一，列表生成式

ls = [i*i for i in range(10)]
ls
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

ge = (i*i for i in range(10)) #將[]改為（）就是一個生成器
ge
<generator object <genexpr> at 0x0000000003389468>

二、生成器

通過列表生成式，我們可以直接創建一個列表。但是，受到內存限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素占用的空間都白白浪費了。

所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。

列表可以直接打印出來，也可以切片打印，那麽生成器如何打印呢？只有一個內置方法next，每次打印一個，不能跳躍，也不能回退，因為生成器只在調用的時候生成數據，也不會記住之前的

ge.__next__()
0
ge.__next__()
1

我們講過，generator保存的是算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。

當然，上面這種不斷調用next(g)實在是太變態了，正確的方法是使用for循環，因為generator也是可叠代對象：

1 ge = (i*i for i in range(10))
2 for
 
 n in ge:
3     print(n)

所以，我們創建了一個generator後，基本上永遠不會調用next()，而是通過for循環來叠代它，並且不需要關心StopIteration的錯誤。

generator非常強大。如果推算的算法比較復雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。

比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數列用列表生成式寫不出來，但是，用函數把它打印出來卻很容易：

1 def fib(max):
 
2     n, a, b = 0, 0, 1
3     while n < max:
4         print(b)
5         a, b = b, a + b
6         n = n + 1
7     return ‘done‘

註意，賦值語句：a, b = b, a + b

相當於：

t = (b, a + b) # t是一個tuple

fib = fib(10)
print(fib)

1
1
2
3
5
8
13
21
34
55
done

仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。

也就是說，上面的函數和generator僅一步之遙。要把fib函數變成generator，只需要把print(b)改為yield b就可以了：

 1 def fib(max):
 2     n, a, b = 0, 0, 1
 3     while n < max:
 4         # print(b)
 5         yield b
 6         a, b = b, a + b
 7         n = n + 1
 8     return ‘done‘
 9 f = fib(10)
10 print(f)

<generator object fib at 0x0000000000D40F10>

這樣fib(max）和f就是一個新的生成器，f表示這個生成器最多有10個值

這就是定義generator的另一種方法。如果一個函數定義中包含yield關鍵字，那麽這個函數就不再是一個普通函數，而是一個generator：

這裏，最難理解的就是generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行：比如第一次next執行到第五行就返回b = 1，第二個next，從第5行開始執行，到下次執行到yield，返回b = 2

data = fib(10)
print(data)

print(data.__next__())
print(data.__next__())
print("幹點別的事")
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())

#輸出

1
1
幹點別的事
2
3
5
8
13

在上面fib的例子，我們在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。

同樣的，把函數改成generator後，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for循環來叠代：

f = fib(5)
for i in f:
    print(i)

輸出：
1
1
2
3
5

但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：

 1 f = fib(5)
 2 while True:
 3     try:
 4         x = next(f)
 5         print(‘f:‘,x)
 6     except StopIteration as e:
 7         print(‘Generator return value:‘, e.value)
 8         break
 9 
10 輸出：
11 f: 1
12 f: 1
13 f: 2
14 f: 3
15 f: 5
16 Generator return value: done

擴展：通過yield實現在單線程的情況下實現並發運算的效果

 1 import time
 2 def consumer(name):     #此函數代表顧客吃包子
 3     print("%s 準備吃包子啦!" %name)
 4     while True:
 5        baozi = yield
 6 
 7        print("包子[%s]來了,被[%s]吃了!" %(baozi,name))
 8 
 9 
10 def producer(name):     #表示生產包子
11     c = consumer(‘A‘)   #定義生成器c
12     c2 = consumer(‘B‘)  #定義生成器c2
13     c.__next__()    #此時生成器c開始執行到yield處停止，期間打印 A準備吃包子了，此時baozi = yield = None
14     c2.__next__()   #此時生成器c2開始執行到yield處停止，期間打印 B準備吃包子了，此時baozi = yield = None
15     print("老子開始準備做包子啦!")
16     for i in range(10):
17         time.sleep(1)
18         print("做了2個包子!")
19         c.send(i)   #cend方法將上次執行停止的生成器c喚醒繼續執行，並將i的值傳給yield，此時baozi = yield = 0
20         c2.send(i)
21 
22 producer("alex")

輸出：

 1 A 準備吃包子啦!
 2 B 準備吃包子啦!
 3 老子開始準備做包子啦!
 4 做了2個包子!
 5 包子[0]來了,被[A]吃了!
 6 包子[0]來了,被[B]吃了!
 7 做了2個包子!
 8 包子[1]來了,被[A]吃了!
 9 包子[1]來了,被[B]吃了!
10 做了2個包子!
11 包子[2]來了,被[A]吃了!
12 包子[2]來了,被[B]吃了!
13 做了2個包子!
14 包子[3]來了,被[A]吃了!
15 包子[3]來了,被[B]吃了!
16 。。。。。。。

python學習-day6-生成器（generator）