python基礎（補充）：python三大器之生成器

pure3417發表於2021-04-16
Python

生成器的定義

通過列表生成式，我們可以直接建立一個列表。但是，受到記憶體限制，列表容量肯定是有限的。而且，建立一個包含100萬個元素的列表，不僅佔用很大的儲存空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。

所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在迴圈的過程中不斷推算出後續的元素呢？這樣就不必建立完整的list，從而節省大量的空間。在Python中，這種一邊迴圈一邊計算的機制，稱為生成器：generator。

生成器的建立

生成器可以用兩種方式建立:

  • 生成器表示式 (裡面是推導式,外面用圓括號)

  • 生成器函式 (用def定義,裡面含有yield)

生成器表示式

要建立一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就建立了一個generator：

li = [x * x for x in range(10)]
print(li)
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

g = (x * x for x in range(10))
print(g)
# <generator object <genexpr> at 0x000001A72D5D2E08>

生成器函式（yield）

generator非常強大。如果推算的演算法比較複雜，用類似列表生成式的for迴圈無法實現的時候，還可以用函式來實現。

比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數列用列表生成式寫不出來，但是，用函式把它列印出來卻很容易：

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

# 注意，這裡的賦值語句  a, b = b, a + b
# 相當於
# t = (b, a + b) # t是一個tuple
# a = t[0]
# b = t[1]
# 但不必顯式寫出臨時變數t就可以賦值。

上面的函式可以輸出斐波那契數列的前N個數：

print(fib(6))
# 1
# 1
# 2
# 3
# 5
# 8
# done

仔細觀察，可以看出，fib函式實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。

也就是說，上面的函式和generator僅一步之遙。要把fib函式變成generator，只需要把print(b)改為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'

這就是定義generator的另一種方法。如果一個函式定義中包含yield關鍵字，那麼這個函式就不再是一個普通函式，而是一個generator：

f = fib(6)
print(f)

# <generator object fib at 0x000001AB51492E08>

生成器的呼叫

呼叫生成器的方式：

  • next()函式
  • for迴圈
  • for迴圈 + next()函式

next()函式

建立li和g的區別僅在於最外層的[]和()，li是一個list，而g是一個generator。

我們可以直接列印出list的每一個元素，但我們怎麼列印出generator的每一個元素呢？

如果要一個一個列印出來，可以通過next()函式獲得generator的下一個返回值：

g = (x * x for x in range(10))

print(next(g))  # 0
print(next(g))  # 1
print(next(g))  # 4
print(next(g))  # 9
print(next(g))  # 16
print(next(g))  # 25
print(next(g))  # 36
print(next(g))  # 49
print(next(g))  # 64
print(next(g))  # 81
print(next(g))
'''
Traceback (most recent call last):
  File "D:/python_project/mxxl/test/test.py", line 18, in <module>
    print(next(g))
StopIteration
'''
# 每次呼叫next(g)，就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，丟擲StopIteration的錯誤。

for迴圈

當然，上面這種不斷呼叫next(g)實在是太變態了，我們可以使用for迴圈來呼叫generator，因為generator也是可迭代物件：

g = (x * x for x in range(10))

for i in g:
    print(i)
    
# 0
# 1
# 4
# 9
# 16
# 25
# 36
# 49
# 64
# 81

所以，我們建立了一個generator後，基本上永遠不會呼叫next()，而是通過for迴圈來迭代它，並且不需要關心StopIteration的錯誤。

但是需要注意的是，當資料量過大時，會形成形成類似於死迴圈的效果（這裡可以自己試驗一下），所以就提出了下面的呼叫方法

for + next()

g = (x * x for x in range(10))

# 呼叫幾次迴圈幾次
for i in range(3):
	print(next(g))

# 0
# 1
# 4

注意點

generator和函式的執行流程不一樣：

  • 函式是順序執行，遇到return語句或者最後一行函式語句就返回。

  • 而變成generator的函式，在每次呼叫next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。

舉個簡單的例子，定義一個generator，依次返回數字1，2，3：

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

呼叫該generator時，首先要生成一個generator物件，然後用next()函式不斷獲得下一個返回值：

o = odd()
next(o)
# step 1

next(o)
# step 2

next(o)
# step 3

next(o)
'''
Traceback (most recent call last):
  File "D:/python_project/mxxl/test/test.py", line 23, in <module>
    next(o)
StopIteration
'''

可以看到，odd不是普通函式，而是generator，在執行過程中，遇到yield就中斷，下次又繼續執行。執行3次yield後，已經沒有yield可以執行了，所以，第4次呼叫next(o)就報錯。

回到fib的例子，我們在迴圈過程中不斷呼叫yield，就會不斷中斷。當然要給迴圈設定一個條件來退出迴圈，不然就會產生一個無限數列出來。

同樣的，把函式改成generator後，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for迴圈來迭代：

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

for i in fib(6):
    print(i)

# 1
# 1
# 2
# 3
# 5
# 8

但是用for迴圈呼叫generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：

g = fib(6)
while True:
	try:
		x = next(g)
		print('g:', x)
	except StopIteration as e:
		print('Generator return value:', e.value)
		break
# g: 1
# g: 1
# g: 2
# g: 3
# g: 5
# g: 8
# Generator return value: done

相關文章