很多小伙伴在學習python的時候會了解到生成器的概念。python的生成器其實就是一個特殊的迭代器,他可以向迭代器一樣迭代輸出方法內(nèi)的每個元素。那么python怎么使用生成器呢?python生成器的使用場景有哪些?接下來這篇文章告訴你!
生成器
如果在一個方法內(nèi),包含了 yield 關鍵字,那么這個函數(shù)就是一個「生成器」。
生成器其實就是一個特殊的迭代器,它可以像迭代器那樣,迭代輸出方法內(nèi)的每個元素。
我們來看一個包含 yield 關鍵字的方法:
# coding: utf8
# 生成器
def gen(n):
for i in range(n):
yield i
g = gen(5) # 創(chuàng)建一個生成器
print(g) # <generator object gen at 0x10bb46f50>
print(type(g)) # <type 'generator'>
# 迭代生成器中的數(shù)據(jù)
for i in g:
print(i)
# Output:
# 0 1 2 3 4
注意,在這個例子中,當我們執(zhí)行 g = gen(5) 時,gen 中的代碼其實并沒有執(zhí)行,此時我們只是創(chuàng)建了一個「生成器對象」,它的類型是 generator。
然后,當我們執(zhí)行 for i in g,每執(zhí)行一次循環(huán),就會執(zhí)行到 yield 處,返回一次 yield 后面的值。
這個迭代過程是和迭代器最大的區(qū)別。
換句話說,如果我們想輸出 5 個元素,在創(chuàng)建生成器時,這個 5 個元素其實還并沒有產(chǎn)生,什么時候產(chǎn)生呢?只有在執(zhí)行 for 循環(huán)遇到 yield 時,才會依次生成每個元素。
此外,生成器除了和迭代器一樣實現(xiàn)迭代數(shù)據(jù)之外,還包含了其他方法:
- generator.__next__():執(zhí)行 for 時調(diào)用此方法,每次執(zhí)行到 yield 就會停止,然后返回 yield 后面的值,如果沒有數(shù)據(jù)可迭代,拋出 StopIterator 異常,for 循環(huán)結(jié)束
- generator.send(value):外部傳入一個值到生成器內(nèi)部,改變 yield 前面的值
- generator.throw(type[, value[, traceback]]):外部向生成器拋出一個異常
- generator.close():關閉生成器
通過使用生成器的這些方法,我們可以完成很多有意思的功能。
next
先來看生成器的 __next__ 方法,我們看下面這個例子。
# coding: utf8
def gen(n):
for i in range(n):
print('yield before')
yield i
print('yield after')
g = gen(3) # 創(chuàng)建一個生成器
print(g.__next__()) # 0
print('----')
print(g.__next__()) # 1
print('----')
print(g.__next__()) # 2
print('----')
print(g.__next__()) # StopIteration
# Output:
# yield before
# 0
# ----
# yield after
# yield before
# 1
# ----
# yield after
# yield before
# 2
# ----
# yield after
# Traceback (most recent call last):
# File "gen.py", line 16, in <module>
# print(g.__next__()) # StopIteration
# StopIteration
在這個例子中,我們定義了 gen 方法,這個方法包含了 yield 關鍵字。然后我們執(zhí)行 g = gen(3) 創(chuàng)建一個生成器,但是這次沒有執(zhí)行 for 去迭代它,而是多次調(diào)用 g.__next__() 去輸出生成器中的元素。
我們看到,當執(zhí)行 g.__next__()時,代碼就會執(zhí)行到 yield 處,然后返回 yield 后面的值,如果繼續(xù)調(diào)用 g.__next__(),注意,你會發(fā)現(xiàn),這次執(zhí)行的開始位置,是上次 yield 結(jié)束的地方,并且它還保留了上一次執(zhí)行的上下文,繼續(xù)向后迭代。
這就是使用 yield 的作用,在迭代生成器時,每一次執(zhí)行都可以保留上一次的狀態(tài),而不是像普通方法那樣,遇到 return 就返回結(jié)果,下一次執(zhí)行只能再次重復上一次的流程。
生成器除了能保存狀態(tài)之外,我們還可以通過其他方式,改變其內(nèi)部的狀態(tài),這就是下面要講的 send 和 throw 方法。
send
上面的例子中,我們只展示了在 yield 后有值的情況,其實還可以使用 j = yield i 這種語法,我們看下面的代碼:
# coding: utf8
def gen():
i = 1
while True:
j = yield i
i *= 2
if j == -1:
break
此時如果我們執(zhí)行下面的代碼:
for i in gen():
print(i)
time.sleep(1)
輸出結(jié)果會是 1 2 4 8 16 32 64 ... 一直循環(huán)下去, 直到我們殺死這個進程才能停止。
這段代碼一直循環(huán)的原因在于,它無法執(zhí)行到 j == -1 這個分支里 break 出來,如果我們想讓代碼執(zhí)行到這個地方,如何做呢?
這里就要用到生成器的 send 方法了,send 方法可以把外部的值傳入生成器內(nèi)部,從而改變生成器的狀態(tài)。
代碼可以像下面這樣寫:
g = gen() # 創(chuàng)建一個生成器
print(g.__next__()) # 1
print(g.__next__()) # 2
print(g.__next__()) # 4
# send 把 -1 傳入生成器內(nèi)部 走到了 j = -1 這個分支
print(g.send(-1)) # StopIteration 迭代停止
當我們執(zhí)行 g.send(-1) 時,相當于把 -1 傳入到了生成器內(nèi)部,然后賦值給了 yield 前面的 j,此時 j = -1,然后這個方法就會 break 出來,不會繼續(xù)迭代下去。
throw
外部除了可以向生成器內(nèi)部傳入一個值外,還可以傳入一個異常,也就是調(diào)用 throw 方法:
# coding: utf8
def gen():
try:
yield 1
except ValueError:
yield 'ValueError'
finally:
print('finally')
g = gen() # 創(chuàng)建一個生成器
print(g.__next__()) # 1
# 向生成器內(nèi)部傳入異常 返回ValueError
print(g.throw(ValueError))
# Output:
# 1
# ValueError
# finally
這個例子創(chuàng)建好生成器后,使用 g.throw(ValueError) 的方式,向生成器內(nèi)部傳入了一個異常,走到了生成器異常處理的分支邏輯。
close
生成器的 close 方法也比較簡單,就是手動關閉這個生成器,關閉后的生成器無法再進行操作。
>>> g = gen()
>>> g.close() # 關閉生成器
>>> g.__next__() # 無法迭代數(shù)據(jù)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
使用場景
了解了 yield 和生成器的使用方式,那么 yield 和生成器一般用在哪些業(yè)務場景中呢?
下面我介紹幾個例子,分別是大集合的生成、簡化代碼結(jié)構(gòu)、協(xié)程與并發(fā),你可以參考這些使用場景來使用 yield。
大集合的生成
如果你想生成一個非常大的集合,如果使用 list 創(chuàng)建一個集合,這會導致在內(nèi)存中申請一個很大的存儲空間,例如想下面這樣:
# coding: utf8
def big_list():
result = []
for i in range(10000000000):
result.append(i)
return result
# 一次性在內(nèi)存中生成大集合 內(nèi)存占用非常大
for i in big_list():
print(i)
這種場景,我們使用生成器就能很好地解決這個問題。
因為生成器只有在執(zhí)行到 yield 時才會迭代數(shù)據(jù),這時只會申請需要返回元素的內(nèi)存空間,代碼可以這樣寫:
# coding: utf8
def big_list():
for i in range(10000000000):
yield i
# 只有在迭代時 才依次生成元素 減少內(nèi)存占用
for i in big_list():
print(i)
簡化代碼結(jié)構(gòu)
我們在開發(fā)時還經(jīng)常遇到這樣一種場景,如果一個方法要返回一個 list,但這個 list 是多個邏輯塊組合后才能產(chǎn)生的,這就會導致我們的代碼結(jié)構(gòu)變得很復雜:
# coding: utf8
def gen_list():
# 多個邏輯塊 組成生成一個列表
result = []
for i in range(10):
result.append(i)
for j in range(5):
result.append(j * j)
for k in [100, 200, 300]:
result.append(k)
return result
for item in gen_list():
print(item)
這種情況下,我們只能在每個邏輯塊內(nèi)使用 append 向 list 中追加元素,代碼寫起來比較啰嗦。
此時如果使用 yield 來生成這個 list,代碼就簡潔很多:
# coding: utf8
def gen_list():
# 多個邏輯塊 使用yield 生成一個列表
for i in range(10):
yield i
for j in range(5):
yield j * j
for k in [100, 200, 300]:
yield k
for item in gen_list():
print(i)
使用 yield 后,就不再需要定義 list 類型的變量,只需在每個邏輯塊直接 yield 返回元素即可,可以達到和前面例子一樣的功能。
我們看到,使用 yield 的代碼更加簡潔,結(jié)構(gòu)也更清晰,另外的好處是只有在迭代元素時才申請內(nèi)存空間,降低了內(nèi)存資源的消耗。
協(xié)程與并發(fā)
還有一種場景是 yield 使用非常多的,那就是「協(xié)程與并發(fā)」。
如果我們想提高程序的執(zhí)行效率,通常會使用多進程、多線程的方式編寫程序代碼,最常用的編程模型就是「生產(chǎn)者-消費者」模型,即一個進程 / 線程生產(chǎn)數(shù)據(jù),其他進程 / 線程消費數(shù)據(jù)。
在開發(fā)多進程、多線程程序時,為了防止共享資源被篡改,我們通常還需要加鎖進行保護,這樣就增加了編程的復雜度。
在 Python 中,除了使用進程和線程之外,我們還可以使用「協(xié)程」來提高代碼的運行效率。
什么是協(xié)程?
簡單來說,由多個程序塊組合協(xié)作執(zhí)行的程序,稱之為「協(xié)程」。
而在 Python 中使用「協(xié)程」,就需要用到 yield 關鍵字來配合。
可能這么說還是太好理解,我們用 yield 實現(xiàn)一個協(xié)程生產(chǎn)者、消費者的例子:
# coding: utf8
def consumer():
i = None
while True:
# 拿到 producer 發(fā)來的數(shù)據(jù)
j = yield i
print('consume %s' % j)
def producer(c):
c.__next__()
for i in range(5):
print('produce %s' % i)
# 發(fā)數(shù)據(jù)給 consumer
c.send(i)
c.close()
c = consumer()
producer(c)
# Output:
# produce 0
# consume 0
# produce 1
# consume 1
# produce 2
# consume 2
# produce 3
# consume 3
...
這個程序的執(zhí)行流程如下:
- c = consumer() 創(chuàng)建一個生成器對象
- producer(c) 開始執(zhí)行,c.__next()__ 會啟動生成器 consumer 直到代碼運行到 j = yield i 處,此時 consumer 第一次執(zhí)行完畢,返回
- producer 函數(shù)繼續(xù)向下執(zhí)行,直到 c.send(i) 處,這里利用生成器的 send 方法,向 consumer 發(fā)送數(shù)據(jù)
- consumer 函數(shù)被喚醒,從 j = yield i 處繼續(xù)開始執(zhí)行,并且接收到 producer 傳來的數(shù)據(jù)賦值給 j,然后打印輸出,直到再次執(zhí)行到 yield 處,返回
- producer 繼續(xù)循環(huán)執(zhí)行上面的過程,依次發(fā)送數(shù)據(jù)給 cosnumer,直到循環(huán)結(jié)束
- 最終 c.close() 關閉 consumer 生成器,程序退出
在這個例子中我們發(fā)現(xiàn),程序在 producer 和 consumer 這 2 個函數(shù)之間來回切換執(zhí)行,相互協(xié)作,完成了生產(chǎn)任務、消費任務的業(yè)務場景,最重要的是,整個程序是在單進程單線程下完成的。
這個例子用到了上面講到的 yield、生成器的 __next__、send、close 方法。如果不好理解,你可以多看幾遍這個例子,最好自己測試一下。
我們使用協(xié)程編寫生產(chǎn)者、消費者的程序時,它的好處是:
整個程序運行過程中無鎖,不用考慮共享變量的保護問題,降低了編程復雜度
程序在函數(shù)之間來回切換,這個過程是用戶態(tài)下進行的,不像進程 / 線程那樣,會陷入到內(nèi)核態(tài),這就減少了內(nèi)核態(tài)上下文切換的消耗,執(zhí)行效率更高
所以,Python 的 yield 和生成器實現(xiàn)了協(xié)程的編程方式,為程序的并發(fā)執(zhí)行提供了編程基礎。
Python 中的很多第三方庫,都是基于這一特性進行封裝的,例如 gevent、tornado,它們都大大提高了程序的運行效率。
總結(jié)
總結(jié)一下,這篇文章我們主要講了 yield 的使用方式,以及生成器的各種特性。
生成器是一種特殊的迭代器,它除了可以迭代數(shù)據(jù)之外,在執(zhí)行時還可以保存方法中的狀態(tài),除此之外,它還提供了外部改變內(nèi)部狀態(tài)的方式,把外部的值傳入到生成器內(nèi)部。
利用 yield 和生成器的特性,我們在開發(fā)中可以用在大集成的生成、簡化代碼結(jié)構(gòu)、協(xié)程與并發(fā)的業(yè)務場景中。
Python 的 yield 也是實現(xiàn)協(xié)程和并發(fā)的基礎,它提供了協(xié)程這種用戶態(tài)的編程模式,提高了程序運行的效率。
以上就是python怎么使用生成器的詳細內(nèi)容,更多python 語法知識請關注W3Cschool!