生成器

• 在Python这门语言中，生成器毫无疑问是最有用的特性之一。与此同时，也是使用的最不广泛的Python特性之一

• 究其原因，主要是因为，在其他主流语言里面没有生成器的概念。正是由于生成器是一个“新”的东西，所以，它一方面没有引起广大工程师的重视，另一方面，也增加了工程师的学习成本，最终导致大家错过了Python中如此有用的一个特性。那到底什么是生成器呢？

• 有时候，序列或集合内的元素的个数非常巨大，如果全制造出来并放入内存，对计算机的压力是非常大的。

  • 比如，假设需要获取一个10**20次方如此巨大的数据序列，把每一个数都生成出来，并放在一个内存的列表内，如果使用这种粗暴的方式，你能确保你的计算机会有如此大的内存么？

  • 那么如果元素可以按照某种算法推算出来，需要该元素的话那就计算到哪个元素，那么就可以在循环的过程中不断推算出后续的元素，而不必创建完整的元素集合，从而节省大量的空间。在Python中，这种一边循环一边计算出元素的机制，称为生成器：generator。

  • 因此：生成器是一种特殊的迭代器，生成器自动实现了“迭代器协议”（即__iter__和next方法），不需要再手动实现两方法。

• 下面，我们一起来看看如何创建一个生成器！2种方式

  • 生成器推导式

  • yield关键字

• 生成器推导式：

• tup = (x for x in range(3))
  

  • 1

  • 可以通过next()函数获得generator的下一个返回值：

• next(tup)
  

  • 1

• 但更多情况下，我们使用for循环遍历生成器：

• for i in tup:
      print(i)
  

  • 1
  • 2

• yield关键字创建生成器

  • 在 Python中，使用yield返回的函数会变成一个生成器（generator）。 在调用生成器的过程中，每次遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行next()方法时从当前位置继续运行。下面重点理解yield关键字的使用：

    • yield 是一个类似 return 的关键字，只是这个函数返回的是个生成器

    • 当你调用这个函数的时候，函数内部的代码并不立马执行 ，这个函数只是返回一个生成器对象

    • 当你使用for进行遍历的时候或者调用next函数后，函数中的代码才会执行

  • 简单示例代码：函数体通过for循环结合yield返回一个生成器

  • def mySum():
        print('before')
        print('after')
        yield 'result'
    
    f = mySum()
    print(f,next(f))
    

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7

  • 思考：下述函数的执行结果是什么？

  • def yieldTest():
        i = 0
        while i < 3:
          temp = yield i 
          print(temp)
          i += 1
    

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

  • obj = yieldTest() #返回的生成器对象
    print(next(obj))
    

    • 1
    • 2

  • obj = yieldTest() #返回的生成器对象
    print(next(obj))
    print(next(obj))
    

    • 1
    • 2
    • 3

• for i in yieldTest():
      print(i)
  

  • 1
  • 2