Python 高階篇!你所不會的這裡都有!
1、什麼是生成器?
通過列表生成式,我們可以直接建立一個列表。但是,受到記憶體的限制,列表的容量肯定是有限的。而且,建立一個包含100萬個的列表,不僅佔用很大的儲存空間,如果我們僅僅需要訪問前面幾個元素,那麼後面的絕大部分的元素所佔用的空間都白白浪費了。那麼我們是否可以在迴圈的過程中不斷推算出後續的元素呢?這樣子就不必要建立完整的list了,從而節省了大量的空間。在pythoin中,這種一邊迴圈一邊計算的機制,就是生成器。
進群:960410445 即可獲取書十套PDF!
2、建立生成器方法1
In [3]: L = [x *2 for x in range(5)]
In [4]: L
Out[4]: [0, 2, 4, 6, 8]
In [5]: G = (x *2 for x in range(5))
In [6]: G
Out[6]: <generator object <genexpr> at 0x7f8851d88c50>
In [7]:
建立 L 和 G 的區別僅在於最外層的 [ ] 和 ( ) , L 是一個列表,而 G 是一個生成器。我們可以直接打印出L的每一個元素,但我們怎麼打印出G的每一個元素呢?如果要一個一個打印出來,可以通過 next() 函式獲得生成器的下一個返回值:
In [7]: next(G)
Out[7]: 0
In [8]: next(G)
Out[8]: 2
In [9]: next(G)
Out[9]: 4
In [10]: next(G)
Out[10]: 6
In [11]: next(G)
Out[11]: 8
In [12]: next(G)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-12-b4d1fcb0baf1> in <module>()
----> 1 next(G)
StopIteration:
In [13]: G = (x *2 for x in range(5))
In [14]: for x in G:
...: print(x)
...:
0
2
4
6
8
In [15]:
生成器儲存的是演算法,每次呼叫 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,丟擲 StopIteration 的異常。當然,這種不斷呼叫 next() 實在是太變態了,正確的方法是使用 for 迴圈,因為生成器也是可迭代物件。所以,我們建立了一個生成器後,基本上永遠不會呼叫 next() ,而是通過 for 迴圈來迭代它,並且不需要關心 StopIteration 異常。
3、建立生成器方法2
generator非常強大。如果推算的演算法比較複雜,用類似列表生成式的 for 迴圈無法實現的時候,還可以用函式來實現。
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,用函式把它打印出來卻很容易:
In [15]: def fib(items):
...: n = 0
...: a,b = 0,1
...: while n <items:
...: print(b)
...: a,b = b, a+b
...: n += 1
...: return 'done'
...:
...:
In [16]: fib(5)
1
1
2
3
5
Out[16]: 'done'
仔細觀察,可以看出,fib函式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,上面的函式和generator僅一步之遙。要把fib函式變成generator,只需要把print(b)改為yield b就可以了:
In [19]: def fib(times):
...: n = 0
...: a, b = 0,1
...: while n < times:
...: yield b
...: a,b = b,a+b
...: n += 1
...: return 'done'
In [20]: F = fib(5)
In [21]: next(F)
Out[21]: 1
In [22]: next(F)
Out[22]: 1
In [23]: next(F)
Out[23]: 2
In [24]: next(F)
Out[24]: 3
In [25]: next(F)
Out[25]: 5
In [26]: next(F)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-26-372178f5f53b> in <module>()
----> 1 next(F)
StopIteration: done
在上面fib 的例子,我們在迴圈過程中不斷呼叫 yield ,就會不斷中斷。當然要給迴圈設定一個條件來退出迴圈,不然就會產生一個無限數列出來。同樣的,把函式改成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 迴圈來迭代:
In [28]: for i in fib(5):
...: print(i)
...:
1
1
2
3
5
但是用for迴圈呼叫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:
In [29]: g = fib(5)
In [30]: while True :
...: try :
...: x = next(g)
...: print("value : %d"%x)
...: except StopIteration as e:
...: print("生成器的返回值:%s"%e.value)
...: break
...:
value : 1
value : 1
value : 2
value : 3
value : 5
生成器的返回值:done
4、Send
舉個例子:執行到yield時,gen函式作用暫時儲存,返回i的值;temp接收下次c.send(“python”),send傳送過來的值,c.next()等價c.send(None)
In [32]: def gen():
...: i = 0
...: while i < 5:
...: temp = yield i
...: print (temp)
...: i += 1
使用next函式
In [33]: f = gen()
In [34]: next(f)
Out[34]: 0
In [35]: next(f)
None
Out[35]: 1
In [36]: next(f)
None
Out[36]: 2
In [37]: next(f)
None
Out[37]: 3
In [38]: next(f)
None
Out[38]: 4
In [39]: next(f)
None
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-39-aff1dd02a623> in <module>()
----> 1 next(f)
StopIteration:
使用__next__()方法
In [40]: f = gen()
In [41]: f.__next__()
Out[41]: 0
In [42]: f.__next__()
None
Out[42]: 1
In [43]: f.__next__()
None
Out[43]: 2
In [44]: f.__next__()
None
Out[44]: 3
In [45]: f.__next__()
None
Out[45]: 4
In [46]: f.__next__()
None
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-46-dcf180275632> in <module>()
----> 1 f.__next__()
StopIteration:
使用send
In [47]: f = gen()
In [48]: f.__next__()
Out[48]: 0
In [49]: f.send("haoxiang")
haoxiang
Out[49]: 1
In [50]: f.__next__()
None
Out[50]: 2
In [51]: f.send("叄研良語")
叄研良語
Out[51]: 3
5、生成器小總結
生成器是這樣一個函式,它記住上一次返回時在函式體中的位置。對生成器函式的第二次(或第 n 次)呼叫跳轉至該函式中間,而上次呼叫的所有區域性變數都保持不變。
生成器不僅“記住”了它資料狀態;生成器還“記住”了它在流控制構造(在指令式程式設計中,這種構造不只是資料值)中的位置。
生成器的特點:
1、節約記憶體
2、迭代到下一次的呼叫時,所使用的引數都是第一次所保留下的,即是說,在整個所有函式呼叫的引數都是第一次所呼叫時保留的,而不是新建立的
6、迭代器的基本概念
迭代器是訪問集合元素的一種方式。迭代器是一個可以記住遍歷位置的物件。迭代器物件從集合的第一個元素開始訪問,知道元素被訪問結束。迭代器只能前進不能後退。
7、可迭代物件
以直接作用於for迴圈的資料型別可以有以下幾種:
一類是集合資料型別,比如list、tupple、dict、set、str等等。
一類是generator(生成器),包括生成器和帶yield的generator function
這些可以直接作用於for迴圈的物件統稱為可迭代物件:Iterable
8、判斷是否可以進行迭代
可以利用isinstance()判斷一個物件是否是Iterable:
In [52]: from collections import Iterable
In [53]: isinstance([], Iterable)
Out[53]: True
In [54]: isinstance('abc', Iterable)
Out[54]: True
In [55]: isinstance((x for x in range(100)), Iterable)
Out[55]: True
In [56]: isinstance(100, Iterable)
Out[56]: False
In [57]:
執行結果:
而生成器不但可以作用於 for 迴圈,還可以被 next() 函式不斷呼叫並返回下一個值,直到最後丟擲 StopIteration 錯誤表示無法繼續返回下一個值了。
9、迭代器
可以被next()函式呼叫並不斷返回下一個值的物件稱為迭代器:Iterator。
可以使用 isinstance() 判斷一個物件是否是 Iterator 物件:
In [57]: from collections import Iterator
In [58]: isinstance((x for x in range(10)), Iterator)
Out[58]: True
In [59]: isinstance([], Iterator)
Out[59]: False
In [60]: isinstance('abc', Iterator)
Out[60]: False
In [61]: isinstance(100, Iterator)
Out[61]: False
In [62]:
10、iter()函式
生成器都是Iterator物件,但是list、dict、str雖然是可以迭代的,但是他們不是迭代器
把 list 、 dict 、 str 等 Iterable 變成 Iterator 可以使用 iter() 函式:
In [62]: isinstance(iter([]), Iterator)
Out[62]: True
In [63]: isinstance(iter('abc'), Iterator)
Out[63]: True
11、迭代器總結
凡是可作用於 for 迴圈的物件都是 Iterable 型別;
凡是可作用於 next() 函式的物件都是 Iterator 型別
集合資料型別如 list 、 dict 、 str 等是 Iterable 但不是 Iterator ,不過可以通過 iter() 函式獲得一個 Iterator 物件。