博客
关于我
python入门-----生成器generator
阅读量:209 次
发布时间:2019-02-28

本文共 1051 字,大约阅读时间需要 3 分钟。

文章目录

生成器

yield

协同程序

所谓的协同程序就是可以运行的独立函数调用,函数可以暂停或者挂起,并在需要的时候从程序离开的地方继续或者重新开始。
例1

>>> def myGen():    print('生成器被执行!')    yield 1    yield 2>>> myG = myGen()>>> next(myG)生成器被执行!1>>> next(myG)2>>> next(myG)Traceback (most recent call last):  File "
", line 1, in
next(myG)StopIteration>>> for i in myGen(): print(i)生成器被执行!12

例2:斐波那契数列

def libs():    a = 0    b = 1    while True:        a, b = b, a + b        yield afor each in libs():    if each > 100:  # 100内        break    print(each, end=' ')
1 1 2 3 5 8 13 21 34 55 89

next()

通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。

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?这样就不必创建完整的list,从而节省大量的空间。在Python中,这种一边循环一边计算的机制,称为生成器:generator。

要创建一个generator,有很多种方法。第一种方法很简单,只要把一个列表生成式的[]改成(),就创建了一个generator:

例3

e= (i for i in range(10))print(e)
at 0x0000026F1A8D4C48>

例4

g = (x for x in range(2))print(next(g))print(next(g))print(next(g))

在这里插入图片描述

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for循环,因为generator也是可迭代对象:

转载地址:http://fvsi.baihongyu.com/

你可能感兴趣的文章
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
NLTK - 停用词下载
查看>>
nmap 使用总结
查看>>