通过列表生成式,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。
定义方法一
把一个列表生成式的 []
改成 ()
,就创建了一个 generator:
>>> li = [ i * i for i in range(5)]
>>> li
[0, 1, 4, 9, 16]
>>>
>>> gen = ( i * i for i in range(5))
>>> gen
<generator object <genexpr> at 0x013710B0>
>>>
创建 li 和 gen 的区别仅在于最外层的[]
和()
,li 是一个 list,而 gen
是一个 generator。
我们可以直接打印出 list 的每一个元素,可以通过 next()
函数获得 generator 的下一个返回值:
>>> next(gen)
0
>>>
>>> next(gen)
1
>>> next(gen)
4
>>> next(gen)
9
>>> next(gen)
16
>>> next(gen)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
generator 保存的是算法,每次调用 next(gen)
,就计算出 gen 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,正确的方法是使用 for
循环,因为 generator 也是可迭代对象:
>>> gen = ( i * i for i in range(5))
>>>
>>> for n in gen:
... print(n)
...
0
1
4
9
16
我们创建了一个 generator 后,基本上永远调用 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。
定义方法二
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
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 +=1
... return 'done'
...
>>>
>>> fib(6)
1
1
2
3
5
8
'done'
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:
调用该generator时,首先要生成一个generator对象,然后用next()
函数不断获得下一个返回值:
>>> def fib(max):
... n,a,b = 0,0,1
... while n<max:
... yield b
... a,b = b,a+b
... n +=1
... return "done"
...
>>>
>>> f = fib(6)
>>> f
<generator object fib at 0x013710B0>
>>>
>>>
>>> next(fib(6))
1
>>> next(fib(6))
1
>>> next(fib(6))
1
>>> next(fib(6))
1
>>> g = fib(6)
>>> next(g)
1
>>> next(g)
1
>>> next(g)
2
>>> next(g)
3
>>> next(g)
5
>>> next(g)
8
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration: done
>>> for i in fib(6):
... print(i)
...
1
1
2
3
5
8
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:
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:
>>> g = fib(6)
>>>
>>> while True:
... try:
... x = next(g)
... print(x)
... except StopIteration as e:
... print(e.value)
... break
...
1
1
2
3
5
8
done
【注】
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 2
... print('step 3')
... yield 3
...
>>>
>>> gen = odd()
>>> next( gen )
step 1
1
>>> next( gen )
step 2
2
>>> next( gen )
step 3
3
>>> next( gen )
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
odd
不是普通函数,而是generator,在执行过程中,遇到yield
就中断,下次又继续执行。执行3次yield
后,已经没有yield
可以执行了,所以,第4次调用next(o)
就报错。