Python|小黑板，划重点了——python生成器

文章图片

老板下达了一个任务，说是要每天遍历一百万数据，找到日志中重要地段的信息，重新记录存放？到底要怎么搞呢？
小张回答说列表生成式不就可以嘛，老板笑而不语。小王答曰用生成器吧。此时，老板开心地点了点头。
小张不明白，列表就可以很好处理的问题，为什么要用生成器呢？
后来，小张明白了......

生成器 generator我们知道，通过列表生成式，我们可以直接创建一个列表。但是，受客观条件影响，我们使用的机器都是受到内存限制，所以列表容量肯定是有限的。这样生成一个列表不仅占用内存，如果我们只需要访问一部分值，还会造成大量的内存浪费。
在Python2中可以做一个尝试，感兴趣的不妨试试。
打开IDE交互界面，进入Python交互窗口， range(1000000)试试，不行可以range(10000000)再试试，那时候就可以很明显的感受到内存计算的差别了。
正是因为这个缺点，在python3中对range进行了优化， range(10000)得到的结果是range（010000），这样的一个生成式了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢?
像上面这个循环，每次循环只是+1而已，我们完全可以写一个算法，让他执行一次就自动1 ，这样就不必创建完整的，从而节省大量的空间。
在 Python中，这种一边循环一边计算后面元素的机制，称为生成器: generator

生成器的生成要创建一个 gonerator ，有很多种方法。
第一种方法很简，只要把一个列表生成式的改成（）的形式，就创建了个gonerator
>>> [ x for x in range(10)

[0 1 2 3 4 5 6 7 8 9

>>> ( x for x in range(10))
<generator object <genexpr> at 0x000002C103210E40>
>>> g = ( x for x in range(10))

如上面的代码所示，我们可以直接得出列表的所有元素。那么，生成器要怎么访问呢？
生成器的元素获取next（）生成器的元素，如果要一个一个打印出来，可以通过next(）函，获得generator的下一个返回值。
>>> g = ( x for x in range(10))
>>> next(g)
0
>>> next(g)
1
>>> next(g)
2
>>> next(g)
3
>>> next(g)
4
>>> next(g)
5
>>> next(g)
6
>>> next(g)
7
>>> next(g)
8
>>> next(g)
9
>>> next(g)
Traceback (most recent call last):
File \"<pyshell#13>\" line 1 in <module>
next(g)
StopIteration

【Python|小黑板，划重点了——python生成器】此时，我们每一次调用next就会生成一个新的元素，直到最后的时候会抛出一个异常，而这个异常，我们可以通过后面的方法规避掉。

for循环当然，上面这种不断调用next(g)实在是太变态了。正确的方法是使用tor循环，因为 gonorator也是可选代(遍历)对象。
g = ( x for x in range(10))
for i in g:
print(i)

0
1
2
3
4
5
6
7
8
9

通过for循环来迭代它，就不需要关心会不会抛异常了。
生成器函数特点：动态获取数据，循环一次，计算一次，执行一次
生成器函数：具有yield语句。
案例：生成器的思想解决斐波那契数列
原始的方法