這篇文章主要介紹了Python中generator生成器和yield表達式的示例分析，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

在五常等地區(qū)，都構建了全面的區(qū)域性戰(zhàn)略布局，加強發(fā)展的系統(tǒng)性、市場前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務理念，為客戶提供網(wǎng)站制作、成都網(wǎng)站建設 網(wǎng)站設計制作按需策劃設計,公司網(wǎng)站建設,企業(yè)網(wǎng)站建設,品牌網(wǎng)站設計,網(wǎng)絡營銷推廣,成都外貿網(wǎng)站建設公司,五常網(wǎng)站建設費用合理。

1. Iterator與Iterable

首先明白兩點：

• Iterator(迭代器)是可迭代對象;

• 可迭代對象并不一定是Iterator;

比較常見的數(shù)據(jù)類型list、tuple、dict等都是可迭代的，屬于collections.Iterable類型；

迭代器不僅可迭代還可以被內置函數(shù)next調用，屬于collections.Iterator類型；

迭代器是特殊的可迭代對象，是可迭代對象的一個子集。

將要介紹的gererator(生成器)是types.GeneratorType類型，也是collections.Iterator類型。

也就是說生成器是迭代器，可被next調用，也可迭代。

三者的包含關系：（可迭代（迭代器（生成器）））

• 迭代器：可用next()函數(shù)訪問的對象；

• 生成器：生成器表達式和生成器函數(shù)；

2. Python生成器

python有兩種類型的生成器：生成器表達式和生成器函數(shù)。

由于生成器可迭代并且是iterator，因此可以通過for和next進行遍歷。

2.1 生成器表達式

把列表生成式的[]改成()便得到生成器表達式。

>>> gen = (i + i for i in xrange(10))
>>> gen
<generator object <genexpr> at 0x0000000003A2DAB0>
>>> type(gen)
<type 'generator'>
>>> isinstance(gen, types.GeneratorType) and isinstance(gen, collections.Iterator) and isinstance(gen, collections.Iterable)
True
>>>

2.2 生成器函數(shù)

python函數(shù)定義中有關鍵字yield，該函數(shù)便是一個生成器函數(shù)，函數(shù)調用返回的是一個generator.

def yield_func():
  for i in xrange(3):
    yield i
gen_func = yield_func()
for yield_val in gen_func:
  print yield_val

生成器函數(shù)每次執(zhí)行到y(tǒng)ield便會返回，但與普通函數(shù)不同的是yield返回時會保留當前函數(shù)的執(zhí)行狀態(tài)，再次被調用時可以從中斷的地方繼續(xù)執(zhí)行。

2.3 next與send

通過for和next可以遍歷生成器，而send則可以用于向生成器函數(shù)發(fā)送消息。

def yield_func():
  for i in xrange(1, 3):
    x = yield i
    print 'yield_func',x
gen_func = yield_func()
print 'iter result: %d' % next(gen_func)
print 'iter result: %d' % gen_func.send(100)

結果：

iter result: 1
yield_func 100
iter result: 2

簡單分析一下執(zhí)行過程：

• line_no 5 調用生成器函數(shù)yield_func得到函數(shù)生成器gen_func；

• line_no 6 使用next調用gen_func，此時才真正的開始執(zhí)行yield_func定義的代碼；

• line_no 3 執(zhí)行到y(tǒng)ield i，函數(shù)yield_func暫停執(zhí)行并返回當前i的值1.

• line_no 6 next(gen_func)得到函數(shù)yield_func執(zhí)行到y(tǒng)ield i返回的值1，輸出結果iter result: 1；

• line_no 7 執(zhí)行gen_func.send(100);

• line_no 3 函數(shù)yield_func繼續(xù)執(zhí)行，并將調用者send的值100賦值給x;

• line_no 4 輸出調用者send接收到的值；

• line_no 3 執(zhí)行到y(tǒng)ield i，函數(shù)yield_func暫停執(zhí)行并返回當前i的值2.

• line_no 7 執(zhí)行gen_func.send(100)得到函數(shù)yield_func運行到y(tǒng)ield i返回的值2，輸出結果iter result: 2；

如果在上面代碼后面再加一行：

print 'iter result: %d' % next(gen_func)

結果：

iter result: 1
yield_func 100
iter result: 2
yield_func None
File "G:\Cnblogs\Alpha Panda\Main.py", line 22, in <module>
  print 'iter result: %d' % next(gen_func)
StopIteration

yield_func只會產(chǎn)生2個yield，但是我們迭代調用了3次，會拋出異常StopIteration。

next和send均會觸發(fā)生成器函數(shù)的執(zhí)行，使用for遍歷生成器函數(shù)時不要用send。原因后面解釋。

2.4 生成器返回值

使用了yield的函數(shù)嚴格來講已經(jīng)不是一個函數(shù)，而是一個生成器。因此函數(shù)中yield和return是不能同時出現(xiàn)的。

SyntaxError: 'return' with argument inside generator

生成器只能通過yield將每次調用的結果返回給調用者。

2.5 可迭代對象轉成迭代器

list、tuple、dict等可迭代但不是迭代器的對象可通過內置函數(shù)iter轉化為iterator，便可以通過next進行遍歷；

這樣的好處是可以統(tǒng)一使用next遍歷所有的可迭代對象；

tup = (1,2,3)
for ele in tup:
  print ele + ele

上面的代碼等價于：

tup_iterator = iter(tup)while True:
  try:
    ele = next(tup_iterator)
  except StopIteration:
    break
  print ele + ele

for循環(huán)使用next遍歷一個迭代器，混合使用send可能會導致混亂的遍歷流程。

其實到這里生成器相關的概念基本已經(jīng)介紹完成了，自己動手過一遍應該能弄明白了。為了更加深刻的體會生成器，下面我們在往前走一步。

3. range與xrange

在Python 2中這兩個比較常用，看一下兩者的區(qū)別：

• range為一個內置函數(shù)，xrange是一個類；

• 前者返回一個list，后者返回一個可迭代對象；

• 后者遍歷操作快于前者，且占用更少內存；

這里xrange有點類似于上面介紹的生成器表達式，雖然xrange返回的并不是生成器，但兩者均返回并不包含全部結果可迭代對象。

3.1 自定義xrange的Iterator版本

作為一個iterator:

The iterator objects themselves are required to support the following two methods, which together form the iterator protocol:

iterator.__iter__()
Return the iterator object itself. This is required to allow both containers and iterators to be used with the for and in statements. This method corresponds to the tp_iter slot of the type structure for Python objects in the Python/C API.

iterator.next()
Return the next item from the container. If there are no further items, raise the StopIteration exception. This method corresponds to the tp_iternext slot of the type structure for Python objects in the Python/C API.

下面我們自定義class my_xrange:

class my_xrange(object):
  def __init__(self, start, stop = None, step = 1):
    """ 僅僅為了演示，假設start, stop 和 step 均為正整數(shù) """
    self._start = 0 if stop is None else start
    self._stop = start if stop is None else stop
    self._step = step
    self._cur_val = self._start

  def __iter__(self):
    return self
  def next(self):
    if self._start <= self._cur_val < self._stop:
      cur_val = self._cur_val
      self._cur_val += self._step
      return cur_val
    raise StopIteration

測試結果：

import collections
myxrange = my_xrange(0, 10, 3)
res = []
for val in myxrange:
  res.append(val)
print res == range(0, 10, 3)　　　# True
print isinstance(myxrange, collections.Iterator)　　# Trueprint isinstance(myxrange, types.GeneratorType)　　# False

3.2 使用函數(shù)生成器

下面使用函數(shù)生成器定義一個generator版的xrange。

def xrange_func(start, stop, step = 1):
  """ 僅僅為了演示，假設start, stop 和 step 均為正整數(shù) """
  cur_val = start
  while start <= cur_val and cur_val < stop:
    yield cur_val
    cur_val += step

isinstance(myxrange, collections.Iterator) and isinstance(myxrange, types.GeneratorType) is True

上面兩個自定義xrange版本的例子，均說明生成器以及迭代器保留數(shù)列生成過程的狀態(tài)，每次只計算一個值并返回。這樣只要占用很少的內存即可表示一個很大的序列。

4. 應用

不管是迭代器還是生成器，對于有大量有規(guī)律的數(shù)據(jù)產(chǎn)生并需要遍歷訪問的情景均適用，占用內存少而且遍歷的速度快。其中一個較為經(jīng)典的應用為斐波那契數(shù)列(Fibonacci sequence)。

這里以os.walk遍歷目錄為例來說明yield的應用。如果我們需要遍歷一個根目錄下的所有文件并根據(jù)需要進行增刪改查?？赡軙龅较铝械膯栴}：

預先遍歷且緩存結果，但是目錄下文件可能很多，而且會動態(tài)改變；如果不緩存，多個地方可能會頻繁的需要訪問這一結果導致效率低下。

這時候可以使用yield定義一個生成器函數(shù)。

def get_all_dir_files(target_dir):
  for root, dirs, files in os.walk(target_dir):
    for file in files:
      file_path = os.path.join(root, file)
      yield os.path.realpath(file_path)
def file_factory(file):
  """ do something """
target_dir = './'
all_files = get_all_dir_files(target_dir)
for file in all_files:
  file_factory(file)

感謝你能夠認真閱讀完這篇文章，希望小編分享的“Python中generator生成器和yield表達式的示例分析”這篇文章對大家有幫助，同時也希望大家多多支持創(chuàng)新互聯(lián)，關注創(chuàng)新互聯(lián)行業(yè)資訊頻道，更多相關知識等著你來學習!

文章標題：Python中generator生成器和yield表達式的示例分析-創(chuàng)新互聯(lián)
URL網(wǎng)址：http://www.rwnh.cn/article16/jdpgg.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供商城網(wǎng)站、微信公眾號、ChatGPT、動態(tài)網(wǎng)站、響應式網(wǎng)站、搜索引擎優(yōu)化

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)