Python 生成器
Python 中的生成器是创建迭代器的便捷方式。它们允许我们遍历一系列值,这意味着,值是动态生成的,而不是存储在内存中,这对于大型数据集或无限序列特别有用。
Python 中的生成器是一种特殊类型的函数,它返回一个迭代器对象。它看起来类似于普通的 Python 函数,因为它的定义也以 def 关键字开头。但是,generator 使用 yield 关键字,而不是 return 语句在末尾。
语法
以下是 generator() 函数的语法 -
创建生成器
在 python 中创建生成器有两种主要方法 -
- 使用生成器函数
- 使用生成器表达式
使用生成器函数
生成器函数使用 'yield' 语句一次返回所有值。每次调用生成器的 __next__() 方法时,生成器都会从上次中断的地方继续,即从最后一个 yield 语句之后开始。下面是创建 generator 函数的示例。
输出
2
3
4
5
使用生成器表达式
生成器表达式提供了一种创建生成器的紧凑方法。他们使用类似于列表推导式的语法,但使用括号,即 “{}” 而不是方括号,即 “[]”
输出
4
9
16
25
生成器中的异常处理
我们可以创建一个生成器,并使用 'while' 循环对其进行迭代,并对 'StopIteration' 异常进行异常处理。下面代码中的函数是一个生成器,它连续产生从 1 到 5 的整数。
调用此函数时,它将返回一个迭代器。每次调用 next() 方法都会将控制权转移回生成器并获取下一个整数。
输出
2
3
4
5
Normal 函数 vs Generator 函数
Python 中的普通函数和生成器函数具有不同的用途并表现出不同的行为。了解它们的差异对于在我们的代码中有效利用它们至关重要。
普通函数在调用时计算并返回单个值或一组值,无论是在列表还是元组中。返回后,函数的执行完成,所有局部变量都将被丢弃,而生成器函数通过在每次生成之间暂停和恢复其状态来一次生成一个值。它使用 yield 语句而不是 return。
例在此示例中,我们将创建一个普通函数并构建一个斐波那契数列列表,然后使用循环迭代该列表 -
输出
2
3
5
8
例
在上面的示例中,我们使用 normal 函数创建了一个斐波那契数列,当我们想在一个列表中收集所有斐波那契数列数字,然后使用循环遍历该列表时。想象一下,我们希望斐波那契数列上升到一个很大的数字。
在这种情况下,所有数字都必须收集在一个需要巨大内存的列表中。这就是 generator 的用武之地,因为它会在列表中生成一个数字并将其提供给用户。以下代码是基于生成器的斐波那契数列解决方案 -
输出
2
3
5
8
异步生成器
异步生成器是返回异步迭代器的协程。协程是用 async 关键字定义的 Python 函数,它可以调度和等待其他协程和任务。
就像普通生成器一样,异步生成器每次调用 anext() 函数时都会在迭代器中生成增量项,而不是 next() 函数。
语法
以下是 Asynchronous Generator 的语法 -
例
以下代码演示了一个协程生成器,该生成器在异步 for 循环的每次迭代中都会生成递增整数。
输出
2
3
4
5
例
现在让我们为斐波那契数列编写一个异步生成器。为了模拟协程中的某个异步任务,程序调用 sleep() 方法持续 1 秒,然后产生下一个数字。结果,我们将在延迟一秒后在屏幕上打印数字。
输出
2
3
5
8