python yield 和 yield from用法总结

时间:2021-04-10 23:30:05

#例1. 简单输出斐波那契數列前 N 个数
#缺点:该函数可复用性较差,因为 fab 函数返回 None,其他函数无法获得该函数生成的数列
#要提高 fab 函数的可复用性,最好不要直接打印出数列,而是返回一个 List。
def fab1(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b,end=' ')
        a, b = b, a + b
        n = n + 1
fab1(5)  

 

#例 2. 
#缺点:该函数在运行中占用的内存会随着参数 max 的增大而增大,如果要控制内存占用,
#最好不要用 List 来保存中间结果,而是通过 iterable 对象来迭代   
def fab2(max): 
    n, a, b = 0, 0, 1 
    L = [] 
    while n < max: 
        L.append(b) 
        a, b = b, a + b 
        n = n + 1 
    return L

 

#例3 
#说明:带有 yield 的函数不再是一个普通函数,Python 解释器会将其视为一个 generator,
#调用 fab(5) 不会执行 fab 函数,而是返回一个 iterable 对象!
#在 for 循环执行时,每次循环都会执行 fab 函数内部的代码,执行到 yield b 时,fab 函数就返回一个迭代值,
#下次迭代时,代码从 yield b 的下一条语句继续执行,而函数的本地变量看起来和上次中断执行前是完全一样的,
#于是函数继续执行,直到再次遇到 yield。
def fab3(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        # print b
        a, b = b, a + b
        n = n + 1
f=fab3(5)
print("f是一个可迭代对象,并没有执行函数")
print(f)
print('fab3返回的是一个iterable 对象,可以用for循环获取值')
for n in f:
    print(n)

 

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
#例4:
#说明:yield
from iterable本质上等于for item in iterable: yield item的缩写版   
 
def
f_wrapper1(f):
     for  g   in  f:
         yield g
wrap
= f_wrapper1(fab3(5))
for  in  wrap:
     print(i,end= ' ' )
 
print( '\n使用yield from代替for循环' )
def
f_wrapper2(f):
      yield  from  f#注意此处必须是一个可生成对象
wrap
= f_wrapper2(fab3(5))
for  in  wrap:
     print(i,end= ' ' )
print( '\n---------------------' )
 
 
print( 'yield from包含多个子程序' )
def
g(x):
     yield  from  range(x, 0, -1)
     yield  from  range(x)
print(list(g(5)))
for  g   in  g(6):
     print(g,end= ',' )
     
     
print( '\n---------------------' )  注意红色部分就是替代的部分,yield  from  iterable本质上等于 for  item  in  iterable: yield item的缩写版   

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
#例5
利用yield from语句向生成器(协程)传送数据
#传统的生产者-消费者模型是一个线程写消息,一个线程取消息,通过锁机制控制队列和等待,但一不小心就可能死锁。
#如果改用协程,生产者生产消息后,直接通过yield跳转到消费者开始执行,待消费者执行完毕后,换回生产者继续生产,效率极高:
def 
consumer_work(len):
     # 读取send传进的数据,并模拟进行处理数据
     print( "writer:" )
     w= ''
     while  True:
         w = yield w    # w接收send传进的数据,同时也是返回的数据
         print( '[CONSUMER] Consuming %s...>> ' , w)
         w*=len #将返回的数据乘以100
         time.sleep(0.1) 
def
consumer(coro):
     yield  from  coro#将数据传递到协程(生成器)对象中
 
 
def
produce(c):
     c.send(None)#  "prime"  the coroutine
     for  in  range(5):
         print( '[Produce] Producing %s----' , i)
         w=c.send(i)#发送完成后进入协程中执行
         print( '[Produce] receive %s----' , w)
     c.close()
     
c1=consumer_work(100)
produce(consumer(c1))<br><br>执行结果:<br>writer:<br>[Produce]
Producing %s---- 0<br>[CONSUMER] Consuming %s...>>  0<br>[Produce] receive %s---- 0<br>[Produce] Producing %s---- 1<br>[CONSUMER] Consuming %s...>>  1<br>[Produce] receive %s---- 100<br>[Produce] Producing %s---- 2<br>[CONSUMER] Consuming %s...>>  2<br>[Produce]
receive %s---- 200<br>[Produce] Producing %s---- 3<br>[CONSUMER] Consuming %s...>>  3<br>[Produce] receive %s---- 300<br>[Produce] Producing %s---- 4<br>[CONSUMER] Consuming %s...>>  4<br>[Produce] receive %s---- 400<br><br>yield 
from 一般掌握这两种用法即可;

 

靡不有初,鲜克有终