上節內容說到Python的for語句循環本質上就是通過調用Iterable可迭代對象的__iter()__方法獲得一個Iterator迭代器對象,然后不斷調用Iterator迭代器對象__next()__方法實現的。Iterator迭代器對象則是一個需要實現__iter__()和__next__()兩個迭代器協議方法的對象。python中生成器提供了一種方便的方法來實現迭代器協議，而不需要必須實現__iter__()和__next__()兩個迭代器協議方法。

生成器的定義方式有兩種，一種是調用生成器函數，一種是使用生成器表達式語法。

調用生成器函數

生成器函數是指在函數體中使用yield表達式僅返回結果的函數。yield表達式僅在定義生成器函數時使用，因此只能用在函數定義的主體中。在函數體中使用yield表達式會使該函數成為生成器函數。當生成器函數被調用時，它返回一個稱為生成器的迭代器，該迭代器由python自動生成。然后，生成器控制了生成器函數的執行。因為返回的生成器是一個迭代器，所以生成器函數的執行結果也就可以被循環。當生成器的的__next__方法被調用時，生成器函數的函數體內的語句開始執行，執行進行到第一個yield表達式時，立即將yield表達式的結果返回給生成器的調用者，同時將生成器函數內部的狀態掛起。即保持生成器函數的執行進度，和生成器函數內的局部狀態：包括局部變量的當前綁定，指令指針，內部計算棧和任何異常處理的狀態。當生成器的再次調用__next__方法來時，生成器函數恢復執行，并再次執行到yield表達式返回結果再保持狀態，直到無法再執行到yield表達式。此時生成器自動拋出StopIteration異常。

我們先定義一個簡單生成器函數，函數功能返回數字0-9的平方數

# 生成器函數，功能返回數字0-9的平方數

>>> def squares():

for i in range(10):

yield i**2

# 使用return關鍵字是普通函數，使用yield關鍵字函數變成了生成器函數

使用參數g接收調用生成器函數squares的結果，然后分別在shell查看squares和g這兩個變量的類型

>>> g = squares()

#查看squares對象類型

>>> squares

#查看g對象類型

>>> g

從上面可以看出變量squares是函數類型，變量g是generator類型對象，generator從字面的理解上就是生成器類型。根據上一節迭代器中提到的知識，從collection模塊引入Iterator的抽象基類，驗證下generator類型是不是上面說的迭代器類型。

>>> from collections import Iterator

>>> isinstance(g,Iterator)

True

驗證成功，說明生成器函數的執行結果確實是生成器，一種特殊的迭代器。

>>> for i in g:

print (i)

0

1

4

9

16

25

36

49

64

81

生成器表達式

除了使用生成器函數可以得到生成器，還可以生成器表達式得到生成器表達式。生成器表達式本身看起來像列表推到, 但不是用方括號而是用圓括號包圍起來：

>>> g2 = (x**2 for x in range(10))

>>> g2

at 0x0359AFC0>

>>> t = (1,2,3,4,5)

>>> g3 = (x**2 for x in t)

>>> g3

at 0x007F6180>

驗證：

>>> isinstance(g2,Iterator)

True

>>> isinstance(g3,Iterator)

True

使用：

>>> for i in g2:

print(i)

0

1

4

9

16

25

36

49

64

81

>>> for i in g3:

print(i)

1

4

9

16

25

和普通迭代器相比，生成器不單簡化了迭代器的定義，還在使用效率上有提升。因為生成器在循環時，生成器函數每次只會返回一個結果，然后保持內部狀態，所以生成器占用的內存是很小的。以下兩個測試結果，第一個直接拋出MemoryError異常，第二個只能正確計算出結果。

# 全部數據先加載在1個列表上面，內存占用高

>>> s1 = sum([i for i in range(100000000)])

Traceback (most recent call last):

File "", line 1, in

s1 = sum([i for i in range(100000000)])

File "", line 1, in

s1 = sum([i for i in range(100000000)])

MemoryError

# 數據幾乎不占內存

>>> s2 = sum((i for i in range(100000000)))

>>> s2

4999999950000000

總結

以上是生活随笔為你收集整理的python生成器 图片分类_Python内置类型(6)——生成器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。