生成器基础

一、需求

　　希望从格式化打印"打印第%s次"%d ,此时一直打印2000000个。（直接range(2000000)会卡，不希望卡）

二、生成器定义

　　1.生成器事实上也是迭代器的衍生，自己写的一个生成器，可以极大程度上节省内存。

　　2.函数使用yield。

　　3.yield:效果和return差不多，但是不能和return一起出现，yield返回数值之后，函数停留在执行到的地方不动。而return会停止，下次调用会重来。

三、示例

def printx():
    for i in range(2000000):
        yield 'x=%s' % i

g=printx()
g1=printx()   　　　 　　　　　#这是两个生成器
　　　　　　　　　　　　　　　　　#g.__next__():取一个
count=0
for i in g:
    print(i)   　　   　　　　#一边调一边打印。一边生成数据一边处理。
    count+=1
    if count>50:      　　　　#任何时候 把count值再加，就可用接着取
        break

print('***',g.__next__())    #*** x=51

　　在其中，g=printx()时，实际上并没有创建range(2000000),而在下方打印时，才从内存，一个一个生成返回数据。

四、介绍几个函数：

__iter__():有此方法说明可以迭代。

__next__():有这个方法说明可以一个一个取出来。

__setstate__():可以指定从哪个位置开始取。

__add__():在使用加法的时候，实际上机器翻译成调用__add__方法。

（双下方法一般很少直接调用，一般都是用其他语法触发）

五、总结

　　1.生成器的本质就是迭代器

　　2.生成器的表现形式

　　　　1）生成器函数

　　　　2）生成器表达式

　　3.生成器函数：含有yield关键字的函数就是生成器函数。

　　4.生成器函数特点：

　　　　1）调用函数之后函数不执行，返回一个生成器。

　　　　2）调用__next__方法之后会取到一个值。直到取完最后一个之后会报错。

　　5.从生成器中取值的几个方法：

　　　　1）next

def generator():
    for i in range(20000000):
        yield "打印第%s次"%(i+1)

g=generator()
print(g.__next__())    #打印第1次

　　　2）for

def generator():
    for i in range(20000000):
        yield "打印第%s次"%i
        
g=generator()
num=0
for i in g:
    num+=1
    if num>50:
        break
    print(i)

　　　　3）数据类型的强制转换

def generator():
    for i in range(20):   #数据很小，
        yield "打印第%s次"%(i+1)

g=generator()
print(list(g))     　　　　#将生成器转换为列表，数据同时存在于内存中。(占内存）

猜你喜欢