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
|
8天前
|
存储 索引 Python
|
9天前
|
Python
Python生成器、装饰器、异常
【10月更文挑战第15天】
|
19天前
|
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
32 1
|
21天前
|
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。
|
26天前
|
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
14 2
|
27天前
|
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
12 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
19 3
|
18天前
|
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
28 0
|
18天前
|
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
9 0
|
2月前
|
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。