«

Python中的生成器原理是什么

时间:2024-7-8 14:46     作者:韩俊     分类: Python


这篇文章主要介绍“Python中的生成器原理是什么”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“Python中的生成器原理是什么”文章能帮助大家解决问题。

什么是python生成器

生成器是一种特殊的迭代器,它内部也有

__iter__
方法和
__next__
方法,在终止生成器的时候,还是会抛
StopIteration
异常以此来退出循环,只不过相比于迭代器,生成器还有特性会保存“中间值”,下次运行的时候,还会借助这个“中间值”来操作。生成器的关键字是
yield
,我们下面来写一个最简单的生成器。

#!/usr/bin/env python

def printNums():
    i = 0
    while i<10:
        yield i
        i = i + 1

def main():
    for i in printNums():
        print(i)

if __name__ == '__main__':
    main()

粗看代码,可能会觉着这个是个啥啊,为啥不直接用

range
来生成,偏偏要用
yield
,哎,不急,我们接着往下看为什么需要生成器,或者说,生成器解决了什么问题。

为什么需要python生成器

在说明这个问题之前,我们先来写一个需求,输出 0&mdash;&mdash;10000000 以内的数据,而后运行查看导出内存运行截图。

调用python程序内存信息辅助说明

这里可以借助

python
memory_profiler
模块来检测程序内存的占用情况。

安装

memory_profiler
库:

pip3 install memory_profiler

使用方法很简单,在需要检测的函数或者是代码前添加

@profile
装饰器即可,例如:

@profile
def main():
    pass

生成

.dat
文件

mprof run <executable>

导出图示,可以使用

mprof plot --output=filename

python案例代码

以下2个程序,都是输出0&mdash;9999999之间的数据,不同的是,第一个程序是使用

range
而后给
append
list
中,第二个则是使用迭代器来生成该数据。

main.py
程序

@profile
def main():
    data = list(range(10000000))
    for i in data:
        pass

if __name__ == '__main__':
    main()

main_2.py
程序

def printNum():
    i = 0 
    while i < 10000000:
        yield i
        i = i + 1

@profile
def main():
    for i in printNum():
        pass

if __name__ == '__main__':
    main()

运行程序

代码也有了,就可以按照上述来运行一下程序,并且导出内存信息

运行后内存信息查看

main.py
运行内存图

main_2.py
运行内存图

如上2张对比图,当我们将数据叠加进列表,再输出的时候,占用内存接近400M,而使用迭代器来计算下一个值内存仅使用16M。

通过上述案例,我们应该知道为什么要使用生成器了吧。

python生成器原理

由于生成器表达式

yield
语句涉及到了
python
解释权内部机制,所以很难查看其源码,很难获取其原理,不过我们可以利用
yield
的暂停机制,来探寻一下生成器。

可以编写如下代码:

def testGenerator():
    print("进入生成器")
    yield "pdudo"
    print("第一次输出")
    yield "juejin"
    print("第二次输出")

def main():
    xx = testGenerator()
    print(next(xx))
    print(next(xx))

if __name__ == '__main__':
    main()

运行后效果如下

通过上述实例,再结合下面这段生成器的运行过程,会加深对生成器的感触。

python
遇到
yield
语句时,会记录当前函数的运行状态,并且暂停执行,将结果抛出。会持续等待下一次调用
__next__
方法,该方法调用后,会恢复函数的运行,直至下一个
yield
语句或者函数结束,执行到最后没有
yield
函数可执行的时候,会抛
StopIteration
来标志生成器的结束。

生成器表达式

python
中,生成器除了写在函数中,使用
yield
返回之外,还可以直接使用生成器表达式,额。。。可能很抽象,但是你看下面这段代码,你就明白了。

def printNums():
    for i in [1,2,3,4,5]:
        yield i

def main():
    for i in printNums():
        print(i)

    gener = (i for i in [1,2,3,4,5])
    for i in gener:
        print(i)

if __name__ == '__main__':
    main()

其中,代码

(i for i in [1,2,3,4,5])
就等同于
printNums
函数,其类型都是生成器,我们可以使用
type
打印出来看下。

改下代码,输出结果如下:

标签: python

热门推荐