成人午夜一区二区_操碰在线视频_国产精品麻豆一区二区三区_中文黄色一级片_欧美日本中文字幕_高清视频91

例三：

g = (i*i for i in range(0, 5))

for i in g:

    print(i)

當(dāng)我們創(chuàng)建了一個(gè)generator后，基本上永遠(yuǎn)不會調(diào)用next()方法，而是通過for循環(huán)來迭代它。

generator非常強(qiáng)大。如果推算的算法比較復(fù)雜，用類似列表生成式的for循環(huán)無法實(shí)現(xiàn)的時(shí)候，還可以用函數(shù)來實(shí)現(xiàn)。

比如，著名的斐波拉契數(shù)列（Fibonacci），除diyi個(gè)和第二個(gè)數(shù)外，任意一個(gè)數(shù)都可由前兩個(gè)數(shù)相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數(shù)列用列表生成式寫不出來，但是，用函數(shù)把它打印出來卻很容易：

def fib(max):

    n, a, b = 0, 0, 1

    while n < max:

        print b

        a, b = b, a + b

        n = n + 1

上面的函數(shù)可以輸出斐波那契數(shù)列的前N個(gè)數(shù)：

>>> fib(6)

1

1

2

3

5

8

仔細(xì)觀察，可以看出，fib函數(shù)實(shí)際上是定義了斐波拉契數(shù)列的推算規(guī)則，可以從diyi個(gè)元素開始，推算出后續(xù)任意的元素，這種邏輯其實(shí)非常類似generator。

也就是說，上面的函數(shù)和generator僅一步之遙。要把fib函數(shù)變成generator，只需要把print(b)改為yield b就可以了：

def fib(max):

  n,a,b = 0,0,1

  while n < max:

    #print(b)

    yield b

    a,b = b,a+b

    n += 1

  return 'done'

這就是定義generator的另一種方法。如果一個(gè)函數(shù)定義中包含yield關(guān)鍵字，那么這個(gè)函數(shù)就不再是一個(gè)普通函數(shù)，而是一個(gè)generator：

def fib(max):

    n, a, b = 0, 0, 1

    while n < max:

        yield b

        a, b = b, a + b

        n = n + 1

    return 'done'

print(fib(5))

輸出：

<generator object fib at 0x0000023DC66C1F48>

調(diào)用方法：   ##但是用for循環(huán)調(diào)用generator時(shí)，\

            ##發(fā)現(xiàn)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(cuò)誤，返回值包含在StopIteration的value中：

for i in fib(5):

    print(i)

輸出：

1

1

2

3

5

或者：

date = fib(5)

print(date.__next__())

print(date.__next__())

print(date.__next__())

print('test')

print(date.__next__())

print(date.__next__())

輸出：

1

1

2

test

3

5

send方法有一個(gè)參數(shù)，該參數(shù)指定的是上一次被掛起的yield語句的返回值

還可通過yield實(shí)現(xiàn)在單線程的情況下實(shí)現(xiàn)并發(fā)運(yùn)算的效果

#_*_coding:utf-8_*_

__author__ = 'Alex Li'

import time

def consumer(name):

  print("%s 準(zhǔn)備吃包子啦!" %name)

  while True:

    baozi = yield

    print("包子[%s]來了,被[%s]吃了!" %(baozi,name))

def producer(name):

  c = consumer('A')

  c2 = consumer('B')

  c.__next__()

  c2.__next__()

  print("老子開始準(zhǔn)備做包子啦!")

  for i in range(10):

    time.sleep(1)

    print("做了2個(gè)包子!")

    c.send(i)

    c2.send(i)

producer("alex")

通過生成器實(shí)現(xiàn)協(xié)程并行運(yùn)算

迭代器:

可以直接作用于for循環(huán)的數(shù)據(jù)類型有以下幾種：

一類是集合數(shù)據(jù)類型，如list、tuple、dict、set、str等；

一類是generator，包括生成器和帶yield的generator function。

這些可以直接作用于for循環(huán)的對象統(tǒng)稱為可迭代對象：Iterable。

可以使用isinstance()判斷一個(gè)對象是否是Iterable對象：

>>> from collections import Iterable

>>> isinstance([], Iterable)

True

>>> isinstance({}, Iterable)

True

>>> isinstance('abc', Iterable)

True

>>> isinstance((x for x in range(10)), Iterable)

True

>>> isinstance(100, Iterable)

False

而生成器不但可以作用于for循環(huán)，還可以被next()函數(shù)不斷調(diào)用并返回下一個(gè)值，直到最后拋出StopIteration錯(cuò)誤表示無法繼續(xù)返回下一個(gè)值了。

*可以被next()函數(shù)調(diào)用并不斷返回下一個(gè)值的對象稱為迭代器：Iterator。

可以使用isinstance()判斷一個(gè)對象是否是Iterator對象：

>>> from collections import Iterator

>>> isinstance((x for x in range(10)), Iterator)

True

>>> isinstance([], Iterator)

False

>>> isinstance({}, Iterator)

False

>>> isinstance('abc', Iterator)

False

生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。

把list、dict、str等Iterable變成Iterator可以使用iter()函數(shù)：

>>> isinstance(iter([]), Iterator)

True

>>> isinstance(iter('abc'), Iterator)

True

為什么list、dict、str等數(shù)據(jù)類型不是Iterator？

這是因?yàn)?/font>Python的Iterator對象表示的是一個(gè)數(shù)據(jù)流，Iterator對象可以被next()函數(shù)調(diào)用并不斷返回下一個(gè)數(shù)據(jù)，直到?jīng)]有數(shù)據(jù)時(shí)拋出StopIteration錯(cuò)誤。可以把這個(gè)數(shù)據(jù)流看做是一個(gè)有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數(shù)實(shí)現(xiàn)按需計(jì)算下一個(gè)數(shù)據(jù)，所以Iterator的計(jì)算是惰性的，只有在需要返回下一個(gè)數(shù)據(jù)時(shí)它才會計(jì)算。