看完这篇，你就知道Python生成器是什么
生成器是 Python 低级开拓者最难领略的观念之一，虽被认为是 Python 编程中的高级技术，但在各类项目中可以到处见到生成器的身影，你得不得去领略它、利用它、甚至爱上它。
提到生成器，总不行制止地要把迭代器拉出来比拟着讲，生成器就是一个在行为上和迭代器很是雷同的工具，假如把迭代器比作 Android 系统，那么生成器就是 iOS，二者成果上差不多，可是生成器更优雅。
什么是迭代器
顾名思义，迭代器就是用于迭代操纵（for 轮回）的工具，它像列表一样可以迭代获取个中的每一个元素，任何实现了 __next__ 要领 （python2 是 next）的工具都可以称为迭代器。
它与列表的区别在于，构建迭代器的时候，不像列表把所有元素一次性加载到内存，而是以一种延迟计较（lazy evaluation）方法返回元素，这正是它的利益。好比列表含有中一千万个整数，需要占高出400M的内存，而迭代器只需要几十个字节的空间。因为它并没有把所有元素装载到内存中，而是比及挪用 next 要领时候才返回该元素（按需挪用 call by need 的方法，本质上 for 轮回就是不绝地挪用迭代器的next要领）。
以斐波那契数列为例来实现一个迭代器：
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，就可以正式进入生成器的话题了。普通函数用 return 返回一个值，和 Java 等其他语言是一样的，然而在 Python 中尚有一种函数，用要害字 yield 来返回值，这种函数叫生成器函数，函数被挪用时会返回一个生成器工具，生成器本质上照旧一个迭代器，也是用在迭代操纵中，因此它有和迭代器一样的特性，独一的区别在于实现方法上纷歧样，后者越发简捷
最简朴的生成器函数：
>>> def func(n): ... yield n*2 ... >>> func <function func at 0x00000000029F6EB8> >>> g = func(5) >>> g <generator object func at 0x0000000002908630> >>>
func 就是一个生成器函数，挪用该函数时返回工具就是生成器 g ，这个生成器工具的行为和迭代器长短常相似的，可以用在 for 轮回等场景中。留意 yield 对应的值在函数被挪用时不会立即返回，而是挪用next要领时（本质上 for 轮回也是挪用 next 要领）才返回
>>> g = func(5) >>> next(g) 10 >>> g = func(5) >>> for i in g: ... print(i) ... 10
那为什么要用生成器呢？显然，用生成器在逼格上要比迭代器高几个品级，它没有那么多冗长代码了，并且机能上一样的高效，为什么不消呢？来看看用生成器实现斐波那契数列有多简朴。
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]
生成器表达式
#p#分页标题#e#
在前面一期「这样写代码更优雅」的文章内里曾经先容过列表推导式（list comprehension），生成器表达式与列表推导式长的很是像，可是它俩返回的工具纷歧样，前者返回生成器工具，后者返回列表工具。
>>> g = (x*2 for x in range(10)) >>> type(g) <type 'generator'> >>> l = [x*2 for x in range(10)] >>> type(l) <type 'list'>
前面已经先容过生成器的优势，就是迭代海量数据时，显然生成器更符合。
