Python---生成器，,#生成器#通过列表生

Python---生成器，,#生成器#通过列表生

#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#创建一个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#如果列表元素可以按照某种算法推算出来，那我们可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间#Python中，这种一边循环一边计算的机制，称为生成器：generatorfromcollectionsimportIterable#创建一个listL=[x*xforxinrange(10)]print(‘L:‘,L)#创建一个generatorg=(x*xforxinrange(10))print(‘g:‘,g)#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#使用for打印generator的每一个元素,因为generator是可迭代对象print(‘查看g是否可迭代：‘,isinstance(g,Iterable))forning:print(n)#用函数打印斐波那契数列（用列表生成式写不出来）deffib(max):l=[]n,a,b=0,0,1whilen<max:l.append(b)a,b=b,a+bn=n+1returnlprint(‘fib(10):‘,fib(10))#把fib函数变成generator，只需把print(b)改为yieldb就可以了deffib(max):n,a,b=0,0,1whilen<max:yieldba,b=b,a+bn=n+1print(‘fib(20)forgenerator:‘,fib(10))fibList=[]foreinfib(10):fibList.append(e)print(‘fibList:‘,fibList)#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#generator和函数的执行顺序不一样#函数是顺序执行，遇到return语句或者最后一行就返回#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，再次执行时从上次返回的yield语句处继续执行#定义一个generator，依次返回数字1，3，5:defodd():print(‘step1‘)yield1print(‘step2‘)yield3print(‘step3‘)yield5#在调用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()print(next(o))print(next(o))print(next(o))#StopIteration#print(next(o))#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)就会报错#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

Python---生成器