Python生成器以及yield语句

生成器是一种暂缓求值的技术，它可以用来生成一系列的值，但不会一次性生成所有的值，而只在需要的时候才计算和生成一个值。

通过yield语句构建生成器

要得到一个生成器，我们需要定义一个函数，这个函数返回一个生成器。这个函数与普通函数不同的地方在于，它使用 yield 来返回值。

下面这个函数返回一个生成器，该生成器用来产生斐波拉契数：

# fib函数返回一个生成器

def fib(max):

    a, b = 0, 1

    while a < max:

        yield a

        a, b = b, a + b

g = fib(10) # 此时斐波拉契数列还没有生成

# 每次调用生成器的next()方法，就计算下一个要返回的斐波拉契数

print g.next()

print g.next()

print g.next()

print g.next()

# 可以在循环中使用生成器

for f in fib(10):

    print f

yield语句用来返回当前的值，然后退出函数。生成器会记住当前的状态，当下次调用next()方法的时候，会从上次的状态开始，直到yield返回一个新的值。

一些内置函数以及Python的某些语句能够接受一个生成器，在需要的时候调用它的next()方法。

例如 for...in 语句：

for f in fib(100):

    print f

又比如内置的list()函数，可以接受一个生成器来得到一个新列表：

L = list(fib(100))

你当然也可以定义自己的函数，接受一个生成器，在函数内部调用这个生成器的next()方法获取它的值。

生成器表达式

如果觉得每次都要定义函数来返回生成器有点麻烦，那么 生成器表达式 能够让你仅用一个表达式就能得到一个生成器。

>>> g = (i for i in range(10)) # 生成器表达式

>>> g

<generator object <genexpr> at 0x103814410>

上面在两个括号中使用了类似循环的表达式，我们把这种括号语法叫生成器字面量，而括号里的表达式也就是生成器表达式。后面有更多各种字面量的介绍。

生成器表达式适合用在比较简单的情形下，就跟我们需要lambda表达式来快捷得到一个匿名函数一样。

生成器表达式是如此方便，它的适用范围绝不只是在字面量中，它可以直接作为函数的参数，这点在下面会讲到。

为什么使用生成器

生成器只有在每次调用它的next()方法的时候，才计算以及返回下一个值，这有利于节省内存空间。

例如要处理一个从0到9999的数据集合，我们可以先用range函数得到一个0到9999的列表，然后遍历这个列表逐个处理每个数字，但这样的话，直到我们处理完，这个长度为10000的列表会一直驻留在我们的内存中；但如果使用生成器，只有在每次处理的时候才会让生成器产生一个值，这显然有利于内存利用。

# 使用列表

L = [i for i in range(10000)]

for i in L:

    print i

# 使用生成器

g = (i for i in range(10000))

for f in g:

    print f

生成器表达式和列表综合

生成器表达式使用括号，而列表综合使用中括号。

>>> g = (i for i in range(10)) # 生成器表达式

>>> g

<generator object <genexpr> at 0x103814410>

>>> L = [i for i in range(10)] # 列表综合表达式

>>> L

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

>>s1 = {i for i in range(10)} # 集合综合

>>s1

>>set([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

列表综合只用在字面量表达式里，生成器表达式却可以作为函数参数。

    >>s2 = set(i for i in range(10))

    >>s2

    >>set([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

set()是一个内置函数，i for i in range(10)是生成器表达式，它返回一个生成器来作为 set 函数的实参。为了证明是返回了一个生成器，我们定义一个函数 get_set()，

>>> def get_set(g):

        print repr(g)

        print set(g)

>>get_set(i for i in range(10))

<generator object <genexpr> at 0x103914460>

set([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

我们在get_set函数中打印参数g，我们可以看到g确实是一个生成器。