生成器
有时候,序列或集合内的元素的个数非常巨大,如果全制造出来并放入内存,对计算机的压力是非常大的。比如,假设需要获取一个10**20次方如此巨大的数据序列,把每一个数都生成出来,并放在一个内存的列表内,这是粗暴的方式,有如此大的内存么?如果元素可以按照某种算法推算出来,需要就计算到哪个,就可以在循环的过程中不断推算出后续的元素,而不必创建完整的元素集合,从而节省大量的空间。在Python中,这种一边循环一边计算出元素的机制,称为生成器:generator。
生成生成器:
g = (x * x for x in range(1, 4)) g <generator object <genexpr> at 0x1022ef630>
可以通过next()函数获得generator的下一个返回值,这点和迭代器非常相似:
next(g) 1 next(g) 4 next(g) 9 next(g) Traceback (most recent call last): File "<pyshell#14>", line 1, in <module> next(g) StopIteration ------------------------------------------------ 但更多情况下,我们使用for循环。 for i in g: print(i)
除了使用生成器推导式,我们还可以使用yield关键字。
def createNums(): print("----func start------") a,b = 0,1 for i in range(5): # print(b) print("--1--") yield b print("--2--") a,b = b,a+b # a,b = 1, 1 a,b = 1,2 print("--3--") print("----func end------") g= createNums() next(g) # 如果想得到yield的值,可以打印next(g)
在 Python中,使用yield返回的函数会变成一个生成器(generator)。 在调用生成器的过程中,每次遇到yield时函数会暂停并保存当前所有的运行信息,返回yield的值。并在下一次执行next()方法时从当前位置继续运行。
# 斐波那契函数 def fibonacci(n): a = 0 b = 1 counter = 0 while True: if counter > n: return yield a # yield让该函数变成一个生成器 a, b = b, a + b counter += 1 fib = fibonacci(10) # fib是一个生成器 print(type(fib)) for i in fib: print(i, end=" ")
生成器是可以循环的,相比next来说,for循环更友好
a = createNums() 这两种取值方式是一样的!!! a.__next__() next(a) for i in a: print(i)
send
def test(): i = 0 while i<5: temp = yield i print(temp) i+=1 t = test() next(t) next(t) t.send("juran") next(t) -------------------------------------------- t = test() t.send("juran") Traceback (most recent call last): File "/Users/binbin/Desktop/Python/demo.py", line 179, in <module> t.send("juran") TypeError: can't send non-None value to a just-started generator 如何解决这个错误? > next(t) t.send("juran") > send(None)
生成器的应用
实现多任务
def test1(): while True: print("--1--") yield None def test2(): while True: print("--2--") yield None t1 = test1() t2 = test2() while True: next(t1) next(t2)
来源:https://www.cnblogs.com/sakura579/p/12397549.html