idning 2020-04-29
生成器 generator **
生成器指的是生成器对象,可以由生成器表达式得到,也可以使用 yield 关键字得到一个生成器函数,调用这个函数得到一个生成器对象。
生成器对象,是一个可迭代对象,是一个迭代器。
生成器对象,是延迟计算、惰性求值的。
# 生成器表达式m = (i for i in range(5)) print(type(m)) # <class ‘generator‘> print(next(m)) # 0 print(next(m)) # 1
1、生成器函数
函数体中包含 yield 语句的函数, 就是生成器函数,调用后返回生成器对象。
def inc(): for i in range(5): print(‘~‘ * 10) yield i # yield 语句,暂停函数执行 print(‘#‘ * 10) print(type(inc)) # 函数:<class ‘function‘> print(type(inc())) # 函数调用的类型:<class ‘generator‘> g = inc() print(next(g)) # 0 print(next(g)) # 1 暂停函数执行,拨一下、转一下 for x in g: print(x)
普通函数调用,函数会立即执行直到执行完毕。
生成器函数调用,并不会立即执行函数体,而是需要使用 next 函数来驱动生成器函数执行后获得的生成器对象。
生成器表达式和生成器函数都可以得到生成器对象,只不过生成器函数可以写的更加复杂的逻辑。
2、生成器的执行
def gen(): print(111111) yield 1 print(222222) yield 2 print(333333) return 3 # 结束当前函数 yield 4 g = gen() # 返回生成器对象,并不立即执行 print(next(g)) # 111111 # 1 print(next(g)) # 222222 # 2 print(next(g)) # 333333 # StopIteration: 3
def fn(): for i in range(5): yield i g = fn() for i in g: print(i) if next(g, None) is None: # next 缺省值 print(‘end‘)
在生成器函数中,可以多次 yield,每执行一次 yield 后会暂停执行,把 yield 表达式的值返回;
再次执行会执行到下一个 yield 语句又会暂停执行;
return 语句依然可以终止函数运行,但 return 语句的返回值不能被获取到;
return 会导致当前函数返回,无法继续执行,也无法继续获取下一个值, 抛出 Stoplteration 异常;
如果函数没有显式的 return 语句,如果生成器函数执行到结尾(相当于执行了return None),一样会抛出 Stoplteration 异常。
3、生成器函数总结
包含 yield 语句的生成器函数调用后,生成生成器对象的时候。生成器函数的函数体不会立即执行。
next(generator) 会从函数的当前位置向后执行到之后碰到的第一个 yield 语句, 会弹出值,并暂停函数执行。
再次调用 next 函数,和上一条一样的处理过程。
继续调用 next 函数,生成器函数如果结束执行了(显式或隐式调用了 return 语句),会抛出 Stoplteration 异常。
4、生成器应用
4.1 无限循环
def inc(): count = 0 while True: count += 1 yield count g = inc() # 可迭代对象、迭代器、生成器 print(next(g)) # 1 print(next(g)) # 2 print(next(g)) # 3
4.2 计数器
def counter(): count = 0 while True: count += 1 yield count def inc(c=counter()): # 引用类型 return next(c) # 返回生成器 print(inc.__defaults__) # inc.__defaults__ = (counter(),) print(inc()) # 1 print(inc()) # 2 print(inc()) # 3
def inc(): def counter(): count = 0 while True: count += 1 yield count c = counter() # 生成器对象 return lambda : next(c) # 匿名函数对象,闭包 #def fn(): # return next(c) #return fn g = inc() print(g()) # 1 print(g()) # 2 print(g()) # 3
4.3 斐波那契数列
def fib(): x, y = 0, 1 while True: yield y x, y = y, x + y f = fib() for i in range(10): print(next(f))
4.4 生成器交互
python 提供了一个和生成器对象交互的方法 send,该方法可以和生成器沟通。
def counter(): count = 0 while True: count += 1 response = yield count # 先算右边,暂停函数执行 if response is not None and isinstance(response, int): count = response c = counter() print(next(c)) # 1 print(next(c)) # 2 print(next(c)) # 3 print(c.send(100)) # 101 print(next(c)) # 102
# 重置计数器 def inc(): def counter(): count = 0 while True: count += 1 response = yield count if response is not None and isinstance(response, int): count = response c = counter() return lambda x = False : c.send(0) if x else next(c) # 闭包 foo = inc() print(foo()) # 1 print(foo()) # 2 print(foo()) # 3 print(foo(True)) # 1 print(foo()) # 2
调用 send 方法,就可以把 send 的实参传给 yield 语句做结果,这个结果可以在等式右边被赋值给其它变量。
send 和 next 一样可以推动生成器启动并执行。
4.5 协程 Coroutine
生成器的高级用法;
它比进程、线程轻量级,是在用户空间调度函数的一种实现;
Python3 asyncio 就是协程实现,已经加入到标准库;
Python3.5 使用 async、await 关键字直接原生支持协程;
协程调度器实现思路:
有2个生成器A、B,next(A) 后,A 执行到了 yield 语句暂停,然后去执行 next(B),B 执行到 yield 语句也暂停,然后再次调用 next(A),再调用 next(B),周而复始,就实现了调度的效果。
可以引入调度的策略来实现切换的方式,协程是一种非抢占式调度。
# 例:协程实现,分别调度计数器1、2 def counter(): count = 0 while True: count += 1 yield count c1 = counter() c2 = counter() for i in range(5): print(next(c1)) next(c2) print(next(c2)) # 执行结果: 1 2 # c2 2 4 # c2 3 6 # c2 4 8 # c2 5 10 # c2
5、yield from 语法
从 Python 3.3 开始增加了 yield from 语法,使得 yield from iterable 等价于for item in iterable: yield item。
yield from就是一种简化语法的语法糖。
def foo(): for i in range(5): yield i # 使用 yield from 语法简化 def foo(): yield from range(5)
本质上 yield from 的意思就是,从 from 后面的可迭代对象中拿元素一个个 yield 出去。