生成器 在

關於 生成器

generator是一種函式或運算式，會回傳一種特殊的疊代器，稱為生成器疊代器。 Generator-iterators是惰性的：它們不會把values存在記憶體中，而是在需要時才_生成_這些值。

生成器函式看起來和一般函式沒什麼不同，但它包含一個或多個yield 運算式。 每個yield都會暫停程式碼的執行，並保存當下的執行狀態（包含所有區域變數和 try 敘述）。 當生成器恢復執行時，它會接續暫停前的狀態，這點和每次呼叫都會重置的一般函式不同。

建立生成器

生成器的建立方式和其他迴圈或遞迴函式很像，但需要一個yield運算式，我們稍後會深入探討。

舉例來說，一個函式可以回傳某串數字中每個數的_平方_。
以目前的寫法，必須先處理完所有輸入，才能回傳任何值：

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

你可以像這樣把該函式改寫成生成器：

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

這麼做的理由是，當你不需要_一次_取得所有值時，就會用到生成器。

這能節省記憶體和運算效能，因為只有你_當下正在處理_的值會被計算。

使用生成器

生成器（嚴格來說是generator-iterator，請見下方的注意事項）是一種iterator，在 Python 中只要是需要iterator或iterable的地方都能使用。 這包括需要iterable或iterator作為引數的_函式_或_物件_。 想更深入了解，請參閱如何在 Python 中建立疊代器。

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透過next()函式來產生或存取。 next()會呼叫生成器物件的__next__()方法，將生成器程式碼「推進」或求值到它的yield運算式，接著這個運算式會「產生」或回傳該值。

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

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

當generator完全耗盡、沒有更多值可以回傳時，它會擲出StopIteration錯誤。

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

可疊代物件與生成器的差異

生成器是_疊代器_的一個特殊子集。 Iterators是讓你能對_可疊代物件_進行迴圈的機制／協定。 生成器和常見 Python iterables回傳的疊代器行為非常相似，但有幾個重要差異值得注意：

• 生成器是_單向_的，無法「退回」先前的值。

• 疊代生成器會消耗回傳的值，不會重置。

• 生成器（由於是惰性求值）無法排序，也無法反轉。

• 生成器_沒有_indexes，所以你無法用加法或減法取得前一個或後一個值。

• 生成器不能搭配len()函式使用。

• 生成器可以是_有限_或_無限_的，從_無限_生成器收集所有值時要小心。

yield 運算式

yield 運算式和return運算式非常相似。

和return運算式_不同_，yield是在_特定的時間點_把值交給呼叫方，並暫停其餘值的求值或回傳，直到它們被請求為止。

當yield被求值時，它會暫停所屬函式的執行，並回傳該函式_在那個當下_的值。

接著函式會_保持在作用域中_，而當__next__()被呼叫時，執行會繼續進行，直到再次遇到yield。

>>> 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

為什麼要使用生成器？

生成器在許多應用中都很實用。

處理大型集合時，你可能不會想把它的所有值都放進memory。 生成器可以逐筆處理較大的資料，藉此節省記憶體並提升效能。

當某個流程或計算很_複雜_、很_昂貴_或_無限_時，生成器也非常有幫助：

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

現在，每當對infinite_sequence物件呼叫__next__()時，它就會回傳_前一個數字_ + 1。