标签：log 过程 obj exp highlight nbsp 调用 lis 空间
生成器
一、概念
python中的生成器(generator)保存的是算法，只有当真正调用需要的值的时候才会去计算出值。它是一种惰性计算（lazy evaluation）。
二、列表生成式
定义一个列表
a = [0,1,2,3,4,5,6,7,8,9]
除了上面直接定义外，我们还可以使用列表生成式：
a = [i for i in range(10)] print(a) #输出 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
三、生成器
通过上面的列表生成式，我们可以直接创建一个列表。但是受到内存的限制，列表的容量是有限的。而且如果我们创建了一个包含数百万元素的列表，并且只需要用到前面几个元素，那就有大部分空间浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断的推算后续的元素？这样就不必创建完整的list，从而节省大量的空间。在pyhong中，一边循环一边计算的机制，成为生成器：generator。
要创建一个generator有很多种方法，我们可以直接将列表生成式改成生成器：
>>> a = (i for i in range(10)) >>> a <generator object <genexpr> at 0x0000024897F6B4C0>
3.1 列表生成式和生成器
a = (i for i in range(100000000)) b = [i for i in range(100000000)]
a的生成时间是瞬时的，并且不会占用什么内存空间。因为生成器根本就没有生成所需的内容，只有在访问的时候才会生成相应的值
3.2 访问生成器
使用循环来取值:
a = (i for i in range(10))
for i in a:
print(i)
#输出
0
1
2
3
4
5
6
7
8
9
使用__next()__方法取值:
a = (i for i in range(10))
print(a.__next__())
print(a.__next__())
print(a.__next__())
print("插入")
print(a.__next__())
print(a.__next__())
#输出
0
1
2
插入
3
4
每调用一个__next()__方法，我们就能取到一个值，并且我们只能往后取值。生成器能记住当前位置的值，但是并不知道前后位置的值，这也是生成器能够节省内存的原因。只有调用到该位置时才会生成相应的数据。
四、yield将函数转换成生成器
利用列表只能实现一部分的功能，一下复杂的运行就不能通过列表生成式这样的来实现了。但是我们可以将一个函数变成生成器。
斐波那契函数:
def fib(n):
a = 1
b = 1
number = 0
while number < n:
print(b)
a,b = b,a+b
number += 1
将该函数变成生成器只需要将print(b) 改为 yield b
def fib(n):
a = 0
b = 1
number = 0
while number < n:
#print(b)
yield b
a,b = b,a+b
number += 1
f = fib(10)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
#输出
1
1
2
3
五、生成器结束
生成器不会把结果保存在一个系列中，而是保存生成器的状态，在每次进行迭代时返回一个值，直到遇到StopIteration异常结束。
def fib(n):
a = 0
b = 1
number = 0
while number < n:
#print(b)
yield b
a,b = b,a+b
number += 1
return ‘--done--‘
f = fib(6)
while True:
try:
x = next(f)
print(x)
except StopIteration as e:
print(‘Generator return value:‘,e.value)
break
#输出
1
1
2
3
5
8
Generator return value: --done--
标签：log 过程 obj exp highlight nbsp 调用 lis 空间
原文地址：http://www.cnblogs.com/bigberg/p/6714172.html
