Python 高级编程:完全理解生成器

JacVanDeVel 8年前
   <p>生成器是 Python 初级开发者最难理解的概念之一,虽被认为是 Python 编程中的高级技能,但在各种项目中可以随处见到生成器的身影,你得不得去理解它、使用它、甚至爱上它。</p>    <p>提到生成器,总不可避免地要把迭代器拉出来对比着讲,生成器就是一个在行为上和迭代器非常类似的对象,如果把迭代器比作 Android 系统,那么生成器就是 iOS,二者功能上差不多,但是生成器更优雅。</p>    <h3>什么是迭代器</h3>    <p>顾名思义,迭代器就是用于迭代操作(for 循环)的对象,它像列表一样可以迭代获取其中的每一个元素,任何实现了 __next__ 方法</p>    <p>(python2 是 next)的对象都可以称为迭代器。</p>    <p>它与列表的区别在于,构建迭代器的时候,不像列表把所有元素一次性加载到内存,而是以一种延迟计算(lazy evaluation)方式返回元素,这正是它的优点。比如列表含有中一千万个整数,需要占超过400M的内存,而迭代器只需要几十个字节的空间。因为它并没有把所有元素装载到内存中,而是等到调用 next 方法时候才返回该元素(按需调用 call by need 的方式,本质上 for 循环就是不断地调用迭代器的next方法)。</p>    <p>以斐波那契数列为例来实现一个迭代器:</p>    <pre>  <code class="language-python">class Fib:      def __init__(self, n):          self.prev = 0          self.cur = 1          self.n = n        def __iter__(self):          return self        def __next__(self):          if self.n > 0:              value = self.cur              self.cur = self.cur + self.prev              self.prev = value              self.n -= 1              return value          else:              raise StopIteration()        # 兼容python2        def __next__(self):            return self.next()    f = Fib(10)  print([i for i in f])  #[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]</code></pre>    <h3>什么是生成器</h3>    <p>知道迭代器之后,就可以正式进入生成器的话题了。普通函数用 return 返回一个值,和 Java 等其他语言是一样的,然而在 Python 中还有一种函数,用关键字 yield 来返回值,这种函数叫生成器函数,函数被调用时会返回一个生成器对象,生成器本质上还是一个迭代器,也是用在迭代操作中,因此它有和迭代器一样的特性,唯一的区别在于实现方式上不一样,后者更加简洁</p>    <p>最简单的生成器函数:</p>    <pre>  <code class="language-python">>>> def func(n):  ...     yield n*2  ...  >>> func  <function func at 0x00000000029F6EB8>  >>> g = func(5)  >>> g  <generator object func at 0x0000000002908630>  >>></code></pre>    <p>func 就是一个生成器函数,调用该函数时返回对象就是生成器 g ,这个生成器对象的行为和迭代器是非常相似的,可以用在 for 循环等场景中。注意 yield 对应的值在函数被调用时不会立刻返回,而是调用next方法时(本质上 for 循环也是调用 next 方法)才返回</p>    <pre>  <code class="language-python">>>> g = func(5)  >>> next(g)  10    >>> g = func(5)  >>> for i in g:  ...     print(i)  ...  10</code></pre>    <p>那为什么要用生成器呢?显然,用生成器在逼格上要比迭代器高几个等级,它没有那么多冗长代码了,而且性能上一样的高效,为什么不用呢?来看看用生成器实现斐波那契数列有多简单。</p>    <pre>  <code class="language-python">def fib(n):      prev, curr = 0, 1      while n > 0:          n -= 1          yield curr          prev, curr = curr, curr + prev    print([i for i in fib(10)])  #[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]</code></pre>    <h3>生成器表达式</h3>    <p>在前面一期「这样写代码更优雅」的文章里面曾经介绍过列表推导式(list comprehension),生成器表达式与列表推导式长的非常像,但是它俩返回的对象不一样,前者返回生成器对象,后者返回列表对象。</p>    <pre>  <code class="language-python">>>> g = (x*2 for x in range(10))  >>> type(g)  <type 'generator'>  >>> l = [x*2 for x in range(10)]  >>> type(l)  <type 'list'></code></pre>    <p>前面已经介绍过生成器的优势,就是迭代海量数据时,显然生成器更合适。</p>    <p> </p>    <p> </p>    <p>来自:https://juejin.im/post/58c65cc72f301e006bc8e1a6</p>    <p> </p>