python学习笔记之yield使用浅析
来源:互联网 发布:suse11 yum安装包 编辑:程序博客网 时间:2024/05/16 17:14
您可能听说过,带有 yield 的函数在 Python 中被称之为 generator(生成器),何谓 generator ?
我们先抛开 generator,以一个常见的编程题目来展示 yield 的概念。
如何生成斐波那契数列(1,1,2,3,5,8,13………)
斐波那契(Fibonacci)数列是一个非常简单的递归数列,除第一个和第二个数外,任意一个数都可由前两个数相加得到。用计算机程序输出斐波那契数列的前 N 个数是一个非常简单的问题,许多初学者都可以轻易写出如下函数:
清单 1. 简单输出斐波那契數列前 N 个数
def fib(max): n,a,b=0,0,1 while n<max: print(b) a,b=b,a+b n+=1
执行 fab(5),我们可以得到如下输出:
>>> fab(5)11235
结果没有问题,但有经验的开发者会指出,直接在 fab 函数中用 print 打印数字会导致该函数可复用性较差,因为 fab 函数返回 None,其他函数无法获得该函数生成的数列。
要提高 fab 函数的可复用性,最好不要直接打印出数列,而是返回一个 List。以下是 fab 函数改写后的第二个版本:
清单 2. 输出斐波那契数列前 N 个数第二版
def fib(max): n,a,b=0,0,1 L=[] while n<max: L.append(b) a,b=b,a+b n+=1 return L
可以使用如下方式打印出 fab 函数返回的 List:
>>> for n in fab(5):... print n...11235
改写后的 fab 函数通过返回 List 能满足复用性的要求,但是更有经验的开发者会指出,该函数在运行中占用的内存会随着参数 max 的增大而增大,如果要控制内存占用,最好不要用 List 来保存中间结果,而是通过 iterable 对象来迭代。
利用 iterable 我们可以把 fab 函数改写为一个支持 iterable 的 class,以下是第三个版本的 Fab:
清单 3. 第三个版本
class Fab(object): def __init__(self, max): self.max = max self.n, self.a, self.b = 0, 0, 1 def __iter__(self): return self def next(self): if self.n < self.max: r = self.b self.a, self.b = self.b, self.a + self.b self.n = self.n + 1 return r raise StopIteration()
Fab 类通过 next() 不断返回数列的下一个数,内存占用始终为常数:
>>> for n in Fab(5):... print n...11235
然而,使用 class 改写的这个版本,代码远远没有第一版的 fab 函数来得简洁。如果我们想要保持第一版 fab 函数的简洁性,同时又要获得 iterable 的效果,yield 就派上用场了:
清单 5. 使用 yield 的第四版
def fab(max): n, a, b = 0, 0, 1 while n < max: yield b # print b a, b = b, a + b n = n + 1
第四个版本的 fab 和第一版相比,仅仅把 print b 改为了 yield b,就在保持简洁性的同时获得了 iterable 的效果。
调用第四版的 fab 和第二版的 fab 完全一致:
>>> for n in fab(5):... print n...11235
简单地讲,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,调用 fab(5) 不会执行 fab 函数,而是返回一个 iterable 对象!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。
也可以手动调用 fab(5) 的 next() 方法(因为 fab(5) 是一个 generator 对象,该对象具有 next() 方法),这样我们就可以更清楚地看到 fab 的执行流程:
清单 6. 执行流程
>>> f = fab(5)>>> f.next()1>>> f.next()1>>> f.next()2>>> f.next()3>>> f.next()5>>> f.next()Traceback (most recent call last): File "<stdin>", line 1, in <module>StopIteration
当函数执行结束时,generator 自动抛出 StopIteration 异常,表示迭代完成。在 for 循环里,无需处理 StopIteration 异常,循环会正常结束。
我们可以得出以下结论:
一个带有 yield 的函数就是一个 generator,它和普通函数不同,生成一个 generator 看起来像函数调用,但不会执行任何函数代码,直到对其调用 next()(在 for 循环中会自动调用 next())才开始执行。虽然执行流程仍按函数的流程执行,但每执行到一个 yield 语句就会中断,并返回一个迭代值,下次执行时从 yield 的下一个语句继续执行。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 的好处是显而易见的,把一个函数改写为一个 generator 就获得了迭代能力,比起用类的实例保存状态来计算下一个 next() 的值,不仅代码简洁,而且执行流程异常清晰。
如何判断一个函数是否是一个特殊的 generator 函数?可以利用 isgeneratorfunction 判断:
清单 7. 使用 isgeneratorfunction 判断
>>> from inspect import isgeneratorfunction>>> isgeneratorfunction(fab)True
要注意区分 fab 和 fab(5),fab 是一个 generator function,而 fab(5) 是调用 fab 返回的一个 generator,好比类的定义和类的实例的区别:
清单 8. 类的定义和类的实例
>>> import types>>> isinstance(fab, types.GeneratorType)False>>> isinstance(fab(5), types.GeneratorType)True
fab 是无法迭代的,而 fab(5) 是可迭代的:
>>> from collections import Iterable>>> isinstance(fab, Iterable)False>>> isinstance(fab(5), Iterable)True
每次调用 fab 函数都会生成一个新的 generator 实例,各实例互不影响:
>>> f1 = fab(3)>>> f2 = fab(5)>>> print 'f1:', f1.next()f1: 1>>> print 'f2:', f2.next()f2: 1>>> print 'f1:', f1.next()f1: 1>>> print 'f2:', f2.next()f2: 1>>> print 'f1:', f1.next()f1: 2>>> print 'f2:', f2.next()f2: 2>>> print 'f2:', f2.next()f2: 3>>> print 'f2:', f2.next()f2: 5
- python学习笔记之yield使用浅析
- python学习笔记之yield
- Python 学习笔记之 -- yield
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield 使用浅析
- Python yield使用浅析
- python:变量和字符串
- HTML页面 css 怎么让内容自适应 出现拖动的滚动条
- SpringBoot常用注解
- hibernate检索分类
- 移动端(三)—— rem适配和flex适配
- python学习笔记之yield使用浅析
- Java中的异常
- bzoj1069 [SCOI2007]最大土地面积(凸包+旋转卡壳)
- Excel在统计分析中的应用—第九章—非参数检验-独立性检验(x2统计量简化公式应用)
- java 中的方法
- 优秀的无线AP产品,改变你的工作感受
- 【数据库】基础知识要点
- no python application found, check your startup logs for errors
- 在Oracle中查询表的大小、表的占用情况和表空间的大小