產生器是一種特殊的迭代器,它內部也有__iter__
方法和__next__
方法,在終止生成器的時候,還是會拋StopIteration
異常以此來退出循環,只不過相比於迭代器,生成器還有特性會保存“中間值”,下次運行的時候,還會藉助這個“中間值”來操作。生成器的關鍵字是yield
,我們下面來寫一個最簡單的生成器。
#!/usr/bin/env python def printNums(): i = 0 while i<10: yield i i = i + 1 def main(): for i in printNums(): print(i) if __name__ == '__main__': main()
粗看程式碼,可能會覺著這個是個啥啊,為啥不直接用range
來生成,偏偏要用yield
,哎,不急,我們接著往下看為什麼需要生成器,或者說,生成器解決了什麼問題。
在說明這個問題之前,我們先來寫一個需求,輸出 0——10000000 以內的數據,而後運行查看導出內存運行截圖。
這裡可以藉助python
的memory_profiler
模組來偵測程式記憶體的佔用情況。
安裝memory_profiler
庫:
pip3 install memory_profiler
使用方法很簡單,在需要偵測的函數或程式碼前加上@profile
裝飾器即可,例如:
@profile def main(): pass
生成.dat
檔案
##匯出圖示,可以使用mprof run
mprof plot --output=filenamepython案例代碼以下2個程序,都是輸出0—9999999之間的數據,不同的是,第一個程式是使用
range而後給
append進位
list中,第二個則是使用迭代器來產生該資料。
main.py程式
@profile def main(): data = list(range(10000000)) for i in data: pass if __name__ == '__main__': main()
main_2.py程式
def printNum(): i = 0 while i < 10000000: yield i i = i + 1 @profile def main(): for i in printNum(): pass if __name__ == '__main__': main()執行程式程式碼也有了,就可以按照上述來運行一下程序,並且導出內存信息 運行後內存信息查看
main.py運行記憶體圖
main_2.py 運行記憶體圖
yield語句涉及到了
python解釋權內部機制,所以很難查看其原始碼,很難取得其原理,不過我們可以利用
yield的暫停機制,來探尋一下生成器。
def testGenerator(): print("进入生成器") yield "pdudo" print("第一次输出") yield "juejin" print("第二次输出") def main(): xx = testGenerator() print(next(xx)) print(next(xx)) if __name__ == '__main__': main()運行後效果如下 透過上述實例,再結合下面這段生成器的運行過程,會加深對生成器的感觸。 當
python遇到
yield語句時,會記錄目前函數的運行狀態,並且暫停執行,將結果拋出。會持續等待下一次呼叫
__next__方法,該方法呼叫後,會恢復函數的運行,直到下一個
yield語句或函數結束,執行到最後沒有
yield函數可執行的時候,會拋
StopIteration來標誌生成器的結束。
python中,生成器除了寫在函數中,使用
yield返回之外,還可以直接使用生成器表達式,額。 。 。可能很抽象,但你看下面這段程式碼,你就明白了。
def printNums(): for i in [1,2,3,4,5]: yield i def main(): for i in printNums(): print(i) gener = (i for i in [1,2,3,4,5]) for i in gener: print(i) if __name__ == '__main__': main()其中,程式碼
(i for i in [1,2,3,4,5])就等同於
printNums函數,其型別都是生成器,我們可以使用
type列印出來看下。
以上是Python中的生成器是如何運作的?的詳細內容。更多資訊請關注PHP中文網其他相關文章!