生成器 | tia的学习笔记

1. 什么是generator

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，如果创建一个包含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。

如果可以先不创建完整的list，而是先创建一个东西，使得这个东西可以在循环的过程中计算出后面的元素，这样可以节省大量的空间。这个一边循环一边计算的机制，成为生成器：generator

2. 创建generator

<1> 第一种方法：把列表生成式的[]改成()

这里可以看到，函数gen_ner只是把gen_list最外层的[]改成了()，结果就是L是一个list，而g是一个generator

def gen_list():
    L = [x * x for x in range(10)]
    print(L)
#gen_list的输出结果为：
#[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]  
    
    
def gen_ner():
    g = (x * x for x in range(10))
    print(g)
#gen_ner()的输出结果为：
#<generator object gen_ner.<locals>.<genexpr> at 0x000002245435B970>


if __name__ == "__main__":
    gen_list()
    gen_ner()

从上面的结果可以看到，generator是一个对象，如何打印出放在里面的元素呢，可以一个一个用next()打印，不过用next的话有一个缺点是，需要不断地调用next去计算g的下一个元素（next(g)），这种方法不能指定需要的那个元素，而且在没有更多元素的时候，会抛出StopIteration的错误。

那么更便捷的方法是什么呢？用for循环打印：

def gen_ner():
    g = (x * x for x in range(10))
    for n in g:
        print(n)

      
if __name__ == "__main__":
    gen_ner()

2.1 例子（斐波拉契数列）

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, …

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


if __name__ == "__main__":
    fib(8)

执行结果是：
1
1
2
3
5
8
13
21

其中：a, b = b, a + b为赋值语句，相当于：

1
2
3

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，也就是说，a, b = b, a + b这句话的意思是：把a赋值给b，把b赋值给a+b。t只是作为一个中间变量出现，不用中间变量的时候可以直接赋值。

2.2 斐波拉契数列类似generator

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”2.1 例子（斐波拉契数列）“的函数和generator仅一步之遥。要把fib函数变成generator函数，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'


if __name__ == "__main__":
    f = fib(8)		#调用generator对象
    print(f)

1 2	运行的结果是： <generator object fib at 0x000001EAE925B970>

3. generator函数的执行顺序

普通函数是顺序执行，遇到return语句或者最后一行函数语句就返回。

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，例子如下：

先定义一个generator函数，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函数时，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函数，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。

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函数后，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：

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield 3
    print('step 3')
    yield 5
    yield 10


if __name__ == "__main__":
    for n in odd():
        print(n)

结果是：
step 1
1
step 2
3
step 3
5
10

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：

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


if __name__ == "__main__":
    g = odd()
    while True:
        try:
            x = next(g)
            print(x)
        except StopIteration as e:
            print('Generator return value:', e.value)
            break