生成器与迭代器

标签：stop   完成   family   数据   val   生成   iter   一个   yield   

1、 生成器

　　生成器分为2种形式：

1. 如果一个函数是带 yield 语句。那么它就变成了一个生成器，一个普通函数或者子 程序只返回一次，但一个生成器能暂停执行并返回一个中间的结果----那就是 yield 语句的功能， 返 回一个值给调用者并暂停执行。当生成器的 next()方法被调用的时候，它会准确地从离开地方继续
2. 生成器表达式：类似于列表推导，只不过是把一对大括号[]变换为一对小括号(),生产器表达式不会一次返回所有结果产生一个列表，而是返回一个生成器，这个生成器在每次调用时返回一个结果。 生成器表达式使用了"延迟计算"(lazy evaluation), 所以它在使用 内存上更有效.。

 [x * x for x in range(10)]  列表表达式，通过它得到一个列表



(x * x for x in range(10)) 生成器表达式 通过它得到一个生成器

#_*_coding:utf-8_*_
__author__ = ‘Alex Li‘

import time
def consumer(name):
    print("%s 准备吃包子啦!" %name)
    while True:
       baozi = yield                    #yield 接受send方法传递的值

       print("包子[%s]来了,被[%s]吃了!" %(baozi,name))


def producer(name):
    c = consumer(‘A‘)
    c2 = consumer(‘B‘)
    c.__next__()
    c2.__next__()
    print("老子开始准备做包子啦!")
    for i in range(10):
        time.sleep(1)
        print("做了2个包子!")
        c.send(i)                          #send方法发送的数据可以被yield接受
        c2.send(i)

producer("px")

2、迭代器

　　可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator，全部取出后, 会引发一个 StopIteration 异常, 这并不表示错误发生, 只是告诉外部调用者, 迭代完成

　　Iterator对象表示的是一个数据流，可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算
　　迭代器是一次性消耗品，使用完了以后就空了


生成器与迭代器

标签：stop   完成   family   数据   val   生成   iter   一个   yield   

原文地址：http://www.cnblogs.com/pengxuann/p/6213356.html