上節(jié)內(nèi)容說到Python的for語句循環(huán)本質(zhì)上就是通過調(diào)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(diào)用Iterator迭代器對象__next()__方法實現(xiàn)的。Iterator迭代器對象則是一個需要實現(xiàn)__iter__()和__next__()兩個迭代器協(xié)議方法的對象。python中生成器提供了一種方便的方法來實現(xiàn)迭代器協(xié)議，而不需要必須實現(xiàn)__iter__()和__next__()兩個迭代器協(xié)議方法。

生成器的定義方式有兩種，一種是調(diào)用生成器函數(shù)，一種是使用生成器表達式語法。

調(diào)用生成器函數(shù)

生成器函數(shù)是指在函數(shù)體中使用yield表達式僅返回結(jié)果的函數(shù)。yield表達式僅在定義生成器函數(shù)時使用，因此只能用在函數(shù)定義的主體中。在函數(shù)體中使用yield表達式會使該函數(shù)成為生成器函數(shù)。當生成器函數(shù)被調(diào)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(shù)的執(zhí)行。因為返回的生成器是一個迭代器，所以生成器函數(shù)的執(zhí)行結(jié)果也就可以被循環(huán)。當生成器的的__next__方法被調(diào)用時，生成器函數(shù)的函數(shù)體內(nèi)的語句開始執(zhí)行，執(zhí)行進行到第一個yield表達式時，立即將yield表達式的結(jié)果返回給生成器的調(diào)用者，同時將生成器函數(shù)內(nèi)部的狀態(tài)掛起。即保持生成器函數(shù)的執(zhí)行進度，和生成器函數(shù)內(nèi)的局部狀態(tài)：包括局部變量的當前綁定，指令指針，內(nèi)部計算棧和任何異常處理的狀態(tài)。當生成器的再次調(diào)用__next__方法來時，生成器函數(shù)恢復(fù)執(zhí)行，并再次執(zhí)行到y(tǒng)ield表達式返回結(jié)果再保持狀態(tài)，直到無法再執(zhí)行到y(tǒng)ield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(shù)，函數(shù)功能返回數(shù)字0-9的平方數(shù)

# 生成器函數(shù)，功能返回數(shù)字0-9的平方數(shù)

>>> def squares():

for i in range(10):

yield i**2

# 使用return關(guān)鍵字是普通函數(shù)，使用yield關(guān)鍵字函數(shù)變成了生成器函數(shù)

使用參數(shù)g接收調(diào)用生成器函數(shù)squares的結(jié)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(shù)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(jù)上一節(jié)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(shù)的執(zhí)行結(jié)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(shù)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(huán)時，生成器函數(shù)每次只會返回一個結(jié)果，然后保持內(nèi)部狀態(tài)，所以生成器占用的內(nèi)存是很小的。以下兩個測試結(jié)果，第一個直接拋出MemoryError異常，第二個只能正確計算出結(jié)果。

# 全部數(shù)據(jù)先加載在1個列表上面，內(nèi)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(shù)據(jù)幾乎不占內(nèi)存

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

>>> s2

4999999950000000

總結(jié)

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(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。