Python3.5迭代器与生成器用法实例分析

本文实例讲述了Python3.5迭代器与生成器用法。分享给大家供大家参考,具体如下:

1、列表生成式

通过列表生成式可以直接创建一个列表。代码:a = [i*2 for i in range(10)]

#!/usr/bin/env python

# -*- coding:utf-8 -*-

# Author:ZhengzhengLiu

#列表生成式

a = [i*2 for i in range(10)]

print(a)

运行结果:

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

由于受内存限制,列表容量肯定是有限的。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,若只访问前面的几个元素,后边的绝大多数元素占用空间浪费。

如果列表元素可以按照某种算法推算出来,那是否可以在循环过程中不断推算后续的元素?这样就不必创建完整的列表list,从而节省大量的空间。

2、生成器

在Python中,一边循环一边计算的机制,叫做:生成器(generator)。创建一个生成器的方法有很多:

(1)将一个列表生成式的[]改成(),就创建一个生成器。代码:b = (i*2 for i in range(10))

#!/usr/bin/env python

# -*- coding:utf-8 -*-

# Author:ZhengzhengLiu

#列表生成式

a = [i*2 for i in range(10)]

print(a)

print("type of a:",type(a))

#生成器

b = (i*2 for i in range(10))

print(b)

print("type of b:",type(b))

for i in b:

print(i)

运行结果:

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

type of a: <class 'list'>

<generator object <genexpr> at 0x008B8D20>

type of b: <class 'generator'>

0

2

4

6

8

10

12

14

16

18

结论:生成器的元素只有在调用的时候才生成相应的,调用到哪一次才会生成到哪一次的元素,只记住当前的位置。

注意:列表可以直接打印出每一个元素,而生成器不能用切片的形式去取,会出错误。

打印出生成器generator的每一个元素的方法:如果要一个一个打印出来,要通过next()函数获得生成器generator的下一个返回值。

生成器generator保存的是算法,每次调用print(next(b)),就计算出生成器b的下一个元素的值,直到最后一个元素,没有更多的元素时,抛出StopIteration的错误。

#生成器

b = (i*2 for i in range(10))

print(next(b))

print(next(b))

print(next(b))

print(next(b))

运行结果:

0

2

4

6

不断调用next(b)很麻烦,可以利用for循环,因为生成器generator也是可迭代的对象。

(2)当推算的算法比较复杂时,用类似列表生成式的for循环无法实现,还可以用函数来实现生成器

例如:著名的斐波那契数列(Fibonaccl),除了第一个和第二个数之外,任意一个数都由前两个数相加得到:1, 1, 2, 3, 5, 8, 13, 21, 34, ...

#!/usr/bin/env python

# -*- coding:utf-8 -*-

# Author:ZhengzhengLiu

def fibonaccl(max):

n,a,b = 0,0,1

while n < max:

print(b)

a,b = b,a + b

n = n + 1

return 'done'

fibonaccl(10)

运行结果:

1

1

2

3

5

8

13

21

34

55

总结:Fibonaccl函数实际上定义了斐波那契数列的推算规则,可以从第一个元素开始,推算出后续任意元素,这种逻辑非常类似generator。

Fibonaccl函数和生成器generator只有一步之遥,要把Fibonaccl函数变成生成器generator,只需要将print(b)修改为yield b就可以了。

最难理解的就是generator和函数的执行流程不一样。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。

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,

即:yield保存了函数的中断状态,返回当前状态的值,函数停在这里,后边还可以继续回来。

另外,函数可以不再等待其执行结束,可以中断在某个地方做其他的事情,结束之后还可以继续回来接着往下执行(具有并行的效果)。

def fibonaccl(max):

n,a,b = 0,0,1

while n < max:

yield b

a,b = b,a + b

n = n + 1

return 'done'

print(fibonaccl(15))

f = fibonaccl(15)

print(f.__next__())

print(f.__next__())

print(f.__next__())

print(f.__next__())

print("===========")

print(f.__next__())

print(f.__next__())

print(f.__next__())

print(f.__next__())

print("=========start loop========") #接着打印后边的元素

for i in f:

print(i)

运行结果:

<generator object fibonaccl at 0x00548D50>

1

1

2

3

===========

5

8

13

21

=========start loop========

34

55

89

144

233

377

610

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 fibonaccl(max):

n,a,b = 0,0,1

while n < max:

yield b

a,b = b,a + b

n = n + 1

return 'done'

g = fibonaccl(6)

while True:

try:

x = next(g)

print('g:', x)

except StopIteration as e:

print('Generator return value:', e.value)

break

运行结果:

g: 1

g: 1

g: 2

g: 3

g: 5

g: 8

Generator return value: done

3、生成器并行的实现——单线程下的并行效果

#!/usr/bin/env python

# -*- coding:utf-8 -*-

# Author:ZhengzhengLiu

#生成器并行的实现——生产者、消费者模型

import time

def consumer(name):

print("%s 准备吃包子啦!" %name)

while True:

baozi = yield #yield保存当前状态返回

print("包子[%s]来了,被[%s]吃了!" %(baozi,name))

def producer(name):

c = consumer('A')

c2 = consumer('B')

c.__next__() #next只唤醒yield

c2.__next__()

print("开始准备做包子啦!")

for i in range(3):

time.sleep(1)

print("做了2个包子!")

c.send(i) #send唤醒yield同时给它传值

c2.send(i)

producer("alex")

运行结果:

A 准备吃包子啦!

B 准备吃包子啦!

开始准备做包子啦!

做了2个包子!

包子[0]来了,被[A]吃了!

包子[0]来了,被[B]吃了!

做了2个包子!

包子[1]来了,被[A]吃了!

包子[1]来了,被[B]吃了!

做了2个包子!

包子[2]来了,被[A]吃了!

包子[2]来了,被[B]吃了!

更多关于Python相关内容可查看本站专题:《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。

以上是 Python3.5迭代器与生成器用法实例分析 的全部内容, 来源链接: utcz.com/z/361294.html

回到顶部