python生成器

列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。
格式如下：

l1 = [x for x in range(10)]
print(l1)

结果如下：

列表生成器结果.jpg

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。
创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是一个列表，而 G 是一个生成器。我们可以直接打印出L的每一个元素，但我们怎么打印出G的每一个元素呢？如果要一个一个打印出来，可以通过 next() 函数获得生成器的下一个返回值：
下面采用生成器的方式创建列表：

ge = (x for x in range(4))
print(type(ge))
print(next(ge))
print(next(ge))
print(next(ge))
print(next(ge))
print(next(ge))

结果如下：

生成器next结果.jpg

生成器保存的是算法，每次调用 next(G) ，就计算出 G 的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出 StopIteration 的异常。当然，这种不断调用 next() 实在是太变态了，正确的方法是使用 for 循环，因为生成器也是可迭代对象。所以，我们创建了一个生成器后，基本上永远不会调用 next() ，而是通过 for 循环来迭代它，并且不需要关心 StopIteration 异常。

ge = (x for x in range(10))
print(type(ge))
for i in ge:
    print(i,end=' ')

结果如下：

生成器结果.jpg

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的 for 循环无法实现的时候，还可以用函数来实现。
通过之前的学习，可以完成斐波那契数列的函数版，代码如下：

def fib(times):
    n = 0
    a, b = 0, 1
    while n < times:
        print(b, end=' ')
        a, b = b, a + b
        n += 1
    return 'done'


fib(5)

仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

print()
print('*' * 15)


def fib(times):
    n = 0
    a, b = 0, 1
    while n < times:
        yield b
        a, b = b, a + b
        n += 1
    return 'over'


ret = fib(7)
for i in ret:
    print(i, end=' ')

结果如下：

斐波那契数列函数与生成器结果.jpg

如果用next调用，遇到yield就会停止，所以同样为了避免StopIteration异常，采用for循环遍历。在采用遍历的时候，发现拿不到generator的返回值’over’。想要拿到返回值，必须捕获StopIteration异常，返回值包含在StopIteration的value中。
关于生成器中的send的用法，看如下代码：

def fun():
    i = 0
    while True:
        i += 1
        print('...begin...')
        temp = yield i
        print('temp:%s'%temp)

ret = fun()
print(next(ret))
print('*'*10)
print(next(ret))
print('*'*10)
print(ret.send('haha'))

结果如下：

send结果.jpg
使用next（）模拟多任务实现方式之一：协程

def test1():
    while True:
        print('...1...')
        yield None


def test2():
    while True:
        print('...2...')
        yield None


t1 = test1()
t2 = test2()

i = 0
while i < 3:
    t1.__next__()
    t2.__next__()
    i += 1

结果如下：

多任务结果.jpg

生成器是这样一个函数，它记住上一次返回时在函数体中的位置。对生成器函数的第二次（或第 n 次）调用跳转至该函数中间，而上次调用的所有局部变量都保持不变。生成器不仅“记住”了它数据状态；生成器还“记住”了它在流控制构造（在命令式编程中，这种构造不只是数据值）中的位置。
生成器的特点：
节约内存。迭代到下一次的调用时，所使用的参数都是第一次所保留下的，即是说，在整个所有函数调用的参数都是第一次所调用时保留的，而不是新创建的。