前面我们已经好几次提到了生成器的概念。这里对其简要介绍一下。
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。
前面我们说过,通过圆括号可以编写生成器推导式:
>>> 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。
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, b, counter = 0, 1, 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=" ")
用yield创建的生成器,在这个fib = fibonacci(10)地方只是创建一个生成器,当出现for循环来迭代生成器时,可以执行函数体到yield位置,返回数据,等待下一下迭代继续返回
协程的原理啊
“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” 这句话没看懂啊!
一脸懵逼,直接跳过了
蒙了
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。
这句话让我蒙了
我理解就是:按照算法计算出一个值,并返回给用户,等下一次调用next()的时候再算出下一个值,调用一次next()计算一次值
https://blog.csdn.net/weixin_55772194/article/details/123153688 这个链接里面讲解的遇到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
>>> range(10) [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> type(range(10)) <type 'list'> >>> xrange(10) xrange(10) >>> type(range(10)) <type 'list'> >>> type(xrange(10)) <type 'xrange'> >>> dir(xrange) ['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__getitem__', '__hash__', '__init__', '__iter__', '__len__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__'] -----------------------分割线---------------------------- py2中range生成的是列表,应该用xrange py3没有xrange