1.生成器
----> 1 b = [x*2 for x in range(100000000000)] MemoryError:
想生成一个存放很多数据的列表，但是又不想内存占用太多
每次用一个生成一个，最好
2）列表生成器：生成多个值，每次生成1个
In [29]: c = (x*2 for x in range(10)) In [30]: c
Out[30]: <generator object <genexpr> at 0x7f8b5c0c6960> In [31]: next(c)
Out[31]: 0 In [32]: next(c)
Out[32]: 2 In [40]: next(c)
Out[40]: 18 In [41]: next(c) #迭代器没有数据就出现异常了
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-41-73b012f9653f> in <module>()
----> 1 next(c)
2.斐波那契数列
1）版本1：a,b = b,a+b
def creat_num():
a,b = 0,1 for i in range(5):
print(b)
a,b = b,a+b creat_num() 1
1
2
3
5
2）版本2：生成器 yield b
def creat_num():
a,b = 0,1 for i in range(5):
yield b
a,b = b,a+b creat_num()
3）版本3：当成模块导入
可以通过 next() 函数获得生成器的下一个返回值：
def creat_num():
print("--start---")
a,b = 0,1 for i in range(5):
print("--1--")
yield b #每次next执行到yield这里停止
print("--2---")
a,b = b,a+b
print("--3--")
print("--end---")
In [4]: a = creat_num() In [5]: a
Out[5]: <generator object creat_num at 0x7facd60b5a98> In [6]: next(a)
--start---
--1--
Out[6]: 1 In [7]: next(a)
--2---
--3--
--1--
Out[7]: 1 In [8]: next(a)
--2---
--3--
--1--
Out[8]: 2
4）版本4：next(a) 和 a.__next__()
def creat_num():
print("--start---")
a,b = 0,1 for i in range(5):
print("--1--")
yield b
print("--2---")
a,b = b,a+b
print("--3--")
print("--end---") #创建了1个生成器对象
a = creat_num() ret = next(a) #让a这个生成器对象开始执行，如果第一次执行，就从create_num开始部分执行
#如果是之前已经执行过了，就从上一次停止的位置开始执行
ret = next(a)
ret = next(a)
def creat_num():
print("--start---")
a,b = 0,1 for i in range(5):
print("--1--")
yield b
print("--2---")
a,b = b,a+b
print("--3--")
print("--end---") #创建了1个生成器对象
a = creat_num() ret = a.__next__()
print(ret) #注意：
#next(a)
#a.__next__()
#以上两种方式是一样的
5）版本5：循环取出生成器的值
def creat_num():
print("--start---")
a,b = 0,1 for i in range(5):
print("--1--")
yield b
print("--2---")
a,b = b,a+b
print("--3--")
print("--end---") #创建了1个生成器对象
a = creat_num() for i in a: #循环取出值
print(i)
--start---
--1--
1
--2---
--3--
--1--
1
--2---
--3--
--1--
2
--2---
--3--
--1--
3
--2---
--3--
--1--
5
--2---
--3--
--end---
3。send(‘haha’)
例子：执行到yield时，gen函数作用暂时保存，返回i的值;temp接收下次c.send("python")，send发送过来的值，c.next()等价c.send(None)
In [10]: def test():
....: i = 0
....: while i < 5:
....: temp = yield i
....: print(temp)
....: print(i)
....: i += 1
In [20]: t =test() In [21]: t.__next__()
Out[21]: 0 #yield i 的返回值 相当于return i In [22]: t.__next__()
--1 None
--2 0
Out[22]: 1 In [23]: t.__next__()
--1 None
--2 1
Out[23]: 2 In [24]: t.__next__()
--1 None
--2 2
Out[24]: 3 In [25]: t.send('haha') #相当于yield i = haha ，temp =haha
--1 haha
--2 3
Out[25]: 4 #到yield 停止 yield i 返回return i
2）第一次send(None)
In [26]: t = test()
In [27]: t.send('lala')
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-27-e48ba033e48c> in <module>()
----> 1 t.send('lala')
TypeError: can't send non-None value to a just-started generator
#直接send 出现异常
In [29]: t.send(None) #第一次相当于t.__next__()
Out[29]: 0 In [30]: t.send('--lala')
--1 --lala
--2 0
Out[30]: 1
4.yield 多任务 协程
def test1():
while True:
print('===1')
yield None def test2():
while True:
print('---2')
yield None t1 =test1()
t2 = test2()
while True :
t1.__next__()
t2.__next__()
### 运行结果
===1
---2
===1
---2
===1
---2
===1
---2
===1
---2
===1
---2
5.总结
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