Python生成器指的是什么？這個問題可能是我們日常學習或工作經(jīng)常見到的。希望通過這個問題能讓你收獲頗深。下面是小編給大家?guī)淼膮⒖純热荩屛覀円黄饋砜纯窗桑?/p>

創(chuàng)新互聯(lián)公司服務項目包括廣陽網(wǎng)站建設、廣陽網(wǎng)站制作、廣陽網(wǎng)頁制作以及廣陽網(wǎng)絡營銷策劃等。多年來，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術優(yōu)勢、行業(yè)經(jīng)驗、深度合作伙伴關系等，向廣大中小型企業(yè)、政府機構等提供互聯(lián)網(wǎng)行業(yè)的解決方案，廣陽網(wǎng)站推廣取得了明顯的社會效益與經(jīng)濟效益。目前，我們服務的客戶以成都為中心已經(jīng)輻射到廣陽省份的部分城市，未來相信會繼續(xù)擴大服務區(qū)域并繼續(xù)獲得客戶的支持與信任！

生成器是 Python 初級開發(fā)者最難理解的概念之一，雖被認為是 Python 編程中的高級技能，但在各種項目中可以隨處見到生成器的身影，你得不得去理解它、使用它、甚至愛上它。

提到生成器，總不可避免地要把迭代器拉出來對比著講，生成器就是一個在行為上和迭代器非常類似的對象，如果把迭代器比作 Android 系統(tǒng)，那么生成器就是 iOS，二者功能上差不多，但是生成器更優(yōu)雅。

什么是迭代器

顧名思義，迭代器就是用于迭代操作（for 循環(huán)）的對象，它像列表一樣可以迭代獲取其中的每一個元素，任何實現(xiàn)了 __next__ 方法 （python2 是 next）的對象都可以稱為迭代器。

它與列表的區(qū)別在于，構建迭代器的時候，不像列表把所有元素一次性加載到內存，而是以一種延遲計算（lazy evaluation）方式返回元素，這正是它的優(yōu)點。比如列表含有中一千萬個整數(shù)，需要占超過400M的內存，而迭代器只需要幾十個字節(jié)的空間。因為它并沒有把所有元素裝載到內存中，而是等到調用 next 方法時候才返回該元素（按需調用 call by need 的方式，本質上 for 循環(huán)就是不斷地調用迭代器的next方法）。

以斐波那契數(shù)列為例來實現(xiàn)一個迭代器：

class Fib:
    def __init__(self, n):
        self.prev = 0
        self.cur = 1
        self.n = n
    def __iter__(self):
        return self
    def __next__(self):
        if self.n > 0:
            value = self.cur
            self.cur = self.cur + self.prev
            self.prev = value
            self.n -= 1
            return value
        else:
            raise StopIteration()
    # 兼容python2
    def __next__(self):
        return self.next()
f = Fib(10)
print([i for i in f])
#[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

什么是生成器

知道迭代器之后，就可以正式進入生成器的話題了。普通函數(shù)用 return 返回一個值，和 Java 等其他語言是一樣的，然而在 Python 中還有一種函數(shù)，用關鍵字 yield 來返回值，這種函數(shù)叫生成器函數(shù)，函數(shù)被調用時會返回一個生成器對象，生成器本質上還是一個迭代器，也是用在迭代操作中，因此它有和迭代器一樣的特性，唯一的區(qū)別在于實現(xiàn)方式上不一樣，后者更加簡潔

最簡單的生成器函數(shù)：

>>> def func(n):
...     yield n*2
...
>>> func
<function func at 0x00000000029F6EB8>
>>> g = func(5)
>>> g
<generator object func at 0x0000000002908630>
>>>

func 就是一個生成器函數(shù)，調用該函數(shù)時返回對象就是生成器 g ，這個生成器對象的行為和迭代器是非常相似的，可以用在 for 循環(huán)等場景中。注意 yield 對應的值在函數(shù)被調用時不會立刻返回，而是調用next方法時（本質上 for 循環(huán)也是調用 next 方法）才返回

>>> g = func(5)
>>> next(g)
10
>>> g = func(5)
>>> for i in g:
...     print(i)
...
10

那為什么要用生成器呢？顯然，用生成器在逼格上要比迭代器高幾個等級，它沒有那么多冗長代碼了，而且性能上一樣的高效，為什么不用呢？來看看用生成器實現(xiàn)斐波那契數(shù)列有多簡單。

def fib(n):
    prev, curr = 0, 1
    while n > 0:
        n -= 1
        yield curr
        prev, curr = curr, curr + prev
print([i for i in fib(10)])
#[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

生成器表達式 

在前面一期「這樣寫代碼更優(yōu)雅」的文章里面曾經(jīng)介紹過列表推導式（list comprehension），生成器表達式與列表推導式長的非常像，但是它倆返回的對象不一樣，前者返回生成器對象，后者返回列表對象。

>>> g = (x*2 for x in range(10))
>>> type(g)
<type 'generator'>
>>> l = [x*2 for x in range(10)]
>>> type(l)
<type 'list'>

感謝各位的閱讀！看完上述內容，你們對Python生成器指的是什么大概了解了嗎？希望文章內容對大家有所幫助。如果想了解更多相關文章內容，歡迎關注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

分享名稱：Python生成器指的是什么
本文鏈接：http://chinadenli.net/article8/gjooop.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供標簽優(yōu)化、網(wǎng)站內鏈、建站公司、用戶體驗、企業(yè)建站、網(wǎng)站導航

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)