通過列表生成式，我們可以直接創建一個列表，但是，受到內存限制，列表容量肯定是有限的，而且創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那后面絕大多數元素占用的空間都白白浪費了。

所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出后續的元素呢?這樣就不必創建完整的list，從而節省大量的空間，在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator

生成器是一個特殊的程序，可以被用作控制循環的迭代行為，python中生成器是迭代器的一種，使用yield返回值函數，每次調用yield會暫停，而可以使用next()函數和send()函數恢復生成器。

生成器類似于返回值為數組的一個函數，這個函數可以接受參數，可以被調用，但是，不同于一般的函數會一次性返回包括了所有數值的數組，生成器一次只能產生一個值，這樣消耗的內存數量將大大減小，而且允許調用函數可以很快的處理前幾個返回值，因此生成器看起來像是一個函數，但是表現得卻像是迭代器

python中的生成器

要創建一個generator，有很多種方法，第一種方法很簡單，只有把一個列表生成式的[]中括號改為()小括號，就創建一個generator

舉例如下：

#列表生成式

lis=[x*xforxinrange(10)]

print(lis)

#生成器

generator_ex=(x*xforxinrange(10))

print(generator_ex)

結果：

[0,1,4,9,16,25,36,49,64,81]

at0x000002A4CBF9EBA0>

那么創建list和generator_ex，的區別是什么呢?從表面看就是[]和(),但是結果卻不一樣，一個打印出來是列表(因為是列表生成式)，而第二個打印出來卻是at0x000002A4CBF9EBA0>，那么如何打印出來generator_ex的每一個元素呢?

如果要一個個打印出來，可以通過next()函數獲得generator的下一個返回值：

#生成器

generator_ex=(x*xforxinrange(10))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

結果：

Traceback(mostrecentcalllast):

File"列表生成式.py",line42,in

print(next(generator_ex))

StopIteration

大家可以看到，generator保存的是算法，每次調用next(generaotr_ex)就計算出他的下一個元素的值，直到計算出最后一個元素，沒有更多的元素時，拋出StopIteration的錯誤，而且上面這樣不斷調用是一個不好的習慣，正確的方法是使用for循環，因為generator也是可迭代對象：

#生成器

generator_ex=(x*xforxinrange(10))

foriingenerator_ex:

print(i)

結果：

所以我們創建一個generator后，基本上永遠不會調用next()，而是通過for循環來迭代，并且不需要關心StopIteration的錯誤，generator非常強大，如果推算的算法比較復雜，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。

比如著名的斐波那契數列，除第一個和第二個數外，任何一個數都可以由前兩個相加得到：

1，1，2，3，5，8，12，21，34.....

斐波那契數列用列表生成式寫不出來，但是，用函數把它打印出來卻很容易：

#fibonacci數列

deffib(max):

n,a,b=0,0,1

whilen

a,b=b,a+b

n=n+1

print(a)

return'done'

a=fib(10)

print(fib(10))

a,b=b,a+b其實相當于t=a+b,a=b,b=t，所以不必寫顯示寫出臨時變量t，就可以輸出斐波那契數列的前N個數字。上面輸出的結果如下：

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，推算出后續任意的元素，這種邏輯其實非常類似generator。

也就是說上面的函數也可以用generator來實現，上面我們發現，print(b)每次函數運行都要打印，占內存，所以為了不占內存，我們也可以使用生成器，這里叫yield。如下：

deffib(max):

n,a,b=0,0,1

whilen

yieldb

a,b=b,a+b

n=n+1

return'done'

a=fib(10)

print(fib(10))

但是返回的不再是一個值，而是一個生成器，和上面的例子一樣，大家可以看一下結果：

那么這樣就不占內存了，這里說一下generator和函數的執行流程，函數是順序執行的，遇到return語句或者最后一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次被next()調用時候從上次的返回yield語句處急需執行，也就是用多少，取多少，不占內存。

deffib(max):

n,a,b=0,0,1

whilen

yieldb

a,b=b,a+b

n=n+1

return'done'

a=fib(10)

print(fib(10))

print(a.__next__())

print(a.__next__())

print(a.__next__())

print("可以順便干其他事情")

print(a.__next__())

print(a.__next__())

結果：

可以順便干其他事情

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后，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：

deffib(max):

n,a,b=0,0,1

whilen

yieldb

a,b=b,a+b

n=n+1

return'done'

foriinfib(6):

print(i)

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。如果拿不到返回值，那么就會報錯，所以為了不讓報錯，就要進行異常處理，拿到返回值，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：

deffib(max):

n,a,b=0,0,1

whilen

yieldb

a,b=b,a+b

n=n+1

return'done'

g=fib(6)

whileTrue:

try:

x=next(g)

print('generator:',x)

exceptStopIterationase:

print("生成器返回值：",e.value)

break

結果：

generator:1

generator:1

generator:2

generator:3

generator:5

generator:8

生成器返回值：done

還可以通過yield實現在單線程的情況下實現并發運算的效果

由上面的例子我么可以發現，python提供了兩種基本的方式

生成器函數：也是用def定義的，利用關鍵字yield一次性返回一個結果，阻塞，重新開始

生成器表達式：返回一個對象，這個對象只有在需要的時候才產生結果

以上內容為大家介紹了什么是python生成器?，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。