generate python_python 之生成器（generator)

今天开始又要重新关注python了，关注一些高级特性。第一part：生成器(generator)。

学习新东西我都首先想要了解其优点，然后判断是否有继续盘它的必要。所以首先介绍一下生成器的优点！

python生成器的优点：

(1)延迟计算，一次返回一个结果。生成器不会一次生成所有的结果，而是一边循环一边计算，这对于大数据量处理，是个非常有用的优势。因为在编程的实际应用中，占用内存量是工程师必须考虑的一个问题。

(2)有效提高代码可读性。使用生成器以后，代码行数更少。(下面的例子会说明)

说完生成器的优点，下面介绍一下python是如何表示生成器的。

在python中生成器有两种表示形式：(1)生成器函数 (2)生成器表达式

(1)生成器函数

生成器函数与python中的普通函数定义相同，都是使用def 关键字进行定义。不同的地方，生成器使用yield语句而不是return语句返回结果。在执行生成器函数时，每次执行到yield语句之后，会返回一次结果，然后将函数挂起，再次执行生成器函数时从上次返回的yield语句处继续执行。(延时计算特性)

举例子说明：

定义普通函数和生成器函数求取0～10的平方

普通函数的定义及调用：

def getSquare_l(maxVal):

square_list = []

for i in range(maxVal+1):

square_list.append(i*i)

return square_list

square_list = getSquare_l(10)

square_list：[0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

生成器函数的定义及调用：

def getSquare_g(maxVal):

for i in range(maxVal+1):

yield i*i

square_generator = getSquare_g(10)

square_generator： 

可以看到调用生成器函数返回的是一个generator object。想要提取generator中的值，可以用next方法进行提取，直到产生StopIteration异常。

next(square_generator): 0

next(square_generator): 1

...

next(square_generator): 100

next(square_generator): StopIteration

但是这样太麻烦，我们同样可以使用for循环进行生成器对象的提取：

for i in square_generator:

print(i)

通过对比生成器函数和普通函数，可以看到生成器函数所需要的代码量更少，提高代码的可读性。

这里需要加粗。生成器好处多多，但是需要注意的一点是，生成器只能遍历一次。因为遍历一遍生成器对象之后就没有记录再存在于生成器之中了(我想这也是为什么生成器会节省内存的另一个原因)。

(2)生成器表达式

要说生成器表达式，就不得不提到列表生成式(list comprehension)。相信大家都已经听说过列表生成式。这也是python中一个很强大的特性，可以用很少的代码生成一个list。小编我在算法课上，只穿插的学了3周的python，这个特性就被老师当作重点，在期中和期末考试的时候，都考了这个知识点。

同样求取0～10的平方

列表生成式：[i*i for i in range(11)]     结果：[0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

所谓的生成器表达式就是将列表生成式的[ ] 换成 ( )。

生成器表达式: (i*i for i in range(11)) ，同样，需要next方法或者for循环方法进行提取。

So easy! 将[ ] 换成 ( ) 就会在进行大量数据操作时节省很多内存空间。让我们为python的generator鼓掌????????

如果觉得本文有帮助，请点个赞????吧，如果喜欢我的文章，请点击关注，谢谢！！！