Python基础63Python中的生成器

　　1、为什么要有生成器
　　Python在数据科学领域可以说是很火，我想有一部分的功劳就是它的生成器了吧。
　　我们知道我们可以用列表储存数据，可是当我们的数据特别大的时候，列表中的数据都是放在内存中，受到内存限制，列表容量肯定是有限的，而且还会降低计算机的性能。
　　如果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。但如果列表中元素是按照某种算法推算出来，那我们就可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的列表数据，从而节省大量的空间。
　　换句话说，我又想要得到庞大的数据，又想让它占用空间少，这时生成器就派上用场了，它可以说是一个不怎么占计算机资源的一种方法。 2、创建生成器（1）简单创建生成器
　　将一个列表推导式（也叫列表生成式）  []   改为 ()  即可创建一个生成器。
　　python # 1.用推导式定义一个列表 # 关于推导式请看以前的文章有讲解。 my_list = [x * x for x in range(10)]  # 打印列表 print(my_list) # 查看my_list类型，是一个列表 print(type(my_list)) ＂＂＂ 输出结果： [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]  ＂＂＂    # 2.创建一个生成器 my_gen = (x * x for x in range(10))  # 打印生成器，是一个生成器对象 print(my_gen) # 查看my_gen对象类型，是生成器类型 print(type(my_gen)) ＂＂＂ 输出结果：  at 0x0000000002575148>  ＂＂＂（2）生成器的使用# 创建生成器 my_gen = (x * x for x in range(10))  # 1。方式一：遍历生成器，使用next方法 print(my_gen.__next__())  # 0 print(my_gen.__next__())  # 1 print(my_gen.__next__())  # 4 print(my_gen.__next__())  # 9 # 或者 print(next(my_gen))  # 16 print(next(my_gen))  # 没有数据了则会抛出异常StopIteration    # 2.方式二：遍历生成器的内容 for i in my_gen:     print(1)   # 3.方式三：遍历生成器的内容 while True:     try:         # 调用next函数，获取下一个字符         result = next(my_gen)         print(result)     except StopIteration:         # 释放对it的引用，即废弃迭代器对象         del my_gen         # 不推出循环会成为私循环         break提示：
　　在上边练习中，可以看到和迭代器的用法差不多，在这里说明一下生成器本身就是一个迭代器。如果有对迭代器不清楚的可以查看前面说明迭代器的文章。上面方式一不断调用 next()  方法回去元素，实在是太变态了，正确的方法是使用for  循环。generator  保存的是算法，每次调用next()  ，就计算出下一个元素的值，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。总结：
　　用 []  推导出来的是迭代器（Iterables  ）。用()  推导出来的是生成器（Generators  ）。3、yield关键词（1）yield关键词说明
　　如果我们想定义一个自己的生成器函数怎么办？
　　Python有 yield  关键词。其作用和return  的功能差不多，就是返回一个值给调用者，只不过有yield  的函数返回值后，函数依然保持调用yield  时的状态，当下次调用的时候，在原先的基础上继续执行代码，直到遇到下一个yield  或者满足结束条件结束函数为止。
　　啥意思？啥意思？啥意思？ 你先把 yield  关键字直观地看做return  关键字，它首先是return  的功能，就是在函数或方法中返回某个值，返回之后程序就不再往下运行了。yield  相当于返回一个值给调用者，停止执行函数中的语句，并且记住这个返回的位置。下次迭代时（或者执行next  方法的时候），代码从yield  记录位置的下一条语句开始执行。带有 yield  的函数不再是一个普通函数，而是一个生成器generator  。调用一个生成器函数，返回的是一个迭代器对象。
　　示例： # 定义一个生成器函数 def testYield():     yield 1     yield 2     yield 3  # 获得一个生成器对象 ty = testYield()  ＂＂＂ 调用过程： next(ty)相当于ty.__next__() 掉调用一次next(ty)时 就会执行testYield()内的方法。 当执行的第一行， yield 1时， 返回当前yield的值1给调用者，停止向下执行，并记录函数中当前的执行位置。 也就是每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值。 程序执行结束  当下次再调用next(ty)的时候， 还是会执行testYield()内的方法， 只不过是从yield 1下面一句开始执行。 以此类推。 ＂＂＂ print(next(ty))  # 1 print(next(ty))  # 2 print(next(ty))  # 3 print(next(ty))  # StopIteration
　　注意：每次调用  testYield()  函数都会生成一个新的 generator 实例，各实例互不影响。（2）send()方法说明
　　send()  方法和next()  方法一样，都能让生成器继续往下走一步（下次遇到yield停），但send()  能传一个值，这个值作为yield表达式整体的结果。def testYield():     yield 1     y = yield 2     if (y == ＂hello＂):         yield 9     yield 3   ty = testYield()  print(ty.__next__())  # 1 print(next(ty))  # 2 ＂＂＂ 第三次执行，send方法会把＂hello＂传递进去 就是y = ＂hello＂ 换句话说，就是send可以强行修改上一个yield表达式值 程序会从第二个yield的下一行开始执行 执行到下一个yield停止，并记录位置，返回结果。 ＂＂＂ print(ty.send(＂hello＂))  # 9 print(next(ty))  # 3 print(next(ty))  # StopIteration
　　注意：第一次执行要么 next(ty)  要么ty.send(None)  ，不能使用ty.send(＂xxxxx＂)  ，否则会报错的。4、使用yield实现斐波那契数列＂＂＂ 数学中有个著名的斐波那契数列（Fibonacci）， 数列中第 个数0，第 个数1，其后的每 个数都可由前两个数相加得到： 如下： 0,    1,    1,   2,    3,    5,   8,    13,    21,   34,    ...  现在我们想要通过for...in...循环来遍历迭代斐波那契数列中的前n个数。 那么这个斐波那契数列我们就可以 生成来实现， 每次迭代都通过数学计算来 成下 个数。 ＂＂＂ from collections.abc import Iterable, Iterator   class FibGenerator(object):     ＂＂＂         fib数列生成器     ＂＂＂      # 初始化方法     def __init__(self):         # 斐波拉契数列中的前两个数         self.num1 = 0         self.num2 = 1          # 用来记录迭代次数(计数器)         self.i = 0      def gen(self, count):         # 用来保存迭代的总次数         self.count = count          # 判断是否迭代结束，如果没有到达迭代次数，则返回数据         # self.count 需要迭代的次数         # self.i已迭代次数         while self.i < self.count:             yield self.num2             # 计算num1, num2的值，方便下次迭代返回             # 这里运用的是序列的封包与解包，不会的可以看我以前的文章（元组）             self.num1, self.num2 = self.num2, self.num1 + self.num2              # 执行一次next方法，计数器+1             self.i = self.i + 1   # 创建一个对象 fibGen = FibGenerator()  # 调用生成器函数得到一个生成器 fg = fibGen.gen(15)  # fibIter对象是一个迭代器 print(isinstance(fg, Iterable))  # True print(isinstance(fg, Iterator))  # True  # next方法方式获取数据 # print(next(fg))  # 1 # print(next(fg))  # 1 # print(next(fg))  # 2 # print(next(fg))  # 3 # print(next(fg))  # 5 # print(next(fg))  # 8   # 遍历生成器，可执行 for li in fg:     print(li)5、总结生成器 generator  就是迭代器iterator  的一种，以更优雅的方式实现的iterator  ，而且完全可以像使用iterator  一样使用generator  。当然除了定义，定义一个 iterator  ，你需要分别实现__iter__()  方法方法和__next__()  方法。但generator只需要一个yield关键字就可以。Python生成器主要目的就是为了让你的代码更省资源，更高效！
　　参考：
　　https://blog.csdn.net/weixin_37720172/article/details/78482291
　　https://www.cnblogs.com/liangmingshen/p/9706181.html
　　https://blog.csdn.net/xiangxianghehe/article/details/77281186
　　原文地址：https://www.cnblogs.com/liuyuelinfighting/p/15953745.html