python 生成器

1.生成器

生成器的概念要比迭代器稍显复杂，因为生成器是能够返回一个迭代器的函数，其最大的作用是将输入对象返回为一个迭代器。Python中使用了迭代的概念，是因为当需要循环遍历一个较大的对象时，传统的内存载入方式会消耗大量的内存，不如需要时读取一个元素的方式更为经济快捷。

生成器是一次生成一个值的特殊类型函数（特殊的迭代器）。可以将其视为可恢复函数。调用该函数将返回一个可用于生成连续 x 值的生成器Generator。

有两点要先明确：

任意生成器都是迭代器（反之，不成立）
任意生成器，都是一个可以延迟创建值的工厂（可控性）
生成器的创建

将列表生成式中[]改成()
通过列表生成式，可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含百万元素的列表，不仅是占用很大的内存空间，如：我们只需要访问前面的几个元素，后面大部分元素所占的空间都是浪费的。

因此，没有必要创建完整的列表（节省大量内存空间）。在Python中，我们可以采用生成器：边循环，边计算的机制—>generator

>>> L = [x*x for x in range(10)]>>> L[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]>>> g = (x*x for x in range(10))>>> g<generator object <genexpr> at 0x0000028F8B774200>

我们该怎么打印元素呢？

刚刚提到生成器是特殊的迭代器，可以通过next()内置函数来获得generator的下一个返回值：

>>> g = (x*x for x in range(10))>>> g<generator object <genexpr> at 0x0000028F8B774200>>>> next(g)0>>> next(g)1>>> next(g)4>>> next(g)9>>> next(g)16>>> next(g)25>>> next(g)36>>> next(g)49>>> next(g)64>>> next(g)81>>> next(g)Traceback (most recent call last):  File "<input>", line 1, in <module>StopIteration

generator是保存的算法，每次调用next()内置函数，才能计算出下一个元素，但一直这样，是不是有种崩溃的赶脚！

那种变态的方式肯定不能用的，正因为generator也是可迭代对象，我们可以使用for循环。

>>> g = (x*x for x in range(10))>>> for i in g:...     print(i)...     0149162536496481

这里使用for循环，没有出现异常情况，是和迭代器一样的，都是因为for循环的内部机制。

2.函数—关键字yield创建生成器

简单的说就是在函数的执行过程中，yield语句会把你需要的值返回给调用生成器的地方，然后退出函数，下一次调用生成器函数的时候又从上次中断的地方开始执行，而生成器内的所有变量参数都会被保存下来供下一次使用。

著名的斐波那契数列用列表生成式写不出来，但用函数很简单：

>>> def fib(max):    n, a, b = 0, 0, 1    while n < max:        print(b)        a, b = b, a + b        n = n + 1    return 'done'>>> fib(6)112358'done'

斐波那契数列的推算规则非常类似generator，也就是说上面的函数和generator无限接近了，只需要把print(b)改成yield b就行：

>>> def fib(max):    n, a, b = 0, 0, 1    while n < max:        yield b        a, b = b, a + b        n = n + 1    return 'done'>>> f = fib(6)>>> f<generator object fib at 0x0000022C041D4360>

懵逼状态：函数和generator执行流程不一样。函数时顺序执行，遇到return语句或者最后一行函数语句就结束，而generator在每次执行next()时，遇到yield语句返回，再次执行时会从上次返回的yield语句处继续执行。

举个简单的生成器例子：

>>> def odd():    print('step 1')    yield 1    print('step 2')    yield(3)    print('step 3')    yield(5)>>> o = odd()>>> next(o)step 11>>> next(o)step 23>>> next(o)step 35>>> next(o)Traceback (most recent call last):  File "<input>", line 1, in <module>StopIteration

小结：

生成器对象就是一种特殊的迭代器，满足迭代器协议，可以调用next()内置函数；对生成器for 循环时，调用iter()方法返回了生成器对象，然后再不断next()迭代，而iter()和next()都是在yield内部实现的。
生成器创建方式：常见两种（列表生成式、函数关键字）