Python生成器

简介: 什么是生成器、生成器的作用、如何创建生成器

一、Python生成器介绍

1.什么是生成器

在Python中,使用了 yield 的函数被称为生成器(generator)。

跟普通函数不同的是,生成器是一个返回迭代器的函数(一次一个值),只能用于迭代操作,更简单点理解生成器就是一个迭代器

2.生成器的作用

内存占用少,节约资源(后面会有具体案例说明)。

二、创建生成器

创建生成器有两种方法,一种是把列表生成式的中括号[]改成小括号(),一种是函数中包含yield关键字。

1.列表生成式与生成器

# 列表生成式list_1= [x*xforxinrange(10)]
# 生成器# 把列表生成式的中括号[]改成小括号(),就成了生成器list_generator= (x*xforxinrange(10))

前面说了生成器的最大好处就是节约内存资源,下面打印一下列表list_1和生成器list_generator,对比一下他们的内存占用:

print(list_1.__sizeof__())  # 84字节print(list_generator.__sizeof__())  # 48字节

一个是84字节,一个是48字节,看起来并不明显,我们把range范围扩大到1000000,也就是包含一百万个元素,此时再来对比:

list_1= [x*xforxinrange(1000000)]
list_generator= (x*xforxinrange(1000000))
print(list_1.__sizeof__())  # 4348720字节print(list_generator.__sizeof__())  # 48字节

当range范围扩大到1000000后,列表list_1占用了4348720字节,而生成器list_generator仍然只占用了48字节(因为一次只取一个值)。因此可以得出结论:使用列表会一次性将元素都加载到内存中,占用大量的内存,如果内存不够的话,很可能还会出现Out Of Memory,而我们只需要访问部分元素,造成了大量的资源浪费;而使用生成器,因为一次只加载一个元素的缘故,所以会比较节约资源。

2.函数生成器

坦白讲,如果遇到比较复杂的算法,使用列表推导式写起来会比较麻烦,也不易于阅读,此时可以用函数来实现。例如,读取一个大文本文件:

defread_large_file(file):
withopen(file=file, encoding="utf8") asf:
lines=f.readlines()
forlineinlines:
yieldlineforiinread_large_file("c:/test_file.txt"):
print(i)

三、生成器的执行顺序

  • 带有 yield 的函数不再是一个普通函数,而是一个生成器generator。
  • yield相当于 return 返回一个值,并且记住这个返回值的位置,下次迭代时,代码从yield的下一条语句开始执行
# 生成器执行顺序defyield_order(n):
foriinrange(n):
print("i: ", i)
yieldi*2print("i = ", i)
print("done")
foriinyield_order(5):
print(i)
'''i: 00i = 0i: 12i = 1i: 24i = 2i: 36i = 3i: 48i = 4done'''

执行过程分析:

***第一次迭代i=0***i: 00

第一次迭代i=0,yield相当于return返回一个值0,并且记住这个返回值的位置i * 2,也就是0 * 2,乘积为0,所以在调用函数打印i的时候就是0

***第二次迭代i=1***i=0i: 12

第二次迭代i=1,yield相当于return返回一个值1,并且记住这个返回值的位置i * 2,也就是1 * 2,乘积为2,所以在调用函数打印i的时候就是2

第二次迭代会从yield的下一条语句开始执行也就是print("i = ", i),打印结果为:i = 0

***第三次迭代i=2***i=1i: 24

第三次迭代i=2,yield相当于return返回一个值2,并且记住这个返回值的位置i * 2,也就是2 * 2,乘积为4,所以在调用函数打印i的时候就是4

第三次迭代会从yield的下一条语句开始执行也就是print("i = ", i),打印结果为:i = 1

***第四次迭代i=3***i=4i: 36

第四次迭代i=3,yield相当于return返回一个值3,并且记住这个返回值的位置i * 2,也就是3 * 2,乘积为6,所以在调用函数打印i的时候就是6

第四次迭代会从yield的下一条语句开始执行也就是print("i = ", i),打印结果为:i = 2

***第五次迭代i=4***i=3i: 48i=4done

第五次迭代i=4,yield相当于return返回一个值4,并且记住这个返回值的位置i * 2,也就是4 * 2,乘积为8,所以在调用函数打印i的时候就是8

第三次迭代会从yield的下一条语句开始执行也就是print("i = ", i),打印结果为:i = 3

四、用生成器实现斐波那契数列

斐波那契数列(Fibonacci sequence),又称黄金分割数列,因数学家莱昂纳多·斐波那契(Leonardo Fibonacci)以兔子繁殖为例子而引入,故又称为“兔子数列”,指的是这样一个数列:1、1、2、3、5、8、13、21、34、……在数学上,斐波那契数列以如下被以递推的方法定义:F(0)=0,F(1)=1, F(n)=F(n - 1)+F(n - 2)(n ≥ 2,n ∈ N*)。

# 生成器实现斐波那契数列deffib(number):
"""number表示最大数量"""n, a, b=0, 0, 1whilen<number:
yieldba, b=b, a+bn=n+1foriinfib(5):
print(i)

小结

  • 使用yield的函数都是生成器函数,可以使用for循环获取值,也可以使用next获取生成器函数的值
  • 生成器仅仅保存了一套生成数值的算法,并且没有让这个算法现在就开始执行,而是什么时候调它,它什么时候开始计算一个新的值,并返回。
相关文章
|
11天前
|
并行计算 开发者 Python
高效利用Python中的生成器提高内存管理
在处理大量数据或执行复杂计算时,内存管理成为关键问题。Python中的生成器(Generators)提供了一种优雅的解决方案,通过惰性计算和节省内存的方式显著提高程序的效率。本文将探讨生成器的基本概念,实际应用场景,以及如何利用生成器优化内存使用和提高程序性能。
|
12天前
|
存储 程序员 数据处理
深入理解Python生成器及其应用
本文将探讨Python生成器的基本概念、工作原理及其在实际编程中的多种应用场景。通过实例解析,帮助读者更好地理解和掌握这一强大的编程工具。
|
1月前
|
算法 搜索推荐 数据处理
|
1月前
|
算法 Python
python函数递归和生成器
python函数递归和生成器
|
2月前
|
存储 Python
Python代码优化使用生成器(Generators)
【7月更文挑战第22天】
45 5
|
1月前
|
大数据 Python
Python理解与实现生成器 (Generators)
Python理解与实现生成器 (Generators)
13 0
|
2月前
|
存储 大数据 数据处理
优化Python中的数据处理效率:使用生成器提升性能
在Python编程中,有效的数据处理是提升性能和效率的关键。本文将探讨如何利用生成器(generator)优化数据处理过程,通过实例展示生成器如何在内存效率和执行速度上带来显著提升。
|
2月前
|
Python
python解包迭代器或生成器
【7月更文挑战第1天】
27 3
|
2月前
|
大数据 数据处理 Python
Python的生成器(Generator)
【7月更文挑战第2天】
32 1
|
3月前
|
数据处理 Python
从零开始学迭代器生成器:打造高效、易读的Python代码
从零开始学迭代器生成器:打造高效、易读的Python代码