Python-生成器

简介: Python-生成器

什么是生成器


通过列表生成式,我们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100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。


所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间。在Python中,这种一边循环一边计算的机制,称为生成器:generator。


如何创建生成器


Part1


第一种方法很简单,只要把一个列表生成式的[]改成(),就创建了一个generator:


# 例如:g = (_ for _ in range(11))# 直接打印为地址值# print(g)# <generator object <genexpr> at 0x111cd33c0>print(next(g))  # 0print(next(g))  # 1print(next(g))  # 2print(next(g))  # 3print(next(g))  # 4# 以上遍历过于繁琐,所以我们在实际运用中直接使用for循环遍历。如下:# 在Python中,这种一边循环一边计算的机制,称为生成器:generatorfor gin in g:
    print(gin, end=" ")# 0 1 2 3 4 5 6 7 8 9 10


将列表生成式的[]改成(),就创建了一个generator。那么列表生成式中可以使用三目运算 if。。。来加入赛选条件。那么生成器是否也可以使用三目运算 if。。。这种来达到赛选的目的呢?答案当然是可以的,如下


# 例如:g1 = (_ ** 3 for _ in range(11) if (_ & 1) == 0)
g2 = (_ ** 3 for _ in range(11) if (_ % 2) == 0)for gin in g1:
    print(gin, end=" ")# 0 8 64 216 512 1000


Part2


第二种,在函数中使用yeild关键字,使之成为一个生成器。例如


# 这里以斐波那契额数列为例子# 著名的斐波拉契数列(Fibonacci),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:1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来,但是,用函数把它打印出来却很容易,函数的书写如下:def fib(temp):
    n, a, b = 0, 0, 1
    while n < temp:
        print(b, end=" ")
        a, b = b, a + b
        n += 1fib(5)# 1 1 2 3 5生成器的写法如下:def fib(temp):
    n, a, b = 0, 0, 1
    while n < temp:        yield b
        a, b = b, a + b
        n += 1# 此处应为迭代for i in fib(5):
    print(i, end=" ")   # 1 1 2 3 5补充 使用 函数的方法解决斐波那契问题def fib(temp):
    n, a, b = 0, 0, 1
    for _ in range(1, temp + 1):
        a, b = b, a + b    return b
print(fib(5))


关键词retrunyield


retrun :关键词会将最终的结果返回


yield:迭代推导,返回值是从开始到结束


更深刻的理解解释可查阅此文章:https://www.jianshu.com/p/a3383b144eb6


以及到这里,个人建议您能回过头来。对关键词continue,与break进行复习。

目录
相关文章
|
25天前
|
存储 索引 Python
|
27天前
|
Python
Python生成器、装饰器、异常
【10月更文挑战第15天】
|
1月前
|
传感器 大数据 数据处理
深入理解Python中的生成器:用法及应用场景
【10月更文挑战第7天】深入理解Python中的生成器:用法及应用场景
38 1
|
1月前
|
存储 数据处理 Python
深入解析Python中的生成器:效率与性能的双重提升
生成器不仅是Python中的一个高级特性,它们是构建高效、内存友好型应用程序的基石。本文将深入探讨生成器的内部机制,揭示它们如何通过惰性计算和迭代器协议提高数据处理的效率。
|
16天前
|
存储 程序员 数据处理
深入理解Python中的生成器与迭代器###
本文将探讨Python中生成器与迭代器的核心概念,通过对比分析二者的异同,结合具体代码示例,揭示它们在提高程序效率、优化内存使用方面的独特优势。生成器作为迭代器的一种特殊形式,其惰性求值的特性使其在处理大数据流时表现尤为出色。掌握生成器与迭代器的灵活运用,对于提升Python编程技能及解决复杂问题具有重要意义。 ###
|
1月前
|
存储 大数据 数据处理
Python 中的列表推导式与生成器:特性、用途与区别
Python 中的列表推导式与生成器:特性、用途与区别
24 2
|
1月前
|
存储 大数据 Python
Python 中的列表推导式和生成器
Python 中的列表推导式和生成器
18 1
|
2月前
|
机器学习/深度学习 设计模式 大数据
30天拿下Python之迭代器和生成器
30天拿下Python之迭代器和生成器
20 3
|
1月前
|
存储 大数据 数据处理
理解Python中的生成器:高效迭代的秘密
【10月更文挑战第8天】理解Python中的生成器:高效迭代的秘密
33 0
|
1月前
|
存储 大数据 程序员
深入理解Python中的生成器
【10月更文挑战第8天】深入理解Python中的生成器
13 0