Python--生成器

學習生成器之前，首先需要認識列表生成式，直奔主題。

1、簡單列表生成式示例：

1 b = [ i for i in range(10)]
2 print(b)
3 
4 >>>
5 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

看樣子好像很NB的樣子，其實它等價於：

1 c = []
2 for i in range(10):
3     c.append(i)
4 print(c)
5 
6 >>>
7 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

其實還是有點NB的，畢竟代碼少了，手動嘻嘻嘻！

2、削微高級點的列表生成式：

1 def func(x):
2     a = x + 1
3     b = a + x
4     return b
5 d = [ func(i) for i in range(10) ]
6 print(d)
7 
8 >>>
9 [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

生成式生成的數據可以交給函數處理，進而得到預定規則的一組數據。

下麵有請主角登場！！！！

生成器：在Python中，一邊迴圈一邊計算的機制，稱為生成器：generator。

　　我們知道了，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，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。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？這樣就不必創建完整的list，從而節省大量的空間。

創建生成器的姿勢：將生成式的"[]"換成"()"就ok了，是不是超級簡單。。。

 1 a = ( i for i in range(10))
 2 print(a)
 3 for i in a:
 4     print(i)
 5 
 6 >>>
 7 <generator object <genexpr> at 0x00000270A14EB0B0>
 8 0
 9 1
10 ..
11 9

由上面的例子可見，列印的a已不是一個列表，而是a的記憶體地址。而且a可以通過for迴圈將其中的值取出。

就用一個小慄子完成生成式和生成器比較吧：

1 # 生成b需要很長時間
2 b = [ i for i in range(100000000) ]
3 # 生成c很快，因為不需要實際寫數據，c的數據是在使用時才生成
4 c = ( i for i in range(100) )

生成器特性：

1.生成器只能一個個的取數據
2.生成器只有在調用時才會生成相應的數據
3.生成器只記住當前位置的地址，之前的的記憶體地址都沒了
4.只有一個__next__()方法
5.生成器不能根據索引位置取值

1 c = ( i for i in range(100) )
2 print(c.__next__())
3 print(c.__next__())
4 print(c[0])
5 
6 >>>
7 0
8 1
9 TypeError: 'generator' object is not subscriptable

#############################################################

示例：瞭解斐波那契數列（下個數為前兩個數的和）

 1 def fib(max):
 2     n, a, b = 0, 0, 1
 3     while n < max:
 4         print(b)
 5         a, b = b, a+b  #註意a, b = b, a+b 等價於 t(b,a+b);a=t[0];b=t[1]，而不是 a=b;b=a+b
 6         n = n + 1
 7     return "done"
 8 fib(7)
 9 >>>
10 1
11 1
12 2
13 3
14 5
15 8
16 13

使斐波那契數列變成一個生成器

 1 def fib(max):
 2     n, a, b = 0, 0, 1
 3     while n < max:
 4         yield b  #yield返回當前狀態的值，程式停在此處
 5         a, b = b, a+b
 6         n = n + 1
 7     return "---done---" 
 8 # fib(5)  #此時執行，並無返回值，因為沒有取值。使用__next__()進行取值
 9 f = fib(5)
10 print(f.__next__())
11 print(f.__next__())
12 print(f.__next__())
13 print(f.__next__())
14 print(f.__next__())
15 print(f.__next__())
16 
17 >>>
18 1
19 1
20 2
21 3
22 5
23 StopIteration: ---done---  # 當超出時報錯

使用yield後，可以使用__next__()方法，中斷函數的執行，在中斷之後可以執行其他的操作，然後還可以通過__next__()再進入
例如：

 1 def fib(max):
 2     n, a, b = 0, 0, 1
 3     while n < max:
 4         # print(b)
 5         yield b  #yield返回當前狀態的值，程式停在此處
 6         a, b = b, a+b
 7         n = n + 1
 8     return "---done---"  
 9 f = fib(5)
10 f.__next__()
11 X = f.__next__()
12 print(X)
13 print("休息一會兒，馬上就回來了")
14 Y = f.__next__()
15 print(Y)
16 print("又走了...")
17 Z = f.__next__()
18 print(Z)
19 >>>
20 1
21 休息一會兒，馬上就回來了
22 2
23 又走了...
24 3

能看到這，那你又又又又又又要學到了：抓異常、抓異常、抓異常。重要的事情說三遍！！！

 1 def fib(max):
 2     n, a, b = 0, 0, 1
 3     while n < max:
 4         # print(b)
 5         yield b  #yield返回當前狀態的值，程式停在此處
 6         a, b = b, a+b
 7         n = n + 1
 8     return "---done---"
 9 g = fib(8)
10 while True:
11     try:
12         x = next(g)  # 等價於 x = g.__next__()
13         print("value:", x)
14     except StopIteration as e: #當出現StopIteration時執行下麵的代碼
15         print("Generator return value", e.value)
16         break
17 
18 >>>
19 value: 1
20 value: 1
21 value: 2
22 value: 3
23 value: 5
24 value: 8
25 value: 13
26 value: 21
27 Generator return value ---done---

生成器示例高級，實現並行：

import  time
def consum(name):
    print("%s 要來吃包子了" % (name))
    while True:
        baozi = yield
        print("%s個包子被%s吃了" % (baozi, name))

def product(name):
    d = consum("flb")
    d2 = consum("wxl")
    d.__next__() # next喚醒yield，不會給yield傳值
    d2.__next__()
    print("%s要來做包子了" %(name))
    for i in  range(3):
        time.sleep(1)
        print("%s做了%s個包子" %(name,i))
        d.send(i)  # send喚醒yield，會給yield傳值
        d2.send(i)
product("TJ")

>>>
flb 要來吃包子了
wxl 要來吃包子了
TJ要來做包子了
TJ做了0個包子
0個包子被flb吃了
0個包子被wxl吃了
TJ做了1個包子
1個包子被flb吃了
1個包子被wxl吃了
TJ做了2個包子
2個包子被flb吃了
2個包子被wxl吃了

END！！！