Python生成器

---

1 生成器

根据程序员制定的规则循环生成数据，当条件不成立时则生成数据结束。数据不是一次性全部生成处理，而是使用一个，再生成一个，可以节约大量的内存。

两种方式创建生成器

1. 生成器推导式
2. yield 关键字

2 生成器推导式方式创建生成器:

• 与列表推导式类似，只不过生成器推导式使用小括号

# 创建生成器
my_generator = (i * 2 for i in range(5))
print(my_generator)

# next获取生成器下一个值
# value = next(my_generator)
# print(value)

# 遍历生成器
for value in my_generator:
    print(value)
1
2
3
4
5
6
7
8
9
10
11

执行结果：

<generator object <genexpr> at 0x000001AF8E9C9510>
0
2
4
6
8
1
2
3
4
5
6

说明：

• 获取生成器下一个值得方法是调用next()
• 实际上是一个迭代器，因此可用for循环获取生成器值

3 yield 关键字创建生成器:

• 只要在def函数里面看到有 yield 关键字那么就是生成器

def my_g():
    for i in range(3):
        yield i


for i in my_g():
    print(i)
1
2
3
4
5
6
7

执行结果：

0
1
2

Process finished with exit code 0
1
2
3
4
5

说明：

• 获取下一个值时，会执行for循环到yield这一行，返回yield后面得值，并阻塞在这一行，获取下一个值时继续往下执行
• 生成器如果把数据生成完成，再次获取生成器中的下一个数据会抛出一个StopIteration 异常，表示停止迭代异常
• for 循环内部自动处理了停止迭代异常，相对于while语句，使用起来更加方便

4 斐波拉契数列（Fibonacci）使用生成器生成

def fibonacci(num):
    a = 0
    b = 1
    # 记录生成fibonacci数字的下标
    current_index = 0
    while current_index < num:
        result = a
        a, b = b, a + b
        current_index += 1
        # 代码执行到yield会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行
        yield result


fib = fibonacci(5)
# 遍历生成的数据
for value in fib:
    print(value)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

执行结果：

0
1
1
2
3

Process finished with exit code 0
1
2
3
4
5
6
7

5 生成器的send方法

generator.send(value)
恢复执行并向生成器函数“发送”一个值。 value 参数将成为当前 yield 表达式的结果。 send() 方法会返回生成器所产生的下一个值，或者如果生成器没有产生下一个值就退出则会引发 StopIteration。 当调用 send() 来启动生成器时，它必须以 None 作为调用参数，因为这时没有可以接收值的 yield 表达式。

def test():
    for i in range(5):
        sig = yield i
        print('send by:', sig)
 
 
a = test()
 
print(a.__next__()) # 运行生成器，在yield处停止
print(a.send('a'))  # 将“a”传递给sig变量，并在下一个yield处停止，返回1
print(a.send('b'))  # 将“b”传递给sig变量，并在下一个yield处停止，返回2
print(a.__next__()) #
1
2
3
4
5
6
7
8
9
10
11
12

执行结果：

0
send by: a
1
send by: b
2
send by: None
3
1
2
3
4
5
6
7