生成器&迭代器

标签：创建   print   执行流程   容量   保存   方法   fibonacci   流程   expr   

通过列表生成式，我们可以快速创建一个列表，但是受到内存的限制，列表容量是有限的，而且一个包含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当前几个元素，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中的过程不断推算出后续的元素呢？就不必创建完整的列表了，从而节省大量的内存。在python中一边循环一百年计算的机制成为生成器：generator。

要创建一个generator，有很多方法，第一种方法最简单，只要把列表生成式的[]改为() ，就创建了一个generator：

L = [x * x for x in range(10)]
print(L)
打印结果:[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
g = (x * x for x in range(10))
print(g）
打印结果：
<generator object <genexpr> at 0x1022ef630>

可以通过next()函数获得generator的下一个返回值：

 next(g)
 next(g)
 next(g)
 next(g)
 next(g)
结果：
0
1
4
9
16

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

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：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return ‘done‘

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。

举个简单的例子，定义一个generator，依次返回数字1，3，5：

def odd():
    print(‘step 1‘)
    yield 1
    print(‘step 2‘)
    yield(3)
    print(‘step 3‘)
    yield(5)

生成器&迭代器

标签：创建   print   执行流程   容量   保存   方法   fibonacci   流程   expr   

原文地址：http://www.cnblogs.com/richiewlq/p/7277447.html