如何使用python生成器

生成器是 Python 初級開發者最難理解的概念之一，雖被認為是 Python 程式設計中的高階技能，但在各種專案中可以隨處見到生成器的身影，你得不得去理解它、使用它、甚至愛上它。

提到生成器，總不可避免地要把迭代器拉出來對比著講，生成器就是一個在行為上和迭代器非常類似的物件，如果把迭代器比作 Android 系統，那麼生成器就是 iOS，二者功能上差不多，但是生成器更優雅。

什麼是迭代器

顧名思義，迭代器就是用於迭代操作（for 迴圈）的物件，它像列表一樣可以迭代獲取其中的每一個元素，任何實現了 __next__ 方法 （python2 是 next）的物件都可以稱為迭代器。

它與列表的區別在於，構建迭代器的時候，不像列表把所有元素一次性載入到記憶體，而是以一種延遲計算（lazy evaluation）方式返回元素，這正是它的優點。比如列表含有中一千萬個整數，需要佔超過400M的記憶體，而迭代器只需要幾十個位元組的空間。因為它並沒有把所有元素裝載到記憶體中，而是等到呼叫 next 方法時候才返回該元素（按需呼叫 call by need 的方式，本質上 for 迴圈就是不斷地呼叫迭代器的next方法）。

以斐波那契數列為例來實現一個迭代器：

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()
    # 相容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]

什麼是生成器

知道迭代器之後，就可以正式進入生成器的話題了。普通函式用 return 返回一個值，和 Java 等其他語言是一樣的，然而在 Python 中還有一種函式，用關鍵字 yield 來返回值，這種函式叫生成器函式，函式被呼叫時會返回一個生成器物件，生成器本質上還是一個迭代器，也是用在迭代操作中，因此它有和迭代器一樣的特性，唯一的區別在於實現方式上不一樣，後者更加簡潔

最簡單的生成器函式：

>>> def func(n):
...     yield n*2
...
>>> func
<function func at 0x00000000029F6EB8>
>>> g = func(5)
>>> g
<generator object func at 0x0000000002908630>
>>>

func 就是一個生成器函式，呼叫該函式時返回物件就是生成器 g ，這個生成器物件的行為和迭代器是非常相似的，可以用在 for 迴圈等場景中。注意 yield 對應的值在函式被呼叫時不會立刻返回，而是呼叫next方法時（本質上 for 迴圈也是呼叫 next 方法）才返回

>>> g = func(5)
>>> next(g)
10

>>> g = func(5)
>>> for i in g:
...     print(i)
...
10

那為什麼要用生成器呢？顯然，用生成器在逼格上要比迭代器高几個等級，它沒有那麼多冗長程式碼了，而且效能上一樣的高效，為什麼不用呢？來看看用生成器實現斐波那契數列有多簡單。

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]

生成器表示式

在前面一期「這樣寫程式碼更優雅」的文章裡面曾經介紹過列表推導式（list comprehension），生成器表示式與列表推導式長的非常像，但是它倆返回的物件不一樣，前者返回生成器物件，後者返回列表物件。

>>> g = (x*2 for x in range(10))
>>> type(g)
<type 'generator'>
>>> l = [x*2 for x in range(10)]
>>> type(l)
<type 'list'>

前面已經介紹過生成器的優勢，就是迭代海量資料時，顯然生成器更合適。更多學習內容，請點選。