在本文中，將學習如何使用Python生成器來創建迭代，了解它與迭代器和常規函數有什么區別，以及為什么要使用它。
在Python中構建迭代器有很多開銷; 必須使用__iter__()和__next__()方法實現一個類，跟蹤內部狀態，當沒有值被返回時引發StopIteration異常。
Python生成器是創建迭代器的簡單方法。上面提到的所有開銷都由Python中的生成器自動處理。
簡單來說，生成器是返回一個可以迭代的對象(迭代器)的函數(一次一個值)。
如何在Python中創建生成器？
在Python中創建生成器是相當簡單的。 它使用yield語句而不是return語句來定義，與正常函數一樣簡單。
如果函數包含至少一個yield語句(它可能包含其他yield或return語句)，那么它將成為一個生成器函數。 yield和return都將從函數返回一些值。
不同的是，return語句完全終止函數，但yield語句會暫停函數保存其所有狀態，並在以后的連續調用中繼續執行(有點像線程掛起的意思)。
生成器函數與正常函數的差異
下面列出的是生成器函數與正常函數的區別 -
- 生成器函數包含一個或多個
yield語句。 - 當被調用時，它返回一個對象(迭代器)，但不會立即開始執行。
__iter__()和__next__()之類的方法將自動實現。所以可以使用next()迭代項目。- 一旦函數退讓(
yields)，該函數將被暫停，並將該控制權交給調用者。 - 局部變量及其狀態在連續調用之間被記住。
- 最后，當函數終止時，
StopIteration會在進一步的調用時自動引發。
下面的例子用來說明上述所有要點。 我們有一個名為my_gen()的生成器函數和幾個yield語句。
#!/usr/bin/python3 #coding=utf-8 def my_gen(): n = 1 print('This is printed first, n= ', n) # Generator function contains yield statements yield n n += 1 print('This is printed second, n= ', n) yield n n += 1 print('This is printed at last, n= ', n) yield n 下面給出了交互式運行結果。 在Python shell中運行它們以查看輸出 -
>>> # It returns an object but does not start execution immediately.
>>> a = my_gen()
>>> # We can iterate through the items using next().
>>> next(a)
This is printed first, n = 1
1
>>> # Once the function yields, the function is paused and the control is transferred to the caller.
>>> # Local variables and theirs states are remembered between successive calls.
>>> next(a)
This is printed second, n = 2
2
>>> next(a)
This is printed at last, n = 3
3
>>> # Finally, when the function terminates, StopIteration is raised automatically on further calls.
>>> next(a)
Traceback (most recent call last):
...
StopIteration
>>> next(a)
Traceback (most recent call last):
...
StopIteration
在上面的例子中需要注意的是，在每個調用之間函數會保持住變量n的值。
與正常函數不同，當函數產生時，局部變量不會被銷毀。 此外，生成器對象只能重復一次。
要重新啟動該過程，需要使用類似於a = my_gen()的方法創建另一個生成器對象。
注意：最后要注意的是，可以直接使用帶有
for循環的生成器。
這是因為，for循環需要一個迭代器，並使用next()函數進行迭代。 當StopIteration被引發時，它會自動結束。 請查看這里了解一個for循環是如何在Python中實際實現的。
# A simple generator function def my_gen(): n = 1 print('This is printed first') # Generator function contains yield statements yield n n += 1 print('This is printed second') yield n n += 1 print('This is printed at last') yield n # Using for loop for item in my_gen(): print(item) 當運行程序時，將輸出結果為：
This is printed first 1 This is printed second 2 This is printed at last 3 具有循環的Python生成器
上面的例子沒有什么用，我們研究它只是為了了解在后台發生了什么。通常，生成器功能用具有適當終止條件的循環實現。
我們舉一個反轉字符串的生成器的例子 -
length = len(my_str) for i in range(length - 1,-1,-1): yield my_str[i] # For loop to reverse the string # Output: # o # l # l # e # h for char in rev_str("hello"): print(char)def rev_str(my_str): 在這個例子中，使用range()函數使用for循環以相反的順序獲取索引。事實證明，這個生成函數不僅可以使用字符串，還可以使用其他類型的列表，元組等迭代。
Python生成器表達式
使用生成器表達式，可以輕松創建簡單的生成器。 它使構建生成器變得容易。
與lambda函數一樣創建一個匿名函數，生成器表達式創建一個匿名生成函數。生成器表達式的語法與Python中的列表解析類似。 但方圓[]替換為圓括號()。
列表推導和生成器表達式之間的主要區別是：列表推導產生整個列表，生成器表達式一次生成一個項目。
它們是處理方式是懶惰的，只有在被要求時才能生產項目。 因此，生成器表達式的存儲器效率高於等效列表的值。
# Initialize the list my_list = [1, 3, 6, 10] # square each term using list comprehension # Output: [1, 9, 36, 100] [x**2 for x in my_list] # same thing can be done using generator expression # Output: <generator object <genexpr> at 0x0000000002EBDAF8> (x**2 for x in my_list) 我們可以看到，生成器表達式沒有立即生成所需的結果。 相反，它返回一個發生器對象，並根據需要生成項目。
# Intialize the list my_list = [1, 3, 6, 10] a = (x**2 for x in my_list) # Output: 1 print(next(a)) # Output: 9 print(next(a)) # Output: 36 print(next(a)) # Output: 100 print(next(a)) # Output: StopIteration next(a) 生成器表達式可以在函數內部使用。當以這種方式使用時，圓括號可以丟棄。
>>> sum(x**2 for x in my_list)
146
>>> max(x**2 for x in my_list)
100
為什么在Python中使用生成器？
有幾個原因使得生成器成為有吸引力。
1. 容易實現
與其迭代器類相比，發生器可以以清晰簡潔的方式實現。 以下是使用迭代器類來實現2的冪次序的例子。
class PowTwo: def __init__(self, max = 0): self.max = max def __iter__(self): self.n = 0 return self def __next__(self): if self.n > self.max: raise StopIteration result = 2 ** self.n self.n += 1 return result 上面代碼有點長，可以使用一個生成器函數實現同樣的功能。
def PowTwoGen(max = 0): n = 0 while n < max: yield 2 ** n n += 1 因為，生成器自動跟蹤的細節，它更簡潔，更干凈。
2.內存高效
返回序列的正常函數將在返回結果之前會在內存中的創建整個序列。如果序列中的項目數量非常大，這可是要消耗內存的。
序列的生成器實現是內存友好的，並且是推薦使用的，因為它一次僅產生一個項目。
3. 表未無限流
生成器是表示無限數據流的絕佳媒介。 無限流不能存儲在內存中，由於生成器一次只能生成一個項目，因此可以表示無限數據流。
以下示例可以生成所有偶數(至少在理論上)。
def all_even(): n = 0 while True: yield n n += 2 4.管道生成器
生成器可用於管理一系列操作，下面使用一個例子說明。
假設我們有一個快餐連鎖店的日志文件。 日志文件有一列(第4列)，用於跟蹤每小時銷售的比薩餅數量，我們想算出在5年內銷售的總薩餅數量。
假設一切都是字符串，不可用的數字標記為“N / A”。 這樣做的生成器實現可以如下。
with open('sells.log') as file: pizza_col = (line[3] for line in file) per_hour = (int(x) for x in pizza_col if x != 'N/A') print("Total pizzas sold = ",sum(per_hour)) 這種管道的方式是更高效和易於閱讀的。
原文出自【易百教程】，商業轉載請聯系作者獲得授權，非商業轉載請保留原文鏈接：https://www.yiibai.com/python/generator.html