标签：blog 推算规则 创建 算法 函数 ... 基本 fibonacci gen
ls = [i*i for i in range(10)]
ls
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
ge = (i*i for i in range(10)) #将[]改为（）就是一个生成器
ge
<generator object <genexpr> at 0x0000000003389468>
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
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推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
列表可以直接打印出来，也可以切片打印，那么生成器如何打印呢？只有一个内置方法next，每次打印一个，不能跳跃，也不能回退，因为生成器只在调用的时候生成数据，也不会记住之前的
ge.__next__()
0
ge.__next__()
1
我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：
1 ge = (i*i for i in range(10)) 2 for n in ge: 3 print(n)
所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
1 def fib(max): 2 n, a, b = 0, 0, 1 3 while n < max: 4 print(b) 5 a, b = b, a + b 6 n = n + 1 7 return ‘done‘
注意，赋值语句：a, b = b, a + b
相当于：
t = (b, a + b) # t是一个tuple
a = t[0]b = t[1]fib = fib(10)
print(fib)
1 1 2 3 5 8 13 21 34 55
done
仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
1 def fib(max): 2 n, a, b = 0, 0, 1 3 while n < max: 4 # print(b) 5 yield b 6 a, b = b, a + b 7 n = n + 1 8 return ‘done‘ 9 f = fib(10) 10 print(f)
<generator object fib at 0x0000000000D40F10>
这样fib(max）和f就是一个新的生成器，f表示这个生成器最多有10个值
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行：比如第一次next执行到第五行就返回b = 1，第二个next，从第5行开始执行，到下次执行到yield，返回b = 2
data = fib(10) print(data) print(data.__next__()) print(data.__next__()) print("干点别的事") print(data.__next__()) print(data.__next__()) print(data.__next__()) print(data.__next__()) print(data.__next__()) #输出
1
1
干点别的事
2
3
5
8
13
在上面fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。
同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：
f = fib(5) for i in f: print(i) 输出： 1 1 2 3 5
但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：
1 f = fib(5) 2 while True: 3 try: 4 x = next(f) 5 print(‘f:‘,x) 6 except StopIteration as e: 7 print(‘Generator return value:‘, e.value) 8 break 9 10 输出： 11 f: 1 12 f: 1 13 f: 2 14 f: 3 15 f: 5 16 Generator return value: done
1 import time 2 def consumer(name): #此函数代表顾客吃包子 3 print("%s 准备吃包子啦!" %name) 4 while True: 5 baozi = yield 6 7 print("包子[%s]来了,被[%s]吃了!" %(baozi,name)) 8 9 10 def producer(name): #表示生产包子 11 c = consumer(‘A‘) #定义生成器c 12 c2 = consumer(‘B‘) #定义生成器c2 13 c.__next__() #此时生成器c开始执行到yield处停止，期间打印 A准备吃包子了，此时baozi = yield = None 14 c2.__next__() #此时生成器c2开始执行到yield处停止，期间打印 B准备吃包子了，此时baozi = yield = None 15 print("老子开始准备做包子啦!") 16 for i in range(10): 17 time.sleep(1) 18 print("做了2个包子!") 19 c.send(i) #cend方法将上次执行停止的生成器c唤醒继续执行，并将i的值传给yield，此时baozi = yield = 0 20 c2.send(i) 21 22 producer("alex")
输出：
1 A 准备吃包子啦! 2 B 准备吃包子啦! 3 老子开始准备做包子啦! 4 做了2个包子! 5 包子[0]来了,被[A]吃了! 6 包子[0]来了,被[B]吃了! 7 做了2个包子! 8 包子[1]来了,被[A]吃了! 9 包子[1]来了,被[B]吃了! 10 做了2个包子! 11 包子[2]来了,被[A]吃了! 12 包子[2]来了,被[B]吃了! 13 做了2个包子! 14 包子[3]来了,被[A]吃了! 15 包子[3]来了,被[B]吃了! 16 。。。。。。。
标签：blog 推算规则 创建 算法 函数 ... 基本 fibonacci gen
原文地址：http://www.cnblogs.com/cq90/p/6853501.html
