python中的推导式、生成器（一）：https://developer.aliyun.com/article/1495750
五, 生成器函数
#yield 类似于 return
共同点在于:执行到这句话都会把值返回出去
不同点在于:yield每次返回时,会记住上次离开时执行的位置 , 下次在调用生成器 , 会从上次执行的位置往下走
而return直接终止函数,每次重头调用.
yield 6 和 yield(6) 2种写法都可以 yield 6 更像 return 6 的写法 推荐使用
携程之所以能在不同任务里面切换，依赖的就是yield，能记住这次任务中执行的位置和状态，CPU切换时从上次位置往下走
“”"
#(1) 基本语法
def mygen(): print("111") yield 1 print("222") yield 2 print("333") yield 3
#初始化生成器函数 => 返回生成器对象 => 简称生成器
调用该函数的时候不会立即执行代码，而是返回了一个生成器对象；
当使用 next() (在 for 循环中会自动调用 next() ) 作用于返回的生成器对象时，函数 开始执行，在遇到 yield 的时候会『暂停』，并返回当前的迭代值；
当再次使用 next() 的时候，函数会从原来『暂停』的地方继续执行，直到遇到 yield语句，如果没有 yield 语句，则抛出异常；
# 第一次调用 res = next(gen) print(res) # 第二次调用 res = next(gen) print(res) # 第三次调用 res = next(gen) print(res) # 第四次调用 StopIteration error res = next(gen) print(res)
创建生成器方法：
(1)生成器表达式 (里面是推导式,外面用圆括号)
(2)生成器函数 (用def定义,里面含有yield)
调用方法：
1.使用生成器对象的实例方法 生成器.next()
2.使用Python内置方法 next(生成器)
# 第一次调用 print("111") yield 1 保存当前第13行代码的状态,把1返回,并且等待下一次调用 # 第二次调用 从上一次保存的位置13行往下走, print("222") yield 2 保存当前第16行代码的状态,把2返回,并且等待下一次调用 # 第三次调用 从上一次保存的位置16行往下走, print("333") yield 3 保存当前第19行代码的状态,把3返回,并且等待下一次调用 # 第四次调用 因为没有更多的yield 返回数据,所有停止迭代.出现报错异常.
#(2) 优化生成器代码
“”“生成器应用的场景是在大数据的范围中使用, 切记不可直接用for遍历所有,可能无法短时间内获取所有数据”“”
每次手动写yield 1…2…3…4…就太蠢了，需要优化
def mygen(): for i in range(1,101): yield i #初始化生成器函数 => 生成器 gen = mygen() print("<=====>") for i in range(30): num = next(gen) print("我的球衣号码是{}".format(num)) print("<=====>")
可以连续遍历：，号码从上次遍历结尾接着开始
for i in range(40):
num = next(gen)
print(“我的球衣号码是{}”.format(num))
#(3) send的使用方式 (给上一个yield发送数据)
#next和send区别:
next 只能取值
send 不但能取值,还能发送值，发送给yield
#send注意点:
第一个 send 不能给 yield 传值 默认只能写None
最后一个yield 接受不到send的发送值
def mygen(): print("start") res = yield "内部1" print(res,"<==内部==>") res = yield "内部2" print(res,"<==内部==>") res = yield "内部3" print(res,"<==内部==>") print("end") # 初始化生成器函数 => 生成器 gen = mygen() # 第一次调用生成器 """ 第一次调用生成器时,因为没有遇到yield保存的代码位置, 无法发送数据,默认第一次只能发送None """ res = gen.send(None) print(res,"<==外部==>") # 第二次调用生成器 res = gen.send("100") print(res,"<==外部==>") # 第三次调用生成器 res = gen.send("200") print(res,"<==外部==>") # 第四次调用生成器 """ error res = gen.send("300") print(res,"<==外部==>") """ """ 使用send调用生成器,第一次发送时必须是None,因为还没有遇到yield保存的代码位置 res = gen.send(None) 走到mygen生成器函数中 print("start") res = yield "内部1" 执行第80行 ,保存退出,记录当前代码位置,将 "内部1" 返回 在98行接受数据 res = "内部1" print(内部1,"<==外部==>") 第二次调用生成器 res = gen.send("100") 把100这个数据发送给上一次代码保存的位置80行进行接受. => 导致 80行 res = 100 打印81行 print(100 ,"<==内部==>") 执行83行 res = yield "内部2" 保存退出,记录当前代码位置,将 "内部2" 返回 执行102行 res = gen.send("100") => "内部2" print("内部2","<==外部==>")
依次类推 …
到第四次调用时, 因为没有更多的yield 返回数据,gen.send(300)无法接受到返回值,所以出现停止迭代 StopIteration的报错,程序终止;
send执行流程
send要想成功执行，第一次必须发送None，最后一次调用，要有对应层级的yield，也就是send个数少于等于yield个数
#(4) yield from 的使用
“”“将一个可迭代对象变成一个迭代器返回 “””
def mygen(): lst = ["张磊","李亚峰","刘一峰","王同培"] yield from lst #初始化生成器函数 gen = mygen() print(next(gen)) print(next(gen)) print(next(gen)) print(next(gen)) #print(next(gen)) # StopIteration
#(5) 斐波那契数列
使用生成器分段获取所有内容,而不是一股脑的把所有数据全部打印
1 1 2 3 5 8 13 21 34 …
def mygen(maxval): a,b = 0,1 i = 0 while i < maxval: # print(b) yield b a,b = b,a+b i += 1 # mygen(10) gen = mygen(10) # 第一次获取 for i in range(3): print(next(gen)) # 第二次获取 for i in range(5): print(next(gen))
使用生成器，可以分段获取，不用全部打印
