526互联

Python——第四章：生成器(generator)

发布时间 2023-11-29 18:44:18作者: Magiclala

生成器(generator):
    生成器的本质就是迭代器

    创建生成器的两种方案:
        1. 生成器函数
        2. 生成器表达式

    生成器函数
        生成器函数中有一个关键字yield
        生成器函数执行的时候, 并不会执行函数, 得到的是生成器.

        yield: 只要函数中出现了yield. 它就是一个生成器函数
            作用:
                1. 可以返回数据
                2. 可以分段的执行函数中的内容, 通过__next__()可以执行到下一个yield位置
        优势:
            用好了, 特别的节省内存


    生成器表达式 -> 一次性的
        语法: (数据 for循环 if)

 

正常的函数调用如下：

def func():
    print(123456)
    return 999

ret = func()
print(ret)

#运行结果
123456
999

使用生成器命令yield替代return。生成器函数执行的时候，并不会执行函数，得到的是生成器。

def func():
    print(123456)
    yield 999  # yield也有返回的意思.

ret = func()
print(ret)

#运行结果
<generator object func at 0x115f2dbd0>

生成器的本质就是迭代器，因此我们可以用迭代器的模式使用它：

def func():
    print(123456)
    yield 999  # yield也有返回的意思.

ret = func()
print(ret.__next__())  # yield只有执行到next的时候才会返回数据

#运行结果
123456
999

上面运行结果中：123456是函数的正常执行，999是yield返回的值，也就是说999是print()打印出来的，我们把print()拿掉就可以看到只有123456了

def func():
    print(123456)
    yield 999  # yield也有返回的意思.

ret = func()
ret.__next__()
#运行结果
123456

因此我们可以发现,yield和return是有一些区别的：return的用法是立即执行函数,并返回数据,而yield是只有执行到next的时候，才会返回数据。

如果我们执行2次next()又会出现和迭代器一样的StopIteration报错

def func():
    print(123456)
    yield 999  # yield也有返回的意思.

ret = func()

print(ret.__next__())  # yield只有执行到next的时候才会返回数据
print(ret.__next__())  # StopIteration

#运行结果
123456
999
Traceback (most recent call last):
  File "D:\迭代器.py", line 8, in <module>
    print(ret.__next__())  # StopIteration
          ^^^^^^^^^^^^^^
StopIteration

这也证明了:" 生成器的本质就是迭代器"

 

yield可以让程序分段的执行函数中的内容, 通过__next__()可以执行到下一个yield位置

执行一次:

def func():
    print(123)
    yield 666
    print(456)
    yield 999

ret = func()
print(ret.__next__())

#运行结果
123
666

执行两次:

def func():
    print(123)
    yield 666
    print(456)
    yield 999

ret = func()
print(ret.__next__())
print(ret.__next__())

#运行结果
123
666
456
999

这里yield就明显区别与return：当使用return的时候（比如return 666），return后面的内容全部都不会再执行。

去工厂定制10000件衣服

def order():
    lst = []
    for i in range(10000):
        lst.append(f"衣服{i}")
    return lst

lst = order()
print(lst)

简单的for循环会一次性生产出10000件衣服，并且出现了大列表lst[0,1,2,3,……,9999]这样会严重占用内存，并且双方都不好处理。

为此我们使用生成器玩法，让每次出货量为100件，每次执行__next__后再生产100件，这样就非常不占用内存，并且生产压力和库存压力都减少很多。

def order():
    lst = []
    for i in range(10000):
        lst.append(f"衣服{i}")
        if len(lst) == 100:
            yield lst
            # 下一次拿数据
            lst = []    #清空计数器重新计数


gen = order()
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())

还可以用一个列表去接收这些yield的值：

def order():
    lst = []
    for i in range(10000):
        lst.append(f"衣服{i}")
        if len(lst) == 100:
            yield lst
            # 下一次拿数据
            lst = []    # 清空计数器重新计数

gen = order()

# 用于追加结果的列表
result_list = []

# 逐次执行生成器并追加结果到列表中
result = next(gen)
result_list.append(result)

result = next(gen)
result_list.append(result)

result = next(gen)
result_list.append(result)

result = next(gen)
result_list.append(result)

# 打印包含所有结果的列表
print(result_list)

以下这段代码，存在的意义就是，使用生成器的yield特性，将程序分段执行，这样就可以避免庞大的数据执行时，严重占用内存的现象。

def order():
    lst = []
    for i in range(10000):
        lst.append(f"衣服{i}")
        if len(lst) == 100:
            yield lst
            # 下一次拿数据
            lst = []    # 清空计数器重新计数

gen = order()

# 使用 list() 函数接收生成器的 yield 返回值
result_list = list(gen)

在处理大型数据集或者生成器产生的数据量很大时，一次性获取所有值可能会导致内存占用较大，因为所有值都需要同时存储在内存中。在这种情况下，你可能希望逐个获取生成器的值，以减小内存压力。

如果数据量较大或者你希望逐个获取生成器的值，那么逐次调用 next(gen) 会更有优势！

这就是生成器的存在的价值。