Python学习笔记（五）

发表于 | 分类于 |

python 的一些高级特性(二)

生成器

通过列表生成式，我们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。在 Python 中，这种一边循环一边计算的机制，称为生成器：generator。我们可以通过 next()函数获得 generator 的下一个返回值，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

1
2
3
4
5
6
7
8
9
10
11
12
13
# 列表生成式
>>>L = [x * x for x in range(10)]
>>>L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
# 生成器
>>>g = (x * x for x in range(10))
>>>g
<generator object <genexpr> at 0x1022ef630>
>>>next(g)
0
>>>next(g)
1
...

通常情况下我们不会直接使用next(),我们会在for循环中使用，所以，我们创建了一个 generator 后，基本上永远不会调用 next()，而是通过 for 循环来迭代它，并且不需要关心 StopIteration 的错误。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.如：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
>>>g = (x * x for x in range(10))
>>>for n in g:
...		print(n)
...
0
1
4
9
16
25
36
49
64
81

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：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return 'done'
# 改为generator形式
def fib_gen(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'
# 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_gen(6)
while True:
    try:
        x = next(g)
        print('g:', x)
    except StopIteration as e:
        print('Generator return value:', e.value)
        break
# g: 1
# g: 1
# g: 2
# g: 3
# g: 5
# g: 8
# Generator return value: done

迭代器

[越努力，越幸运！]