标签：open 细节 tuple 连锁店 res 存在 数据 term 输出
转载至：https://www.bytelang.com/article/content/NQbmUaRIXyA=
要想创建一个iterator，必须实现一个有__iter__()和__next__()方法的类，类要能够跟踪内部状态并且在没有元素返回的时候引发StopIteration异常.
这个过程很繁琐而且违反直觉.Generator能够解决这个问题.
python generator是一个简单的创建iterator的途径.前面讲的那些繁琐的步骤都可以被generator自动完成.
简单来说，generator是一个能够返回迭代器对象的函数.
就像创建一个函数一样简单，只不过不使用return 声明，而是使用yield声明.
如果一个函数至少包含一个yield声明(当然它也可以包含其他yield或return)，那么它就是一个generator.
yield和return都会让函数返回一些东西，区别在于，return声明彻底结束一个函数，而yield声明是暂停函数，保存它的所有状态，并且后续被调用后会继续执行.
下面这个例子说明上述全部要点，我们有一个名为my_gen()的函数，它带有一些yield声明.
# A simple generator function
def my_gen():
n = 1
print(‘This is printed first‘)
# Generator function contains yield statements
yield n
n += 1
print(‘This is printed second‘)
yield n
n += 1
print(‘This is printed at last‘)
yield n 在线实例：https://www.bytelang.com/o/s/c/nDeJ2dm7FUo=
有趣的是，在这个例子里变量n在每次调用之间都被记住了。和一般函数不同的是，在函数yield之后本地变量没有被销毁，而且，generator对象只能被这样迭代一次。
要想重复上面的过程，需要类似 a = my_gen() 这样创建另一个generator对象，并对其使用next方法迭代。
注意
：我们可以对generator对象直接使用for循环。
这是因为一个for循环接收一个iterator对象，且使用next()函数迭代它，当遇到StopIteration异常的时候自动停止。
# A simple generator function
def my_gen():
n = 1
print(‘This is printed first‘)
# Generator function contains yield statements
yield n
n += 1
print(‘This is printed second‘)
yield n
n += 1
print(‘This is printed at last‘)
yield n
# Using for loop
# Output:
# This is printed first
# 1
# This is printed second
# 2
# This is printed at last
# 3
for item in my_gen():
print(item) 在线示例：https://www.bytelang.com/o/s/c/3py5nUg_WVI=
上面的例子没有实际的应用意义，我们只是为了探究背后原理。
通常来说，generator都是和循环结合实现的，且这个循环带有一个终止条件。
我们来看一个reverse一个字符串的例子
def rev_str(my_str):
length = len(my_str)
for i in range(length - 1,-1,-1):
yield my_str[i]
# For loop to reverse the string
# Output:
# o
# l
# l
# e
# h
for char in rev_str("hello"):
print(char) 在线示例：https://www.bytelang.com/o/s/c/_rs3yQEbIhE=
我们在for循环里面使用range()函数来获取反向顺序的index。
generator除了可以应用于string，还可以应用于其它类型的iterator，例如list，tuple等。
使用generator表达式可以很容易地创建简单的generator。
就像lambda函数可以创建匿名函数一样，generator函数创建一个匿名generator函数。
generator表达式的语法类似于python的list comprehension，只是方括号被替换为了圆括号而已。
list comprehension和generator表达式的主要区别在于，前者产生全部的list，后者每次仅产生一项。
它们有些懒惰，仅在接到请求的时候才会产生输出。因此，generator表达式比list comprehension更加节省内存。
# Initialize the list
my_list = [1, 3, 6, 10]
# square each term using list comprehension
# Output: [1, 9, 36, 100]
[x**2 for x in my_list]
# same thing can be done using generator expression
# Output: <generator object <genexpr> at 0x0000000002EBDAF8>
(x**2 for x in my_list) 在线示例：https://www.bytelang.com/o/s/c/BgIb7R1NCls=
上面的例子中，generator表达式没有立即产生需要的结果，而是在需要产生item的时候返回一个generator对象。
# Intialize the list
my_list = [1, 3, 6, 10]
a = (x**2 for x in my_list)
# Output: 1
print(next(a))
# Output: 9
print(next(a))
# Output: 36
print(next(a))
# Output: 100
print(next(a))
# Output: StopIteration
next(a) 在线示例：https://www.bytelang.com/o/s/c/p1^6fITXP5A=
generator表达式可以在函数内部使用。当这样使用的时候，圆括号可以丢弃。
相对于iterator类来说，generator的实现清晰、简洁。下面是用iterator实现一个2的指数函数
class PowTwo:
def __init__(self, max = 0):
self.max = max
def __iter__(self):
self.n = 0
return self
def __next__(self):
if self.n > self.max:
raise StopIteration
result = 2 ** self.n
self.n += 1
return result generator这样实现
def PowTwoGen(max = 0):
n = 0
while n < max:
yield 2 ** n
n += 1 因为generator自动跟踪实现细节，因此更加清晰、简洁。
一个函数返回一个序列(sequence)的时候，会在内存里面把这个序列构建好再返回。如果这个序列包含很多数据的话，就过犹不及了。
而如果序列是以generator方式实现的，就是内存友好的，因为他每次只产生一个item。
generator是一个很棒的表示无限数据流的工具。无限数据流不能被保存在内存里面，并且因为generator每次产生一个item，它就可以表示无限数据流。
下面的代码可以产生所有的奇数
def all_even():
n = 0
while True:
yield n
n += 2 generator可以对一系列操作执行流水线操作。
假设我们有一个快餐连锁店的日志。日志的第四列是每小时售出的披萨数量，我们想对近5年的这一数据进行求和。
假设所有数据都是字符，不可用的数据都以"N/A"表示，使用generator可以这样实现
with open(‘sells.log‘) as file:
pizza_col = (line[3] for line in file)
per_hour = (int(x) for x in pizza_col if x != ‘N/A‘)
print("Total pizzas sold = ",sum(per_hour)) 这个流水线既高效又易读，并且看起来很酷！：）
标签：open 细节 tuple 连锁店 res 存在 数据 term 输出
原文地址：http://www.cnblogs.com/hump/p/6287462.html
