印象吧(說沒有的就太過分了)。
列表太大的話會佔用過大的記憶體,可以使用迭代器,只拿出需要使用的部分。
生成器的設計原則和迭代器是相似的,如果需要一個非常大的集合,不會將元素全部都放在這個集合中,而是將元素儲存成生成器的狀態,每次迭代的時候返回一個值。
比如我們要生成一個列表,可以採用如下方式:
list1 = [x*x for x in range(10)]
print(list1)
結果如下:
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
如果我們生成的列表非常的巨大,比如:
list2 = [x*x for x in range(1000000000000000000000000)]
結果如下:
Traceback (most recent call last): File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 3, in <module> list2 = [x*x for x in range(1000000000000000000000000)] File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 3, in <listcomp> list2 = [x*x for x in range(1000000000000000000000000)] MemoryError
報錯了,報錯資訊提示我們儲存異常,並且整個程式運行了相當長一段時間。友情提醒,這麼大的列表建立請慎重,如果電腦配置不夠很有可能會將電腦卡死。
如果我們使用生成器就會非常方便了,而且執行速度嗖嗖的。
generator1 = (x*x for x in range(1000000000000000000000000))
print(generator1)
print(type(generator1))
結果如下:
<generator object <genexpr> at 0x0000014383E85B48>
<class 'generator'>
那麼,我們使用了生成器以後,怎麼讀取生成器生成的資料呢?
當然是和之前的迭代器一樣的拉,使用 next()
函式:
generator2 = (x*x for x in range(3))
print(next(generator2))
print(next(generator2))
print(next(generator2))
print(next(generator2))
結果如下:
Traceback (most recent call last):
File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 14, in <module>
print(next(generator2))
StopIteration
直到最後,丟擲 StopIteration
異常。
但是,這種使用方法我們並不知道什麼時候會迭代結束,所以我們可以使用 for 迴圈來獲取每生成器生成的具體的元素,並且使用 for 迴圈同時也無需關心最後的 StopIteration
異常。
generator3 = (x*x for x in range(5))
for index in generator3:
print(index)
結果如下:
0
1
4
9
16
generator
非常的強大,本質上, generator
並不會取儲存我們的具體元素,它儲存是推算的演算法,通過演算法來推算出下一個值。
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。
比如我們定義一個函式,emmmmmm,還是簡單點吧,大家領會精神:
def print_a(max):
i = 0
while i < max:
i += 1
yield i
a = print_a(10)
print(a)
print(type(a))
結果如下:
<generator object print_a at 0x00000278C6AA5CC8>
<class 'generator'>
這裡使用到了關鍵字 yield
, yield
和 return
非常的相似,都可以返回值,但是不同的是 yield
不會結束函式。
我們呼叫幾次這個用函式建立的生成器:
print(next(a))
print(next(a))
print(next(a))
print(next(a))
結果如下:
1
2
3
4
可以看到,當我們使用 next() 對生成器進行一次操作的時候,會返回一次迴圈的值,在 yield
這裡結束本次的執行。但是在下一次執行 next() 的時候,會接著上次的斷點接著執行。直到下一個 yield
,並且不停的迴圈往復,直到執行至生成器的最後。
還有一種與 next() 等價的方式,直接看示例程式碼吧:
print(a.__next__())
print(a.__next__())
結果如下:
5
6
接下來要介紹的這個方法就更厲害了,不僅能迭代,還能給函式再傳一個值回去:
def print_b(max):
i = 0
while i < max:
i += 1
args = yield i
print('傳入引數為:' + args)
b = print_b(20)
print(next(b))
print(b.send('Python'))
結果如下:
1
傳入引數為:Python
2
上面講了這麼多,可能各位還沒想到生成器能有什麼具體的作用吧,這裡我來提一個——協程。
在介紹什麼是協程之前先介紹下什麼是多執行緒,就是在同一個時間內可以執行多個程式,簡單理解就是你平時可能很經常的一邊玩手機一邊聽音樂(毫無違和感)。
協程更貼切的解釋是流水線,比如某件事情必須 A 先做一步, B 再做一步,並且這兩件事情看起來要是同時進行的。
def print_c():
while True:
print('執行 A ')
yield None
def print_d():
while True:
print('執行 B ')
yield None
c = print_c()
d = print_d()
while True:
c.__next__()
d.__next__()
結果如下:
...
執行 A
執行 B
執行 A
執行 B
執行 A
執行 B
執行 A
執行 B
執行 A
執行 B
...
因為 while
條件設定的是永真,所以這個迴圈是不會停下來的。
這裡我們定義了兩個生成器,並且在一個迴圈中往復的呼叫這兩個生成器,這樣看起來就是兩個任務在同時執行。
最後的協程可能理解起來稍有難度,有問題可以在公眾號後臺問我哦~~~
示例程式碼
本系列的所有程式碼小編都會放在程式碼管理倉庫 Github 和 Gitee 上,方便大家取用。
示例程式碼-Github
示例程式碼-Gi