本文目錄一覽:
python極簡教程:生成器和匿名函數
記住兩個關鍵:
初學的你,還是太難理解?
你可以將生成器理解為一個盒子,你可以向這個盒子里隨意添加元素,當你需要的時候,再取出來用。
請看下面的例子:
作用:惰性求值(一邊循環一邊計算的機制),節省性能
舉個例子:斐波那契數列(0,1,1,2,3,5…),列印斐波那契數列前50個元素
當:
時,我們可以使用匿名函數。
初學的你,還是太難理解?
你想實現一個求x的平方的函數,但是這個函數太簡單,不值得專門def定義,同時,你忘記了平方的英文如何拼寫,要是命名成 “pingfang”,又顯得自己太low,於是乎,你可以不給這個函數起名字,還能實現它。這就是匿名函數lambda表達式。
比如:求一個數的平方
01 如果你是初學者,可以先不掌握生成器和匿名函數,待學成python後,再行琢磨;
02 在實際工作中,生成器和匿名函數的使用頻次,相對較高,並且在面試中是高頻問點。
python生成器到底有什麼優點?
在Python這門語言中,生成器毫無疑問是最有用的特性之一。與此同時,也是使用的最不廣泛的Python特性之一。究其原因,主要是因為,在其他主流語言裡面沒有生成器的概念。正是由於生成器是一個「新」的東西,所以,它一方面沒有引起廣大工程師的重視,另一方面,也增加了工程師的學習成本,最終導致大家錯過了Python中如此有用的一個特性。
1. 迭代器協議
由於生成器自動實現了迭代器協議,而迭代器協議對很多人來說,也是一個較為抽象的概念。所以,為了更好的理解生成器,我們需要簡單的回顧一下迭代器協議的概念。
迭代器協議是指:對象需要提供next方法,它要麼返回迭代中的下一項,要麼就引起一個StopIteration異常,以終止迭代
可迭代對象就是:實現了迭代器協議的對象
協議是一種約定,可迭代對象實現迭代器協議,Python的內置工具(如for循環,sum,min,max函數等)使用迭代器協議訪問對象。
舉個例子:在所有語言中,我們都可以使用for循環來遍曆數組,Python的list底層實現是一個數組,所以,我們可以使用for循環來遍歷list。
2. 生成器
Python使用生成器對延遲操作提供了支持。所謂延遲操作,是指在需要的時候才產生結果,而不是立即產生結果。這也是生成器的主要好處。
Python有兩種不同的方式提供生成器:
生成器函數:常規函數定義,但是,使用yield語句而不是return語句返回結果。yield語句一次返回一個結果,在每個結果中間,掛起函數的狀態,以便下次重它離開的地方繼續執行
生成器表達式:類似於列表推導,但是,生成器返回按需產生結果的一個對象,而不是一次構建一個結果列表
4. 使用生成器的注意事項
5. 總結
本文深入淺出地介紹了Python中,一個容易被大家忽略的重要特性,即Python的生成器。為了講解生成器,本文先介紹了迭代器協議,然後介紹了生成器函數和生成器表達式,並通過示例演示了生成器的優點和注意事項。在實際工作中,充分利用Python生成器,不但能夠減少內存使用,還能夠提高代碼可讀性。掌握生成器也是Python高手的標配。希望本文能夠幫助大家理解Python的生成器。
Python生成器簡介
Python 中的 yield 關鍵字鮮為人知,但是作用卻很大,正是因為有了yield,才有了Python生成器。
yield 是 Python 的關鍵字,它用於 從函數返回而不破壞其局部變數的狀態 ,並且在調用該函數時,從最後一個 yield 語句開始執行。任何包含 yield 關鍵字的函數都稱為生成器。
Python 中的 yield 關鍵字的作用類似於 Python 中的 return 語句,不同之處在於:
yield的優點
yield的缺點
Python 可以使用 括弧() 創建生成器
更多時候,我們使用 yield 關鍵字創建生成器
下面這個生成器,前4次調用它時,返回的是0-3這幾個特殊值,第5次調用它時返回一個10-20之間的隨機整數。
更多時候,生成器可以返回無限的值。
注意 generator() 函數返回的是一個生成器對象,要想獲取它的值,可以像上面那樣在迭代器中取出它的值,我們也可以顯式的調用next函數獲取值。
Python | yield Keyword – GeeksforGeeks:
Python創建生成器的兩種方法
創建生成器方法
方法一
要創建一個生成器,有很多種方法。第一種方法很簡單,只要把一個列表生成式的[ ]改成( )
創建L和G的區別僅在於最外層的[ ]和( ),L是一個列表,而G是一個生成器。我們可以直接列印出L的每一個元素,但我們怎麼列印出G的每一個元素呢?如果要一個一個列印出來,可以通過next()函數獲得生成器的下一個返回值:
運行結果:
運行結果:
生成器保存的是演算法,每次調用next(G),就計算出G的下一個元素的值,直到計算到最後一個元素,沒有更多的元素時,拋出StopIteration的異常。當然,這種不斷調用next()實在是太變態了,正確的方法是使用for循環,因為生成器也是可迭代對象。所以,我們創建了一個生成器後,基本上永遠不會調用next(),而是通過for循環來迭代它,並且不需要關心StopIteration異常。
相關推薦:《Python視頻教程》
方法2
generator非常強大。如果推算的演算法比較複雜,用類似列表生成式的for循環無法實現的時候,還可以用函數來實現。
比如,著名的斐波拉契數列(Fibonacci),除第一個和第二個數外,任意一個數都可由前兩個數相加得到:
1, 1, 2, 3, 5, 8, 13, 21, 34, …
斐波拉契數列用列表生成式寫不出來,但是,用函數把它列印出來卻很容易:
運行結果:
仔細觀察,可以看出,fib函數實際上是定義了斐波拉契數列的推算規則,可以從第一個元素開始,推算出後續任意的元素,這種邏輯其實非常類似generator。
也就是說,上面的函數和generator僅一步之遙。要把fib函數變成generator,只需要把print(b)改為yield b就可以了:
運行結果:
在上面fib的例子,我們在循環過程中不斷調用yield,就會不斷中斷。當然要給循環設置一個條件來退出循環,不然就會產生一個無限數列出來。同樣的,把函數改成generator後,我們基本上從來不會用next()來獲取下一個返回值,而是直接使用for循環來迭代:
運行結果:
但是用for循環調用generator時,發現拿不到generator的return語句的返回值。如果想要拿到返回值,必須捕獲StopIteration錯誤,返回值包含在StopIteration的value中:
運行結果:
相關推薦:
三分鐘看懂什麼是Python生成器
原創文章,作者:小藍,如若轉載,請註明出處:https://www.506064.com/zh-tw/n/252860.html