Python3.5迭代器与生成器用法实例分析

本文实例讲述了Python3.5迭代器与生成器用法。分享给大家供大家参考，具体如下：

1、列表生成式

通过列表生成式可以直接创建一个列表。代码：a = [i*2 for i in range(10)]

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
#列表生成式
a = [i*2 for i in range(10)]
print(a)

运行结果：

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

由于受内存限制，列表容量肯定是有限的。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，若只访问前面的几个元素，后边的绝大多数元素占用空间浪费。

如果列表元素可以按照某种算法推算出来，那是否可以在循环过程中不断推算后续的元素？这样就不必创建完整的列表list，从而节省大量的空间。

2、生成器

在Python中，一边循环一边计算的机制，叫做：生成器（generator）。创建一个生成器的方法有很多：

（1）将一个列表生成式的[]改成()，就创建一个生成器。代码：b = (i*2 for i in range(10))

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
#列表生成式
a = [i*2 for i in range(10)]
print(a)
print("type of a:",type(a))
#生成器
b = (i*2 for i in range(10))
print(b)
print("type of b:",type(b))
for i in b:
  print(i)

运行结果：

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
type of a: <class 'list'>
<generator object <genexpr> at 0x008B8D20>
type of b: <class 'generator'>
0
2
4
6
8
10
12
14
16
18

结论：生成器的元素只有在调用的时候才生成相应的，调用到哪一次才会生成到哪一次的元素，只记住当前的位置。

注意：列表可以直接打印出每一个元素，而生成器不能用切片的形式去取，会出错误。

打印出生成器generator的每一个元素的方法：如果要一个一个打印出来，要通过next()函数获得生成器generator的下一个返回值。

生成器generator保存的是算法，每次调用print(next(b))，就计算出生成器b的下一个元素的值，直到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

#生成器
b = (i*2 for i in range(10))
print(next(b))
print(next(b))
print(next(b))
print(next(b))

运行结果：

0
2
4
6

不断调用next(b)很麻烦，可以利用for循环，因为生成器generator也是可迭代的对象。

（2）当推算的算法比较复杂时，用类似列表生成式的for循环无法实现，还可以用函数来实现生成器

例如：著名的斐波那契数列（Fibonaccl），除了第一个和第二个数之外，任意一个数都由前两个数相加得到：1, 1, 2, 3, 5, 8, 13, 21, 34, ...

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
def fibonaccl(max):
  n,a,b = 0,0,1
  while n < max:
    print(b)
    a,b = b,a + b
    n = n + 1
  return 'done'
fibonaccl(10)

运行结果：

1
1
2
3
5
8
13
21
34
55

总结：Fibonaccl函数实际上定义了斐波那契数列的推算规则，可以从第一个元素开始，推算出后续任意元素，这种逻辑非常类似generator。

Fibonaccl函数和生成器generator只有一步之遥，要把Fibonaccl函数变成生成器generator，只需要将print(b)修改为yield b就可以了。

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，

即：yield保存了函数的中断状态，返回当前状态的值，函数停在这里，后边还可以继续回来。

另外，函数可以不再等待其执行结束，可以中断在某个地方做其他的事情，结束之后还可以继续回来接着往下执行（具有并行的效果）。

def fibonaccl(max):
  n,a,b = 0,0,1
  while n < max:
    yield b
    a,b = b,a + b
    n = n + 1
  return 'done'
print(fibonaccl(15))
f = fibonaccl(15)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print("===========")
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print("=========start loop========")  #接着打印后边的元素
for i in f:
  print(i)

运行结果：

<generator object fibonaccl at 0x00548D50>
1
1
2
3
===========
5
8
13
21
=========start loop========
34
55
89
144
233
377
610

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。

def fibonaccl(max):
  n,a,b = 0,0,1
  while n < max:
    yield b
    a,b = b,a + b
    n = n + 1
  return 'done'
g = fibonaccl(6)
while True:
   try:
     x = next(g)
     print('g:', x)
   except StopIteration as e:
     print('Generator return value:', e.value)
     break

运行结果：

g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

3、生成器并行的实现――单线程下的并行效果

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
#生成器并行的实现――生产者、消费者模型
import time
def consumer(name):
  print("%s 准备吃包子啦!" %name)
  while True:
    baozi = yield     #yield保存当前状态返回
    print("包子[%s]来了,被[%s]吃了!" %(baozi,name))
def producer(name):
  c = consumer('A')
  c2 = consumer('B')
  c.__next__()     #next只唤醒yield
  c2.__next__()
  print("开始准备做包子啦!")
  for i in range(3):
    time.sleep(1)
    print("做了2个包子!")
    c.send(i)     #send唤醒yield同时给它传值
    c2.send(i)
producer("alex")

运行结果：

A 准备吃包子啦!
B 准备吃包子啦!
开始准备做包子啦!
做了2个包子!
包子[0]来了,被[A]吃了!
包子[0]来了,被[B]吃了!
做了2个包子!
包子[1]来了,被[A]吃了!
包子[1]来了,被[B]吃了!
做了2个包子!
包子[2]来了,被[A]吃了!
包子[2]来了,被[B]吃了!

更多关于Python相关内容可查看本站专题：《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。