如何通過一篇文章瞭解Python中的生成器

2022-04-01 22:01:04

前言

生成器很容易實現，但卻不容易理解。生成器也可用於建立迭代器，但生成器可以用於一次返回一個可迭代的集合中一個元素。現在來看一個例子：

def yrange(n):
    i = 0
    while i < n:
        yield i
        i += 1

每次執行 yield 語句時，函數都會生成一個新值。

“生成器”這個詞被混淆地用來表示生成的函數和它生成的內容。

當呼叫生成器函數時，它甚至沒有開始執行該函數就返回一個生成器物件。當第一次呼叫 next() 方法時，函數開始執行直到它到達 yield 語句。產生的值由下一次呼叫返回。

以下範例演示了 yield 和對生成器物件上的 next 方法的呼叫之間的相互作用。

>>> def foo():
...     print("begin")
...     for i in range(3):
...         print("before yield", i)
...         yield i
...         print("after yield", i)
...     print("end")
...
>>> f = foo()
>>> next(f)
begin
before yield 0
0
>>> next(f)
after yield 0
before yield 1
1
>>> next(f)
after yield 1
before yield 2
2
>>> next(f)
after yield 2
end
Traceback (most recent call last):
  File "<pyshell#13>", line 1, in <module>
    next(f)
StopIteration
>>>

生成器也是迭代器

生成器也是迭代器，支援使用 for 迴圈。當使用 for 語句開始對一組專案進行迭代時，即執行生成器。一旦生成器的函數程式碼到達 yield 語句，生成器就會將其執行交還給 for 迴圈，從集合中返回一個新值。生成器函數可以根據需要生成任意數量的值（可能是無限的），依次生成每個值。

f_2 = foo()
for i in f_2: print(i)

begin
before yield 0
0
after yield 0
end
before yield 1
1
after yield 1
end
before yield 2
2
after yield 2
end

當一個函數包含 yield 時，Python 會自動實現一個迭代器，為我們應用所有需要的方法，比如 __iter__() 和 __next__()，所以生成器也能和迭代器有相同的功能，如下所示：

def yrange():
    i = 1
    while True:
        yield i
        i = i + 1

def squares():
    for i in yrange():
        yield i * i

def take(n, seq):
    seq = iter(seq)
    result = []
    try:
        for i in range(n):
            result.append(next(seq))
    except StopIteration:
        pass
    return result

print(take(5, squares()))

# [1, 4, 9, 16, 25]

接下來看一下如何使用生成器計算斐波那契數列：

def fib(n):
    if n <= 1:
        return 1
    a, b = 0, 1
    for _ in range(n):
        a, b = b, a + b
        yield a

for i in fib(10):
    print(i, end=' ')

# Result：1 1 2 3 5 8 13 21 34 55

生成器推導式

生成器表示式是列表推導式的生成器版本。它們看起來像列表推導式，但返回的是一個生成器，而不是一個列表。生成器推導式的本質：

使用 yield 會產生一個生成器物件
用 return 將返回當前的第一個值。

generator_expressions = (x for x in range(10))
generator_expressions
<generator object <genexpr> at 0x0000023F8BC51AF0>
sum(generator_expressions)
45

無限生成器

生成器的另一個常見場景是無限序列生成。在 Python 中，當您使用有限序列時，您可以簡單地呼叫 range() 並在列表中對其進行計數，例如：

a = range(5)
print(list(a))
[0, 1, 2, 3, 4]

也可以這樣做，使用如下生成器生成無限序列：

def infinite_sequence():
    num = 0
    while True:
        yield num
        num += 1

執行此程式碼時，可以看到其執行非常快，可以通過 CTRL+C 來使得程式結束，如下：

生成器實際用法

1. 讀取檔案行

生成器的一個常見用法是處理大型檔案或資料流，例如 CSV 檔案。假設我們需要計算文字檔案中有多少行，我們的程式碼可能如下所示：

def csv_reader(file_name):
    file = open(file_name)
    result = file.read().split("n")
    return result

csv_gen = csv_reader("some_file.csv")
row_count = 0

for row in csv_gen:
    row_count += 1

print(f"Row count is {row_count}")

我們的 csv_reader 函數將簡單地將檔案開啟到記憶體中並讀取所有行，然後它將行拆分並與檔案資料形成一個陣列。如果檔案包含幾千行，可能就會導致速度變慢，設定是記憶體被佔滿。

這裡就可以通過生成器重構的 csv_reader 函數。

def csv_reader(file_name):
    for row in open(file_name, "r"):
        yield row

2.讀取檔案內容

def readfiles(filenames):
    for f in filenames:
        for line in open(f):
            yield line

def grep(pattern, lines):
    return (line for line in lines if pattern in line)

def printlines(lines):
    for line in lines:
        print(line, end="")

def main(pattern, filenames):
    lines = readfiles(filenames)
    lines = grep(pattern, lines)
    printlines(lines)

高階生成器用法

到目前為止，我們已經介紹了生成器最常見的用途和構造，但還有更多內容需要介紹。隨著時間的推移，Python 為生成器新增了一些額外的方法：

send() 函數
throw() 函數
close() 函數

接下來，我們來看一下如何使用這三個函數。

首先，新建一個生成器將生成素數，其實現如下：

def isPrime(n):
    if n < 2 or n % 1 > 0:
        return False
    elif n == 2 or n == 3:
        return True
    for x in range(2, int(n**0.5) + 1):
        if n % x == 0:
            return False
    return True

def getPrimes():
    value = 0
    while True:
        if isPrime(value):
            i = yield value
            if i is not None:
                value = i
        value += 1

然後我們呼叫 send() 函數，這個函數會向生成器 prime_gen 傳入一個值，然後從這個值開始計算下一個素數的值：

prime_gen = getPrimes()
print(next(prime_gen))
print(prime_gen.send(1000))
print(next(prime_gen))

可以看到如下結果：

throw() 允許您使用生成器丟擲異常。例如，這對於以某個值結束迭代很有用。比如我們想得到小於 20 的素數就可以使用如下方法：

prime_gen = getPrimes()

for x in prime_gen:
    if x > 20:
        prime_gen.throw(ValueError, "I think it was enough!")
    print(x)

執行該程式碼，得到結果如下：

在前面的範例中，我們通過引發異常來停止迭代，但這並不是使用者想看到的，誰想看到報錯呢。因此，結束迭代的更好方法是使用 close():

prime_gen = getPrimes()

for x in prime_gen:
    if x > 20:
        prime_gen.close()
    print(x)

執行結果如下圖：

可以看到，生成器在執行到停止了，沒有引發任何異常。

總結

生成器簡化了迭代器的建立。生成器是產生一系列結果而不是單個值的函數。

生成器可以用於優化 Python 應用程式的效能，尤其是在使用大型資料集或檔案時的場景中。

生成器還通過避免複雜的迭代器實現或通過其他方式處理資料來提供清晰的程式碼。

參考連結:

How to Use Generator and yield in Python

https://realpython.com/introduction-to-python-generators/

https://anandology.com/python-practice-book/iterators.html

到此這篇關於Python中生成器的文章就介紹到這了,更多相關Python的生成器內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！