标签：error 退出 关键字 div last 代码 包含 不同 generator
在for循环中，每次yield值后，控制权就返回给for循环
生成器类似于返回一个数组的函数。生成器有参数、可以被调用，并生成值的序列。和函数一次返回整个数组不同，生成器每次只是生成一个值，这样会占用很少的内存，并且调用者可以立即处理生成的值。概括来说，生成器看起来像个函数，但是使用起来像个迭代器。
Python提供的，在需要时才生成结果的工具：
-生成器函数：
使用def定义，但是每次使用yield生成返回值值、挂起、在继续运行。
-生成器表达式：
类似于列表推导，但不是创建一个结果列表，而是每次根据需要生成对象。
因为无论是生成器函数、还是生成器表达式都不是一次生成一个结果列表，这样可以节省内存空间，并将计算时间以迭代协议的方式切分开。
生成器函数：yield和return
生成器函数和常规函数有点类似，都是使用def定义。当创建后，自动实现迭代协议。
常规函数会返回值并退出。而迭代器函数返回一个值后会自动挂起、然后再次执行。
生成器函数和常规函数之间的主要区别是前者yield一个值，后者返回一个值。yield会挂起函数，返回一个值给调用者。
生成器是和迭代协议绑在一起的。可迭代的对象定义一个方法：__next__(),该方法要么返回迭代器的下一个值，要么抛出一个异常。
定义生成器的时候需要使用关键字：yield。
让我们来看个示例：
>>> def counter(n):
print("counter()")
while True:
yield n
print("increment n")
n += 1
>>> c = counter(2)
>>> c
<generator object counter at 0x000000000246D480>
>>> next(c)
counter()
2
>>> next(c)
increment n
3
>>> next(c)
increment n
4
>>> c.next()
increment n
5
>>> c.next()
increment n
6
>>>
1.关键字yield表明该函数不是一个常规函数，而是一个迭代器函数。
2.生成一个迭代器的实例，和调用常规函数类似。但是调用的时候并不真正执行函数代码。
3.counter()返回一个迭代器对象
比如，下面的迭代器生成数字的立方值
>>> def cubic_generator(n):
for i in range(n):
yield i**3
>>> cg = cubic_generator(3)
>>> cg
<generator object cubic_generator at 0x0000000002A72CF0>
>>> cg.next()
0
>>> cg.next()
1
>>> cg.next()
8
>>> cg.next()
Traceback (most recent call last):
File "<pyshell#32>", line 1, in <module>
cg.next()
StopIteration
>>>
在for循环中，每次yield值后，控制权就返回给for循环：
>>> for i in cubic_generator(5): print(i) 0 1 8 27 64 >>>
如果用return代替yield：
>>> def cubic_generator(n):
for i in range(n):
return i**3
>>> for i in cubic_generator(5):
print(i)
Traceback (most recent call last):
File "<pyshell#54>", line 1, in <module>
for i in cubic_generator(5):
TypeError: ‘int‘ object is not iterable
>>> cubic_generator(5)
0
>>>
使用生成器的示例1：
>>> def fib(): limit = 10 count = 0 a,b = 0,1 while True: yield a a,b = b,a+b if (count == limit): break count += 1 >>> for i in fib(): print(i) 0 1 1 2 3 5 8 13 21 34 55 >>>
使用生成器实现斐波纳契数列：
>>> def fib(max): a,b = 0,1 while a < max: yield a a,b = b,a+b >>> for i in fib(500): print (i) 0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 >>> list(fib(500)) [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377] >>>
生成器表达式： 可推导的迭代器
迭代器和列表推导相结合，形成了一个新特性：生成器表达式。
生成器表达式和列表表达式类似，但是前者被小括号包含着，后者是用方括号包含的。
>>> #列表推导 >>> [x**3 for x in range(5)] [0, 1, 8, 27, 64] >>> >>> #生成器表达式 >>> (x**3 for x in range(5)) <generator object <genexpr> at 0x0000000002BE0798> >>> >>> list(x**3 for x in range(5)) [0, 1, 8, 27, 64] >>>
>>> gen=(x**3 for x in range(5))
>>> gen.next()
0
>>> gen.next()
1
>>> gen.next()
8
>>> gen.next()
27
>>> gen.next()
64
>>> gen.next()
Traceback (most recent call last):
File "<pyshell#17>", line 1, in <module>
gen.next()
StopIteration
>>>
生成器：函数 vs 表达式
相同的迭代可以用生成器函数或生成器表达式实现。二者都可以自动迭代或手动迭代。
>>> gen = (c*5 for c in ‘pyhton‘) >>> list(gen) [‘ppppp‘, ‘yyyyy‘, ‘hhhhh‘, ‘ttttt‘, ‘ooooo‘, ‘nnnnn‘] >>> >>> def gen(x): for c in x: yield c*5 >>> g=gen(‘python‘) >>> list(g) [‘ppppp‘, ‘yyyyy‘, ‘ttttt‘, ‘hhhhh‘, ‘ooooo‘, ‘nnnnn‘] >>>
标签：error 退出 关键字 div last 代码 包含 不同 generator
原文地址：http://www.cnblogs.com/abclife/p/7502431.html
