Python生成器的使用

为何需要生成器？
假如现在有一个需求，需要打印从1到1亿的整形。如果我们采用普通的方式，直接调用range函数，那么程序肯定会崩溃，因为range(1,100000000)函数直接产生一个从1-1亿的列表，这个列表中的所有数据都是存放在内存中的，会导致内存爆满。这时候我们可以采用生成器来解决这个问题，生成器不会一次性把所有数据都加载到内存中，而是在循环的时候临时生成的，循环一次生成一个，所以在程序运行期间永远都只会生成一个数据，从而大大节省内存。

生成器是什么？
使用yield的函数是生成器，生成器是一个迭代器。

创建一个生成器
在函数中使用yield来创建一个生成器。如下所示：

 def my_gen(start, end): index = start while index < end: yield index
        index += 1 print(isinstance(my_gen(1, 100), Iterable)) ret = my_gen(1, 10) for x in ret: print(x) 

怎么去理解生成器呢？可以理解为每次使用next获取生成器的值的时候会在yield出暂停并返回值，再次使用next取数时从yiled处开始执行。所以next会在yield处暂停，也在yield处被唤醒。

Send函数
send方法和next方法类似，可以用来触发生成器的下一个yield，但是send不仅可以触发下一个yield，还可以发送数据过去，作为yield表达式的值，yield表达式的值是None。

 def my_gen(start): while start < 10: temp = yield start print(temp) start += 1 ret = my_gen(1) # 在迭代开始的地方使用send只能传递None为参数 print(ret.send(None)) print(next(ret)) print(next(ret)) print(ret.send("hello")) print(next(ret)) 

注意：使用send的时候，在迭代开始的地方使用send只能传递None为参数。

提前终止生成器
return语句会触发StopIteration异常，可以提前终止生成器。

 def my_gen(start): while start < 3: yield start
        start += 1 return "hello" # 如果使用for遍历 不会出现StopIteration异常 ret = my_gen(1) iter = my_gen(1) while True: print(next(iter)) 输出：
Traceback (most recent call last): File "D:/pycharm workspace/oopdemo/iterator_generator/generator_demo01.py", line 58, in <module> print(next(iter)) StopIteration: hello 1 

注意：使用next会抛出StopIteration异常，for循环遍历不会抛出StopIteration异常。

生成器的应用
使用生成器创建一个斐波拉契数列。

 def fib(count): a, b = 0, 1 tmp = 1 while tmp <= count: yield b
        c = b
        b = a + b
        a = c
        tmp += 1 for x in fib(7): print(x) 

上面是生成器的常见的用法，实际上生成器还有一些高级的用法，后面会结合一些场景做介绍。

本人是做大数据开发的，在微信上开了个个人号，会经常在上面分享一些学习心得，原创文章都会首发到公众号上，感兴趣的盆友可以关注下哦！

本文地址：https://blog.csdn.net/u012062455/article/details/108250292