生成器 属于

关于 生成器

generator是一种函数或表达式，它返回一种特殊的迭代器，叫做生成器迭代器。 Generator-iterators是惰性的：它们不把values存储在内存中，而是在需要时才_生成_这些值。

生成器函数看起来和其他函数没什么两样，只是其中包含一个或多个yield表达式。 每个yield都会暂停代码执行，并保存当前的执行状态（包括所有局部变量和 try 语句）。 生成器恢复执行时，会从暂停处继续，沿用当时的状态，而普通函数每次调用都会重置。

构造生成器

生成器的构造方式和其他循环或递归函数很像，但它需要一个yield表达式，我们稍后会更深入地探讨它。

举个例子，下面这个函数会返回给定数组中各数字的_平方_。 按现在的写法，必须先处理完所有输入，才能返回任何值：

>>> def squares(list_of_numbers):
...     squares = []
...     for number in list_of_numbers:
...         squares.append(number ** 2)
...     return squares

你可以像这样把它改写成生成器：

>>> def squares_generator(list_of_numbers):
...     for number in list_of_numbers:
...         yield number ** 2

这么做的道理在于：当你不需要_一次性_拿到所有值时，就该用生成器。

这样可以节省内存和运算开销，因为只计算你_当前正在处理_的那个值。

使用生成器

生成器（严格来说是generator-iterator，见下面的提示）是iterator的一种，在 Python 中任何需要iterator或iterable的地方都能使用。 这也包括那些需要iterable或iterator作为实参的_函数_或_对象_。 想深入了解的话，可以看看 How to Make an Iterator in Python。

要使用squares_generator()生成器：

>>> squared_numbers = squares_generator([1, 2, 3, 4])

>>> for square in squared_numbers:
...     print(square)
...
1
4
9
16

生成器中的值也可以通过next()函数来产生或获取。 next()会调用生成器对象的__next__()方法，把生成器代码“推进”或执行到它的yield表达式，该表达式随即“产出”或返回这个值。

>>> squared_numbers = squares_generator([1, 2])

>>> next(squared_numbers)
1
>>> next(squared_numbers)
4

当一个generator被完全耗尽、没有更多值可返回时，它会抛出StopIteration错误。

>>> next(squared_numbers)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

可迭代对象与生成器的区别

生成器是_迭代器_的一个特殊子集。 所谓Iterators，就是让_可迭代对象_能够被循环遍历的机制/协议。 生成器和常见 Python iterables返回的迭代器行为非常相似，但有几个重要区别需要注意：

• 生成器是_单向_的，无法“回退”到之前的值。

• 遍历生成器会消耗返回的值，无法重置。

• 生成器（因为采用惰性求值）不能排序，也不能反转。

• 生成器_没有_indexes，所以不能通过加法或减法引用之前或之后的值。

• 生成器不能与len()函数一起使用。

• 生成器可以是_有限_的，也可以是_无限_的，从_无限_生成器中收集所有值时要小心。

yield 表达式

yield 表达式与return表达式非常相似。

与return表达式_不同_，yield会在_特定的位置_把值交给调用方，并暂停对其余任何值的求值或返回，直到这些值被请求为止。

当yield被求值时，它会暂停所在函数的执行，并返回该函数_在那一刻_的值。

之后函数会_保持在作用域内_，当__next__()被调用时，执行继续进行，直到再次遇到yield为止。

>>> def infinite_sequence():
...     current_number = 0
...     while True:
...         yield current_number
...         current_number += 1

>>> lets_try = infinite_sequence()
>>> lets_try.__next__()
0
>>> lets_try.__next__()
1

为什么要用生成器？

生成器在许多场景中都很实用。

处理大型集合时，你可能不想把它的所有值都放进memory。 生成器可以一点一点地处理更大的数据，从而节省内存并提升性能。

当某个过程或计算_复杂_、_昂贵_或_无限_时，生成器也非常有用：

>>> def infinite_sequence():
...     current_number = 0
...     while True:
...         yield current_number
...         current_number += 1

这样一来，只要对infinite_sequence对象调用__next__()，它就会返回_前一个数字_加 1。