python -- 生成器，,在for循环中，每次

python -- 生成器，,在for循环中，每次

在for循环中，每次yield值后，控制权就返回给for循环

生成器类似于返回一个数组的函数。生成器有参数、可以被调用，并生成值的序列。和函数一次返回整个数组不同，生成器每次只是生成一个值，这样会占用很少的内存，并且调用者可以立即处理生成的值。概括来说，生成器看起来像个函数，但是使用起来像个迭代器。

Python提供的，在需要时才生成结果的工具：
-生成器函数：
　　使用def定义，但是每次使用yield生成返回值值、挂起、在继续运行。
-生成器表达式：
　　类似于列表推导，但不是创建一个结果列表，而是每次根据需要生成对象。

因为无论是生成器函数、还是生成器表达式都不是一次生成一个结果列表，这样可以节省内存空间，并将计算时间以迭代协议的方式切分开。

生成器函数：yield和return
生成器函数和常规函数有点类似，都是使用def定义。当创建后，自动实现迭代协议。
常规函数会返回值并退出。而迭代器函数返回一个值后会自动挂起、然后再次执行。
生成器函数和常规函数之间的主要区别是前者yield一个值，后者返回一个值。yield会挂起函数，返回一个值给调用者。

生成器是和迭代协议绑在一起的。可迭代的对象定义一个方法：__next__(),该方法要么返回迭代器的下一个值，要么抛出一个异常。

定义生成器的时候需要使用关键字：yield。

让我们来看个示例：

>>> def counter(n):print("counter()")while True:yield nprint("increment n")n += 1>>> c = counter(2)>>> c<generator object counter at 0x000000000246D480>>>> next(c)counter()2>>> next(c)increment n3>>> next(c)increment n4>>> c.next()increment n5>>> c.next()increment n6>>> 

1.关键字yield表明该函数不是一个常规函数，而是一个迭代器函数。
2.生成一个迭代器的实例，和调用常规函数类似。但是调用的时候并不真正执行函数代码。
3.counter()返回一个迭代器对象

比如，下面的迭代器生成数字的立方值

>>> def cubic_generator(n):for i in range(n):yield i**3>>> cg = cubic_generator(3)>>> cg<generator object cubic_generator at 0x0000000002A72CF0>>>> cg.next()0>>> cg.next()1>>> cg.next()8>>> cg.next()Traceback (most recent call last):  File "<pyshell#32>", line 1, in <module>    cg.next()StopIteration>>> 

在for循环中，每次yield值后，控制权就返回给for循环：

>>> for i in cubic_generator(5):print(i)0182764>>> 

如果用return代替yield：

>>> def cubic_generator(n):for i in range(n):return i**3>>> for i in cubic_generator(5):print(i)Traceback (most recent call last):  File "<pyshell#54>", line 1, in <module>    for i in cubic_generator(5):TypeError: ‘int‘ object is not iterable>>> cubic_generator(5)0>>>

使用生成器的示例1：

>>> def fib():limit = 10count = 0a,b = 0,1while True:yield aa,b = b,a+bif (count == limit):breakcount += 1>>> for i in fib():print(i)011235813213455>>> 

使用生成器实现斐波纳契数列：

>>> def fib(max):a,b = 0,1while a < max:yield aa,b = b,a+b>>> for i in fib(500):print (i)01123581321345589144233377>>> list(fib(500))[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377]>>> 

生成器表达式： 可推导的迭代器

迭代器和列表推导相结合，形成了一个新特性：生成器表达式。
生成器表达式和列表表达式类似，但是前者被小括号包含着，后者是用方括号包含的。

>>> #列表推导>>> [x**3 for x in range(5)][0, 1, 8, 27, 64]>>> >>> #生成器表达式>>> (x**3 for x in range(5))<generator object <genexpr> at 0x0000000002BE0798>>>> >>> list(x**3 for x in range(5))[0, 1, 8, 27, 64]>>> 

>>> gen=(x**3 for x in range(5))>>> gen.next()0>>> gen.next()1>>> gen.next()8>>> gen.next()27>>> gen.next()64>>> gen.next()Traceback (most recent call last):  File "<pyshell#17>", line 1, in <module>    gen.next()StopIteration>>> 

生成器：函数 vs 表达式

相同的迭代可以用生成器函数或生成器表达式实现。二者都可以自动迭代或手动迭代。

>>> gen = (c*5 for c in ‘pyhton‘)>>> list(gen)[‘ppppp‘, ‘yyyyy‘, ‘hhhhh‘, ‘ttttt‘, ‘ooooo‘, ‘nnnnn‘]>>> >>> def gen(x):for c in x:yield c*5>>> g=gen(‘python‘)>>> list(g)[‘ppppp‘, ‘yyyyy‘, ‘ttttt‘, ‘hhhhh‘, ‘ooooo‘, ‘nnnnn‘]>>> 

python -- 生成器