Python生成器

在本文中，將學習如何使用Python生成器來創建迭代，瞭解它與迭代器和常規函數有什麼區別，以及爲什麼要使用它。

在Python中構建迭代器有很多開銷; 必須使用__iter__()和__next__()方法實現一個類，跟蹤內部狀態，當沒有值被返回時引發StopIteration異常。

Python生成器是創建迭代器的簡單方法。上面提到的所有開銷都由Python中的生成器自動處理。

簡單來說，生成器是返回一個可以迭代的對象(迭代器)的函數(一次一個值)。

如何在Python中創建生成器？

在Python中創建生成器是相當簡單的。它使用yield語句而不是return語句來定義，與正常函數一樣簡單。

如果函數包含至少一個yield語句(它可能包含其他yield或return語句)，那麼它將成爲一個生成器函數。 yield和return都將從函數返回一些值。

不同的是，return語句完全終止函數，但yield語句會暫停函數保存其所有狀態，並在以後的連續調用中繼續執行(有點像線程掛起的意思)。

生成器函數與正常函數的差異

下面列出的是生成器函數與正常函數的區別 -

生成器函數包含一個或多個yield語句。
當被調用時，它返回一個對象(迭代器)，但不會立即開始執行。
__iter__()和__next__()之類的方法將自動實現。所以可以使用next()迭代項目。
一旦函數退讓(yields)，該函數將被暫停，並將該控制權交給調用者。
局部變量及其狀態在連續調用之間被記住。
最後，當函數終止時，StopIteration會在進一步的調用時自動引發。

下面的例子用來說明上述所有要點。我們有一個名爲my_gen()的生成器函數和幾個yield語句。

#!/usr/bin/python3
#coding=utf-8

def my_gen():
    n = 1
    print('This is printed first, n= ', n)
    # Generator function contains yield statements
    yield n

    n += 1
    print('This is printed second, n= ', n)
    yield n

    n += 1
    print('This is printed at last, n= ', n)
    yield n

下面給出了交互式運行結果。在Python shell中運行它們以查看輸出 -

>>> # It returns an object but does not start execution immediately.
>>> a = my_gen()

>>> # We can iterate through the items using next().
>>> next(a)
This is printed first, n = 1
1
>>> # Once the function yields, the function is paused and the control is transferred to the caller.

>>> # Local variables and theirs states are remembered between successive calls.
>>> next(a)
This is printed second, n = 2
2

>>> next(a)
This is printed at last, n = 3
3

>>> # Finally, when the function terminates, StopIteration is raised automatically on further calls.
>>> next(a)
Traceback (most recent call last):
...
StopIteration
>>> next(a)
Traceback (most recent call last):
...
StopIteration

在上面的例子中需要注意的是，在每個調用之間函數會保持住變量n的值。
與正常函數不同，當函數產生時，局部變量不會被銷燬。此外，生成器對象只能重複一次。

要重新啓動該過程，需要使用類似於a = my_gen()的方法創建另一個生成器對象。

注意：最後要注意的是，可以直接使用帶有for循環的生成器。

這是因爲，for循環需要一個迭代器，並使用next()函數進行迭代。當StopIteration被引發時，它會自動結束。請查看這裏瞭解一個for循環是如何在Python中實際實現的。

# A simple generator function
def my_gen():
    n = 1
    print('This is printed first')
    # Generator function contains yield statements
    yield n

    n += 1
    print('This is printed second')
    yield n

    n += 1
    print('This is printed at last')
    yield n

# Using for loop
for item in my_gen():
    print(item)

當運行程序時，將輸出結果爲：

This is printed first
1
This is printed second
2
This is printed at last
3

具有循環的Python生成器

上面的例子沒有什麼用，我們研究它只是爲了瞭解在後臺發生了什麼。通常，生成器功能用具有適當終止條件的循環實現。

我們舉一個反轉字符串的生成器的例子 -

 length = len(my_str)
    for i in range(length - 1,-1,-1):
        yield my_str[i]

# For loop to reverse the string
# Output:
# o
# l
# l
# e
# h
for char in rev_str("hello"):
     print(char)def rev_str(my_str):

在這個例子中，使用range()函數使用for循環以相反的順序獲取索引。事實證明，這個生成函數不僅可以使用字符串，還可以使用其他類型的列表，元組等迭代。

Python生成器表達式

使用生成器表達式，可以輕鬆創建簡單的生成器。它使構建生成器變得容易。

與lambda函數一樣創建一個匿名函數，生成器表達式創建一個匿名生成函數。生成器表達式的語法與Python中的列表解析類似。但方圓[]替換爲圓括號()。

列表推導和生成器表達式之間的主要區別是：列表推導產生整個列表，生成器表達式一次生成一個項目。

它們是處理方式是懶惰的，只有在被要求時才能生產項目。因此，生成器表達式的存儲器效率高於等效列表的值。

# Initialize the list
my_list = [1, 3, 6, 10]

# square each term using list comprehension
# Output: [1, 9, 36, 100]
[x**2 for x in my_list]

# same thing can be done using generator expression
# Output: <generator object <genexpr> at 0x0000000002EBDAF8>
(x**2 for x in my_list)

我們可以看到，生成器表達式沒有立即生成所需的結果。相反，它返回一個發生器對象，並根據需要生成項目。

# Intialize the list
my_list = [1, 3, 6, 10]

a = (x**2 for x in my_list)
# Output: 1
print(next(a))

# Output: 9
print(next(a))

# Output: 36
print(next(a))

# Output: 100
print(next(a))

# Output: StopIteration
next(a)

生成器表達式可以在函數內部使用。當以這種方式使用時，圓括號可以丟棄。

>>> sum(x**2 for x in my_list)
146

>>> max(x**2 for x in my_list)
100

爲什麼在Python中使用生成器？

有幾個原因使得生成器成爲有吸引力。

1. 容易實現

與其迭代器類相比，發生器可以以清晰簡潔的方式實現。以下是使用迭代器類來實現2的冪次序的例子。

class PowTwo:
    def __init__(self, max = 0):
        self.max = max

    def __iter__(self):
        self.n = 0
        return self

    def __next__(self):
        if self.n > self.max:
            raise StopIteration

        result = 2 ** self.n
        self.n += 1
        return result

上面代碼有點長，可以使用一個生成器函數實現同樣的功能。

def PowTwoGen(max = 0):
    n = 0
    while n < max:
        yield 2 ** n
        n += 1

因爲，生成器自動跟蹤的細節，它更簡潔，更乾淨。

2.內存高效

返回序列的正常函數將在返回結果之前會在內存中的創建整個序列。如果序列中的項目數量非常大，這可是要消耗內存的。

序列的生成器實現是內存友好的，並且是推薦使用的，因爲它一次僅產生一個項目。

3. 表未無限流

生成器是表示無限數據流的絕佳媒介。無限流不能存儲在內存中，由於生成器一次只能生成一個項目，因此可以表示無限數據流。

以下示例可以生成所有偶數(至少在理論上)。

def all_even():
    n = 0
    while True:
        yield n
        n += 2

4.管道生成器

生成器可用於管理一系列操作，下面使用一個例子說明。

假設我們有一個快餐連鎖店的日誌文件。日誌文件有一列(第4列)，用於跟蹤每小時銷售的比薩餅數量，我們想算出在5年內銷售的總薩餅數量。

假設一切都是字符串，不可用的數字標記爲「N / A」。這樣做的生成器實現可以如下。

with open('sells.log') as file:
    pizza_col = (line[3] for line in file)
    per_hour = (int(x) for x in pizza_col if x != 'N/A')
    print("Total pizzas sold = ",sum(per_hour))

這種管道的方式是更高效和易於閱讀的。

Python教程

面向對象

高級部分

其它雜項