理解python中生成器用法

时间:2021-05-22

生成器(generator)概念

生成器不会把结果保存在一个系列中,而是保存生成器的状态,在每次进行迭代时返回一个值,直到遇到StopIteration异常结束。

生成器语法

生成器表达式: 通列表解析语法,只不过把列表解析的[]换成()
生成器表达式能做的事情列表解析基本都能处理,只不过在需要处理的序列比较大时,列表解析比较费内存。

>>> gen = (x**2 for x in range(5))>>> gen<generator object <genexpr> at 0x0000000002FB7B40>>>> for g in gen:... print(g, end='-')...0-1-4-9-16->>> for x in [0,1,2,3,4,5]:... print(x, end='-')...0-1-2-3-4-5-

生成器函数: 在函数中如果出现了yield关键字,那么该函数就不再是普通函数,而是生成器函数。

但是生成器函数可以生产一个无线的序列,这样列表根本没有办法进行处理。

yield 的作用就是把一个函数变成一个 generator,带有 yield 的函数不再是一个普通函数,Python 解释器会将其视为一个 generator。

下面为一个可以无穷生产奇数的生成器函数。

defodd():n=1whileTrue:yieldnn+=2odd_num=odd()count=0foroinodd_num:ifcount>=5:breakprint(o)count+=1

当然通过手动编写迭代器可以实现类似的效果,只不过生成器更加直观易懂

class Iter: def __init__(self): self.start=-1 def __iter__(self): return self def __next__(self): self.start +=2 return self.startI = Iter()for count in range(5): print(next(I))

题外话: 生成器是包含有__iter()和next__()方法的,所以可以直接使用for来迭代,而没有包含StopIteration的自编Iter来只能通过手动循环来迭代

>>>fromcollectionsimportIterable>>>fromcollectionsimportIterator>>>isinstance(odd_num,Iterable)True>>>isinstance(odd_num,Iterator)True>>>iter(odd_num)isodd_numTrue>>>help(odd_num)Helpongeneratorobject:odd=classgenerator(object)| Methodsdefinedhere:|| __iter__(self,/)| Implementiter(self).|| __next__(self,/)| Implementnext(self).......

到上面的结果,现在你可以很有信心的按照Iterator的方式进行循环了吧!

在 for 循环执行时,每次循环都会执行 fab 函数内部的代码,执行到 yield b 时,fab 函数就返回一个迭代值,下次迭代时,代码从 yield b 的下一条语句继续执行,而函数的本地变量看起来和上次中断执行前是完全一样的,于是函数继续执行,直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次,每次中断都会通过 yield 返回当前的迭代值。

yield 与 return

在一个生成器中,如果没有return,则默认执行到函数完毕时返回StopIteration;

>>> def g1():... yield 1...>>> g=g1()>>> next(g) #第一次调用next(g)时,会在执行完yield语句后挂起,所以此时程序并没有执行结束。1>>> next(g) #程序试图从yield语句的下一条语句开始执行,发现已经到了结尾,所以抛出StopIteration异常。Traceback (most recent call last): File "<stdin>", line 1, in <module>StopIteration>>>

如果遇到return,如果在执行过程中 return,则直接抛出 StopIteration 终止迭代。

>>>defg2():... yield'a'... return... yield'b'...>>>g=g2()>>>next(g) #程序停留在执行完yield 'a'语句后的位置。'a'>>>next(g) #程序发现下一条语句是return,所以抛出StopIteration异常,这样yield 'b'语句永远也不会执行。Traceback(mostrecentcalllast): File"<stdin>",line1,in<module>StopIteration

如果在return后返回一个值,那么这个值为StopIteration异常的说明,不是程序的返回值。

生成器没有办法使用return来返回值。

>>> def g3():... yield 'hello'... return 'world'...>>> g=g3()>>> next(g)'hello'>>> next(g)Traceback (most recent call last): File "<stdin>", line 1, in <module>StopIteration: world

生成器支持的方法

>>>help(odd_num)Helpongeneratorobject:odd=classgenerator(object)| Methodsdefinedhere:......| close(...)| close()->raiseGeneratorExitinsidegenerator.|| send(...)| send(arg)->send'arg'intogenerator,| returnnextyieldedvalueorraiseStopIteration.|| throw(...)| throw(typ[,val[,tb]])->raiseexceptioningenerator,| returnnextyieldedvalueorraiseStopIteration.......

close()

手动关闭生成器函数,后面的调用会直接返回StopIteration异常。

>>> def g4():... yield 1... yield 2... yield 3...>>> g=g4()>>> next(g)1>>> g.close()>>> next(g) #关闭后,yield 2和yield 3语句将不再起作用Traceback (most recent call last): File "<stdin>", line 1, in <module>StopIteration

send()

生成器函数最大的特点是可以接受外部传入的一个变量,并根据变量内容计算结果后返回。

这是生成器函数最难理解的地方,也是最重要的地方,实现后面我会讲到的协程就全靠它了。

defgen(): value=0 whileTrue: receive=yieldvalue ifreceive=='e': break value='got: %s'%receiveg=gen()print(g.send(None)) print(g.send('aaa'))print(g.send(3))print(g.send('e'))

执行流程:

通过g.send(None)或者next(g)可以启动生成器函数,并执行到第一个yield语句结束的位置。此时,执行完了yield语句,但是没有给receive赋值。yield value会输出初始值0注意:在启动生成器函数时只能send(None),如果试图输入其它的值都会得到错误提示信息。

通过g.send(‘aaa'),会传入aaa,并赋值给receive,然后计算出value的值,并回到while头部,执行yield value语句有停止。此时yield value会输出”got: aaa”,然后挂起。

通过g.send(3),会重复第2步,最后输出结果为”got: 3″

当我们g.send(‘e')时,程序会执行break然后推出循环,最后整个函数执行完毕,所以会得到StopIteration异常。

最后的执行结果如下:

0got: aaagot: 3Traceback (most recent call last):File "h.py", line 14, in <module> print(g.send('e'))StopIteration

throw()

用来向生成器函数送入一个异常,可以结束系统定义的异常,或者自定义的异常。

throw()后直接跑出异常并结束程序,或者消耗掉一个yield,或者在没有下一个yield的时候直接进行到程序的结尾。

defgen(): whileTrue: try: yield'normal value' yield'normal value 2' print('here') exceptValueError: print('we got ValueError here') exceptTypeError: breakg=gen()print(next(g))print(g.throw(ValueError))print(next(g))print(g.throw(TypeError))

输出结果为:

normal valuewe got ValueError herenormal valuenormal value 2Traceback (most recent call last): File "h.py", line 15, in <module> print(g.throw(TypeError))StopIteration

解释:

print(next(g)):会输出normal value,并停留在yield ‘normal value 2'之前。

由于执行了g.throw(ValueError),所以会跳过所有后续的try语句,也就是说yield ‘normal value 2'不会被执行,然后进入到except语句,打印出we got ValueError here。然后再次进入到while语句部分,消耗一个yield,所以会输出normal value。

print(next(g)),会执行yield ‘normal value 2'语句,并停留在执行完该语句后的位置。

g.throw(TypeError):会跳出try语句,从而print(‘here')不会被执行,然后执行break语句,跳出while循环,然后到达程序结尾,所以跑出StopIteration异常。

下面给出一个综合例子,用来把一个多维列表展开,或者说扁平化多维列表)

defflatten(nested): try: #如果是字符串,那么手动抛出TypeError。 ifisinstance(nested,str): raiseTypeError forsublistinnested: #yield flatten(sublist) forelementinflatten(sublist): #yield element print('got:',element) exceptTypeError: #print('here') yieldnestedL=['aaadf',[1,2,3],2,4,[5,[6,[8,[9]],'ddf'],7]]fornuminflatten(L): print(num)

如果理解起来有点困难,那么把print语句的注释打开在进行查看就比较明了了。

总结

按照鸭子模型理论,生成器就是一种迭代器,可以使用for进行迭代。

第一次执行next(generator)时,会执行完yield语句后程序进行挂起,所有的参数和状态会进行保存。再一次执行next(generator)时,会从挂起的状态开始往后执行。在遇到程序的结尾或者遇到StopIteration时,循环结束。

可以通过generator.send(arg)来传入参数,这是协程模型。

可以通过generator.throw(exception)来传入一个异常。throw语句会消耗掉一个yield。可以通过generator.close()来手动关闭生成器。

next()等价于send(None)

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章