python下yield(生成器)

简介: python下的协程: 1 #encoding=utf-8 2 """ 3 协程----微小的进程 4 yield生成器-----生成一个可迭代对象比如list, tuple,dir 5 1、包含yield的函数,则是一个可迭代对象(list, tuple等) 6 每次运...

python下的协程:

 1 #encoding=utf-8
 2 """
 3 协程----微小的进程
 4 yield生成器-----生成一个可迭代对象比如list, tuple,dir
 5 1、包含yield的函数,则是一个可迭代对象(list, tuple等)
 6 每次运行到yield即结束,并保留现场
 7 2、生产者、消费者行为;
 8 
 9 3、无需立即执行,需要时才执行
10 """
11 
12 a = [1, 2, 3, 4]
13 for i in a:
14     print i 
15 
16 def test():
17     i = 0
18     a = 4
19     while i < a:
20         """
21         0
22         1
23         2
24         3
25         """
26         x = yield i 
27         i += 1
28         
29 t = test()
30 print t         #<generator object test at 0x0000000002541798>
31 print t.next()  #生成器的next()
32 print t.next()  #生成器的next()
33 print t.next()  #生成器的next()
34 print t.next()  #生成器的next()
35 #print t.next()  #StopIteration
36 
37 print  type(range(0, 5))  #<type 'list'>
38 print  type(xrange(0, 5)) #<type 'xrange'>
39 
40 def test2():
41     x = yield  "first, and return"
42     print "first %s"%x 
43     x = yield "second and return%s"%x
44     print "second %s"%x
45     x =  yield 
46     print x     #None,没有send
47     
48     
49 t = test2()
50 print t.next()
51 print t.send("try again")  #使用send()则x的值为send的参数,未使用send则x为空
52 print t.send("the second args")
53 
54 # 1 1 2 3 5 8 13
55 print  "=================="
56 def test3(num):
57     if num == 1:
58         yield num
59     i = 1
60     b = 1
61     while i < num:   
62         x = yield i 
63         
64         i = b + i
65                 
66 
67 for i in test3(13):
68     print i        
69 
70 
71 """
72 求100000之后的100个质数, 使用yield
73 """    
74 def  is_p(t_int):
75     if t_int > 1:
76         for i in xrange(2, t_int):
77             if t_int%i == 0:
78                 return False
79         return True
80     else:
81         return False
82 
83 def get_primes():
84     i = 10000
85     while True:
86         if is_p(i):
87             #x = yield i
88             yield i
89             i +=1
90         i += 1  
91 
92 t = get_primes()
93 for i in xrange(0, 100):
94     print t.next()

 

相关文章
|
11月前
|
人工智能 数据安全/隐私保护 Python
小红书图文生成器,小红书AI图文生成工具,python版本软件
Pillow库自动生成符合平台尺寸要求的配图7;3)利用Playwright实现自动化发布流程6。
|
开发者 Python
Python代码设计:使用生成器替代回调函数
本文探讨了在处理大文件时计算MD5值的实现方法,并展示了如何通过回调函数、生成器和类等方式输出进度。首先介绍了通过回调函数更新进度的方式,然后优化为使用生成器简化调用者代码,最后对比了两种方式的优缺点。虽然生成器使代码更简洁,但在异常处理上不如回调函数灵活。作者通过实例分析,帮助开发者根据需求选择合适的方式。
239 16
|
11月前
|
数据采集 NoSQL 调度
当生成器遇上异步IO:Python并发编程的十大实战兵法
本文通过十大实战场景,详解Python中生成器与异步IO的高效结合。从协程演进、背压控制到分布式锁、性能剖析,全面展示如何利用asyncio与生成器构建高并发应用,助你掌握非阻塞编程核心技巧,提升I/O密集型程序性能。
397 0
|
9月前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
424 2
|
10月前
|
传感器 数据采集 监控
Python生成器与迭代器:从内存优化到协程调度的深度实践
简介:本文深入解析Python迭代器与生成器的原理及应用,涵盖内存优化技巧、底层协议实现、生成器通信机制及异步编程场景。通过实例讲解如何高效处理大文件、构建数据流水线,并对比不同迭代方式的性能特点,助你编写低内存、高效率的Python代码。
365 0
|
9月前
|
大数据 数据处理 数据安全/隐私保护
Python3 迭代器与生成器详解:从入门到实践
简介:本文深入解析Python中处理数据序列的利器——迭代器与生成器。通过通俗语言与实战案例,讲解其核心原理、自定义实现及大数据处理中的高效应用。
432 0
|
11月前
|
存储 API 数据库
自动发短信的软件,批量自动群发短信,手机号电话号生成器【python框架】
这个短信群发系统包含以下核心功能: 随机手机号生成器(支持中国号码) 批量短信发送功能(使用Twilio API)
|
12月前
|
数据采集 搜索推荐 调度
当生成器遇上异步IO:Python并发编程的十大实战兵法
生成器与异步IO是Python并发编程中的两大利器,二者结合可解决诸多复杂问题。本文通过十个真实场景展示其强大功能:从优雅追踪日志文件、API调用流量整形,到实时数据流反压控制、大文件分片处理等,每个场景都体现了生成器按需生成数据与异步IO高效利用I/O的优势。两者配合不仅内存可控、响应及时,还能实现资源隔离与任务独立调度,为高并发系统提供优雅解决方案。这种组合如同乐高积木,虽单个模块简单,但组合后却能构建出复杂高效的系统。
253 0
|
存储 索引 Python
Python生成器、装饰器、异常(2)
【10月更文挑战第16天】
268 1
Python生成器、装饰器、异常(2)
|
大数据 数据处理 开发者
Python中的迭代器和生成器:不仅仅是语法糖####
本文探讨了Python中迭代器和生成器的深层价值,它们不仅简化代码、提升性能,还促进了函数式编程风格。通过具体示例,揭示了这些工具在处理大数据、惰性求值及资源管理等方面的优势。 ####

推荐镜像

更多