python——生成器

python——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。

　　要创建一个generator，有很多种方法。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：

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

　　创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

　　我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？

　　如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

　　我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

　　当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
...
0
1
4
9
16
25
36
49
64
81

　　所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

　　generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

　　比如，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：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return 'done'

　　注意，赋值语句：

a, b = b, a + b

　　相当于：

t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]

　　但不必显式写出临时变量t就可以赋值。

　　上面的函数可以输出斐波那契数列的前N个数：

>>> fib(6)
1
1
2
3
5
8
'done'

　　仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

　　也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

　　这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>　

　　这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时（即调用next()时）从上次返回的yield语句处继续执行。

　　举个简单的例子，定义一个generator，依次返回数字1，3，5：

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(5)

　　调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：

>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

　　可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。

　　回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。

　　同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8

　　但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

>>> g = fib(6)
>>> while True:
...     try:
...         x = next(g)
...         print('g:', x)
...     except StopIteration as e:
...         print('Generator return value:', e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

　　关于如何捕获错误，后面的错误处理还会详细讲解。

　

练习

　　杨辉三角定义如下：

          1
        1   1
      1   2   1
    1   3   3   1
  1   4   6   4   1
1   5   10  10  5   1

　　把每一行看做一个list，试写一个generator，不断输出下一行的list：

　　

　　代码：

 #练习：
 #生成杨辉三角

 '''

           1
         1   1
       1   2   1
     1   3   3   1
   1   4   6   4   1
   1   5   10  10  5   1
  '''
  #方法1
 print('Method1: ')
 def YH_Triangles1():
     lst=[1]        #第一行为1
     while 1:
         yield lst
         lst.append(0)    #先占位，然后修改相应位置上的竖直
         lst=[lst[i-1] + lst[i] for i in range(len(lst))]    #i从0开始，lst[-1]表示去lst最后一个元素

 g=YH_Triangles1()
 for n in range(10):        #range(10)代表从0到10（不包括10）
     print(next(g))

 print('------------------------------------------')

 #方法2
 print('Method2: ')
 def YH_Triangles2():
     lst=[1]
     while 1:
         yield lst
         lst.append(1)
         tmp=lst[:]        #只复制数值，不指向同一个对象
         length=len(lst) #获取lst的长度
         if length >2:    #长度大于2时，说明从第三行才开始满足条件进行for循环
             for i in range(1,length-1):        #range(1,lengh-1)表示从1到lengh-1（不包括lengh-1）
                 tmp[i]=lst[i-1]+lst[i]
             lst=tmp[:]

 n=0
 for t in YH_Triangles2():
     print(t)
     n+=1
     if n==10:
         break

 print('------------------------------------------')

 #方法3
 #------------------------------------------------------------------------------------------
         #拿第三行来举例
         #将已有行（此处为第二行）进行补0错位[1,1]-->[0,1,1]和[1,1,0]然后相加即可得到新一行。
         #这是在数学上使用技巧，可以简化代码。
 #------------------------------------------------------------------------------------------
 print('Method3: ')
 def YH_Triangles3():
     lst=[1]
     while 1:
         yield lst
         lst=[sum(i) for i in zip([0]+ lst,lst+[0])]

 '''
 zip([seql, ...])接受一系列可迭代对象作为参数，
 将对象中对应的元素打包成一个个tuple（元组），
 然后返回由这些tuples组成的list（列表）。
 若传入参数的长度不等，则返回list的长度和参数中长度最短的对象相同
 eg:
  >>> z1=[1,2,3]
  >>> z2=[4,5,6]
  >>> result=zip(z1,z2)
  >>> result
  >>>[(1, 4), (2, 5), (3, 6)]
  '''
 g=YH_Triangles3()
 for n in range(10):        #range(10)代表从0到10（不包括10）
     print(next(g))

 print('------------------------------------------')
 print('--------------------END-------------------')

　　运行结果：

　　

　　

小结

　　generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。

　　要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。

　　请注意区分普通函数和generator函数，普通函数调用直接返回结果：

>>> r = abs(6)
>>> r
6

　　generator函数的“调用”实际返回一个generator对象：

>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>