通過列表生成式,我們可以直接創建一個列表。但是,受到記憶體限制,列表容量肯定是有限的。而且,如果創建一個包含100萬個元素的列表,不僅占用很大的存儲空間,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占用的空間都白白浪費了。 如果列表元素可以按照某種演算法推算出來,可以在迴圈的過程中不斷推算出後續 ...
通過列表生成式,我們可以直接創建一個列表。但是,受到記憶體限制,列表容量肯定是有限的。而且,如果創建一個包含100萬個元素的列表,不僅占用很大的存儲空間,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占用的空間都白白浪費了。
如果列表元素可以按照某種演算法推算出來,可以在迴圈的過程中不斷推算出後續的元素,這樣就不必創建完整的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。
要創建一個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(),就創建了一個generator:
>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x000002B3BA7D79E8>
創建L和g的區別僅在於最外層的[]和(),L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,如果要列印出generator的每一個元素,可以通過next()函數獲得generator的下一個返回值。generator保存的是演算法,每次調用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,拋出StopIteration的錯誤。也可以用for迴圈:
>>> for n in g: ... print(n) ... 0 1 4 9 16 25 36 49 64 81
當我們創建了一個generator後,基本上永遠不會調用next(),而是通過for迴圈來迭代它,並且不需要關心StopIteration的錯誤。
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,還可以用函數來實現。
比如,斐波拉契數列(Fibonacci),除第一個和第二個數外,任意一個數都可以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,但是用函數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'
# 註意,a, b = b, a + b這條語句相當於: t = (b, a + b) # t是一個tuple a = t[0] b = t[1]
可以看出,fib函數實際上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,上面的函數和generator僅一步之遙。要把fib函數變成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。如果一個函數定義中包含yield關鍵字,那麼這個函數就不再是一個普通函數,而是一個generator:
>>> f = fib(6) >>> f <generator object fib at 0x000002B3BA96F150>
在這裡,generator和函數的執行流程不一樣。函數是順序執行,遇到return語句或者最後一行函數語句就會返回。而變成generator的函數,在每次調用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。可以用一個簡單的例子展示如下:
調用該generator時,首先生成一個generator對象,然後用next()函數不斷獲得下一個返回值:
>>> def odd(): ... print('step 1') ... yield 1 ... print('step 2') ... yield 3 ... print('step 1') ... yield 5 ... >>> o = odd() >>> next(o) step 1 1 >>> next(o) step 2 3 >>> next(o) step 1 5 >>> next(o) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
可以看到,odd不是普通函數,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次調用next(o)就報錯。
同樣的,把函數改成generator後,我們基本上從來不會用next()來獲取下一個返回值,而是直接用for迴圈來迭代:
>>> for n in fib(6): ... print(n) ... 1 1 2 3 5 8
但是用for迴圈調用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