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
|
4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。
|
4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。
139 0
|
7月前
|
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。
138 16
|
2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。
219 2
|
3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。
187 0
|
2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。
140 0
|
4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)
|
5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。
119 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】
166 1
Python生成器、装饰器、异常(2)
|
12月前
|
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