建站
咨詢
售后
建站咨詢
新聞中心
前言
在前面的篇章中，我們學習了迭代器，這是一個很好的工具，特別是當你需要處理大型數(shù)據(jù)集時。然而，在Python中構(gòu)建自己的迭代器有點麻煩和耗時。你必須定義一個實現(xiàn)迭代器協(xié)議(__iter__()和__next__()方法)的新類。在這個類中，需要自己管理變量的內(nèi)部狀態(tài)并更新它們。此外，當__next__()方法中沒有要返回的值時，需要拋出StopIteration異常。
有沒有更好的實現(xiàn)方式呢？答案是肯定的！這就是Python的生成器（Generator）解決方案。下面就來盤盤它。
何為生成器？
為了更高效的構(gòu)建自己的迭代器，在Python中對此有一個優(yōu)雅的解決方案，這是很值得高興的。Python所提供的生成器（Generator）是用來幫助我們輕松創(chuàng)建迭代器。Generator允許你聲明一個行為類似迭代器的函數(shù)，也就是說，它可以在for循環(huán)中使用。簡單言之，生成器（Generator）就是個返回迭代器對象的函數(shù)。因此，這也是創(chuàng)建迭代器的簡單方法。在創(chuàng)建迭代器時，你不需要考慮所需的所有工作（如迭代協(xié)議和內(nèi)部狀等），因為Generator將處理所有這些工作。
接下來，我們更進一步，輕松學懂Python中生成器是如何工作的以及如何定義它們。
定義生成器
如前一節(jié)所述，生成器是Python中一種特殊類型的函數(shù)。此函數(shù)不返回單個值，而是返回一個迭代器對象。在生成器函數(shù)中，返回值使用yield語句而不是return語句。下面定義一個簡單的生成器函數(shù)，代碼清單如下:
代碼清單片段-01
在上述清單中，我們定義一個生成器函數(shù)。該函數(shù)執(zhí)行yield語句而不是return關(guān)鍵字。yield語句使這個函數(shù)成為生成器。當我們調(diào)用這個函數(shù)時，它將返回(產(chǎn)生)一個迭代器對象。我們再來看看生成器的調(diào)用:
代碼清單片段-02
調(diào)用生成器，通常就跟創(chuàng)建對象類似，調(diào)用生成器函數(shù)，并賦給變量。
運行程序輸出結(jié)果如下：
Yielding First Item
A
Yielding Second Item
B
Yielding Last Item
C
在應用生成器代碼中，我們調(diào)用firstGenerator()函數(shù)，它是一個生成器，并返回一個迭代器對象。我們將這個迭代器命名為myIter。然后在這個迭代器對象上調(diào)用next()函數(shù)。在每次next()調(diào)用中，迭代器按各自的順序執(zhí)行yield語句并返回一個項。
根據(jù)規(guī)則，此生成器函數(shù)不應該包含return關(guān)鍵字。因為如果它包含，那么return語句將終止此函數(shù)，也就無從滿足迭代器的要求了。
現(xiàn)在，讓我們通過for循環(huán)的幫助來定義一個更具有實際意義的生成器。在本例中，我們將定義一個生成器，它將連續(xù)跟蹤生成從0開始的數(shù)字序列，直到給定的最大限制。
代碼清單如下：
代碼清單片段-03
運行程序輸出結(jié)果類似如下：
0
1
2
3
在上述清單中，我們定義一個生成器函數(shù)，它生成從0到給定數(shù)字的整數(shù)。正如所見，yield語句在for循環(huán)中。請注意，n的值自動存儲在連續(xù)的next()調(diào)用中。
有一點需要注意，在定義生成器時，返回值必須是yield語句，并不是說生成器不能出現(xiàn)return語句。只是通常把返回非None值return語句放在生成器最后，為StopIteration 異常添加附加信息，以便調(diào)用者處理。示例如下：
代碼清單片段-04
下面是未進行異常處理時運行程序輸出結(jié)果類似如下：
99
100
Traceback (most recent call last):
File "……", line 11, in
print(next(g))
StopIteration: 不支持大于100的數(shù)字生成！
若對程序進行了異常捕捉處理（try-except），顯示結(jié)果更簡明，自己運行試試看。
生成器與普通函數(shù)
如果一個函數(shù)至少包含一個yield語句，那么它就是生成器函數(shù)。如果需要，還可以包含其他yield或return語句。yield和return關(guān)鍵字都將從函數(shù)中返回一些東西。
return和yield關(guān)鍵字之間的差異對于生成器來說非常重要。return語句會完全終止函數(shù)，而yield語句會暫停函數(shù)，保存它的所有狀態(tài)，然后在后續(xù)的調(diào)用中繼續(xù)執(zhí)行。
我們調(diào)用生成器函數(shù)的方式和調(diào)用普通函數(shù)一樣。但在執(zhí)行過程中，生成器在遇到y(tǒng)ield關(guān)鍵字時暫停。它將迭代器流的當前值發(fā)送到調(diào)用環(huán)境，并等待下一次調(diào)用。同時，它在內(nèi)部保存局部變量及其狀態(tài)。
以下是生成器函數(shù)與普通函數(shù)不同的關(guān)鍵點:
- ü Generator函數(shù)返回(生成)一個迭代器對象。你無需擔心顯式地創(chuàng)建此迭代器對象，yield關(guān)鍵字為你做了這個工作。
- ü Generator函數(shù)必須包含至少一個yield語句。如果需要，它可能包括多個yield關(guān)鍵字。
- ü Generator函數(shù)內(nèi)部實現(xiàn)迭代器協(xié)議(iter()和next()方法)。
- ü Generator函數(shù)自動保存局部變量及其狀態(tài)。
- ü Generator函數(shù)在yield關(guān)鍵字處暫停執(zhí)行，并將控制權(quán)傳遞給調(diào)用者。
- ü Generator函數(shù)在迭代器流沒有返回值時自動引發(fā)StopIteration異常。
我們用一個簡單的例子來演示普通函數(shù)和生成器函數(shù)之間的區(qū)別。在這個例子中，我們要計算前n個正整數(shù)的和。為此，我們將定義一個函數(shù)，該函數(shù)給出前n個正數(shù)的列表。我們將以兩種方式實現(xiàn)這個函數(shù)，一個普通函數(shù)和一個生成器函數(shù)。
普通函數(shù)代碼如下：
代碼清單片段-05
運行程序輸出結(jié)果類似如下：
49999995000000
Elapsed Time in seconds: 1.2067763805389404
在代碼清單中，我們定義一個普通函數(shù)，它返回前n個正整數(shù)的列表。當我們調(diào)用這個函數(shù)時，它需要一段時間來完成執(zhí)行，因為它創(chuàng)建的列表非常龐大。它還使用了大量內(nèi)存來完成此任務。
現(xiàn)在讓我們?yōu)橄嗤牟僮鞫x一個生成器函數(shù)來實現(xiàn)，代碼清單如下:
代碼清單片段-06
運行程序結(jié)果類似如下：
49999995000000
（生成器模式）Elapsed Time in seconds: 1.0013225078582764
正如在生成器清單中所見，生成器在更短的時間內(nèi)完成相同的任務，并且使用更少的內(nèi)存資源。因為生成器是一個一個地生成項，而不是返回完整的列表。
性能改進的主要原因(當我們使用生成器時)是值的惰性生成。這種按需值生成的方式，會降低內(nèi)存使用量。生成器的另一個優(yōu)點是，你不需要等到所有元素都生成后才開始使用它們。
生成器表達式
有時候，我們需要簡單的生成器來執(zhí)行代碼中相對簡單的任務。這正是生成器表達式（Generator Expression）用武之地?？梢允褂蒙善鞅磉_式輕松地動態(tài)創(chuàng)建簡單的生成器。
生成器表達式類似于Python中的lambda函數(shù)。但要記住，lambda是匿名函數(shù)，它允許我們動態(tài)地創(chuàng)建單行函數(shù)。就像lambda函數(shù)一樣，生成器表達式創(chuàng)建的是匿名生成器函數(shù)。
生成器表達式的語法看起來像一個列表推導式。不同之處在于，我們在生成器表達式中使用圓括號而不是方括號。請看示例:
運行結(jié)果類似如下：
49999995000000
（生成器模式）Elapsed Time in seconds: 1.0013225078582764
在上述清單中，我們在生成器表達式的幫助下定義了一個簡單的生成器。下面是語法:cubes_gen = (i**3 for i in nums)。你可以在輸出中看到生成器對象。正如所已經(jīng)知的，為了能夠在生成器中獲取項，我們要么顯式調(diào)用next()方法，要么使用for循環(huán)遍歷生成器。接下來就打印cubes_gen對象中的項:
運行程序，遍歷出的元素項結(jié)果是否和列表推導式一樣。
我們再看一個例子。來定義一個生成器，將字符串中的字母轉(zhuǎn)換為大寫字母。然后調(diào)用next()方法打印前兩個字母。代碼示例如下：
運行輸出結(jié)果如下：
M
A
生成器好處
生成器是非常棒的工具，特別是當需要在相對有限的內(nèi)存中處理大型數(shù)據(jù)時。以下是在Python中使用生成器的一些主要好處:
1）內(nèi)存效率:
假設有一個返回結(jié)果非常大序列的普通函數(shù)。例如，一個包含數(shù)百萬項的列表。你必須等待這個函數(shù)完成所有的執(zhí)行，并將整個列表返回給你。就時間和內(nèi)存資源而言，這顯然是低效的。另一方面，如果你使用生成器函數(shù)，它將一個一個地返回項，你將有機會繼續(xù)執(zhí)行下一行代碼。而不需要等待函數(shù)執(zhí)行列表中的所有項。因為生成器一次只給你一項。
2）延遲計算:
生成器提供了延遲(惰性)計算求值的功能。延遲計算是在真正需要值時計算值，而不是在實例化時計算值。假設你有一個大數(shù)據(jù)集要計算，延遲計算允許你在整個數(shù)據(jù)集仍在計算生成中可立即開始使用數(shù)據(jù)。因為如果使用生成器，則不需要整個數(shù)據(jù)集。
3）易實現(xiàn)和可讀性:
生成器非常容易實現(xiàn)，并且提供了好的代碼可讀性。記住，如果你使用生成器，你不需要擔心__iter__()和__next__()方法。你所需要的只是函數(shù)中一個簡單的yield語句。
4）處理無限流:
當你需要表示無限的數(shù)據(jù)流時，生成器是非常棒的工具。例如，一個無限計數(shù)器。理論上，你不能在內(nèi)存中存儲無限流的，因為你無法確定存儲無限流需要多少的內(nèi)存大小。這是生成器真正發(fā)揮作用的地方，因為它一次只產(chǎn)生一項，它可以表示無限的數(shù)據(jù)流。它不需要將所有的數(shù)據(jù)流存儲在內(nèi)存中。
本文小結(jié)
主要介紹了生成器相關(guān)知識，用于更好的自定義迭代器。內(nèi)容包括何為生成器？如何自定義生成器以及和普通函數(shù)的關(guān)鍵區(qū)別？如何實現(xiàn)生成器表達式？并總結(jié)了生成器的有點。通過這篇文章，相信你能更輕松高效的掌握Python常規(guī)的生成器方方面面。
分享標題：Python編程：如何搞定生成器（Generator）及表達式？來盤它！
URL網(wǎng)址：http://www.5511xx.com/article/djipdjp.html
