乐趣区

关于python:yield-关键字在-Python-中的用途是什么

要理解其 yield 作用,必须理解什么是 生成器。而且,理解生成器之前,必须理解 _iterables_。

可迭代:iterable

创立一个列表,天然是须要能一一浏览其中每个元素。逐个读取其项的过程被称为迭代:

>>> mylist = [1, 2, 3]
>>> for i in mylist:
...    print(i)
1
2
3 

mylist 是一个_可迭代的_。当您应用 列表推导式 时,即是创立了一个列表,因而也是可迭代的:

>>> mylist = [x*x for x in range(3)]
>>> for i in mylist:
...    print(i)
0
1
4 

所有能够应用 for... in... 的数据结构都是可迭代的;listsstrings,文件 …

这些可迭代的办法很不便,因为您能够随便读取它们,然而您将所有值都存储在内存中,当领有很多值时,这并不总是想要的。

生成器:generator

生成器也是一种迭代器,一种非凡的迭代,非凡在 只能迭代一次 。生成器不会将所有值存储在内存中,而是 即时生成值

generator: 发电机, 发生器,发电机发电但不储能;)

>>> mygenerator = (x*x for x in range(3))
>>> for i in mygenerator:
...    print(i)
0
1
4 

只有应用 () 代替 [],便是列表推导式变成了 生成器推导式 。然而,因为生成器只能应用一次,因而您 无奈 执行 for i in mygenerator 第二次:生成器计算 0,而后将其抛弃,而后计算 1,最初一次计算 4。典型的黑瞎子掰苞米。

让出:yield

yield关键字与 return 的应用形式一样,不同之处在于该函数将返回 生成器

>>> def createGenerator():
...    mylist = range(3)
...    for i in mylist:
...        yield i*i
...
>>> mygenerator = createGenerator() # 创立一个 generator
>>> print(mygenerator) # mygenerator 是个对象!
<generator object createGenerator at 0xb7555c34>
>>> for i in mygenerator:
...     print(i)
0
1
4 

这是一个无用的示例,然而当须要函数返回大量的值(只须要读取一次)时,它就很不便。

把握 yield,须要分明的一点是: 在调用函数时,在函数主体中编写的代码不会运行,该函数仅返回生成器对象,初学容易对这一点产生困惑。

其次要明确,代码将在每次 for 应用生成器时从中断处持续。

当初最艰难的局部是:

第一次 for 调用从您的函数创立的生成器对象时,它将从头开始运行函数中的代码,直到命中为止yield,而后它将返回循环的第一个值。而后,每个后续调用将运行您在函数中编写的循环的下一次迭代,并返回下一个值。这将始终继续到生成器被认为是空的为止,这在函数运行时没有命中时就会产生yield。那可能是因为循环曾经完结,或者是因为您不再满足"if/else"

yield: 出产, 缴出, 让出, 屈从, 让路


用代码来阐明

生成器 generator:

# 创立返回生成器的办法
def _get_child_candidates(self, distance, min_dist, max_dist):
    # 应用生成器对象一次,上面代码就会被调用一次:
    # 如果还有左子对象节点,且间隔适合, 返回下一个子对象
    if self._leftchild and distance - max_dist < self._median:
        yield self._leftchild
    # 如果还有右子对象节点,且间隔适合, 返回下一个子对象
    if self._rightchild and distance + max_dist >= self._median:
        yield self._rightchild
    # 函数执行到这,被认为生成器空了
    # 这里不超过两个值了: 左和右子对象 

调用方 caller:

# 创立空的 list,和一个蕴含以后对象援用的列表
result, candidates = list(), [self]
# 循环 candidates (开始只有一个元素)
while candidates:
    # 取最初的 candidate 并从列表中移除
    node = candidates.pop()
    # 获取 obj 与 candidate 间的间隔
    distance = node._get_dist(obj)
    # 间隔适合则填入后果
    if distance <= max_dist and distance >= min_dist:
        result.extend(node._values)
    # 并把 candidate 的子元素退出列表
    # 循环直至锁定 candidate 全副子元素的子元素
    candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))
return result 

此代码蕴含几个智能局部:

  • 对一个列表循环迭代,然而循环在迭代时列表会扩大:-)这是浏览所有这些嵌套数据的一种简洁办法,即便这样做有点危险,因为可能会遇到有限循环。在这种状况下,请 candidates.extend(node._get_child_candidates(distance, min_dist, max_dist)) 耗尽所有生成器的值,然而 while 持续创立新的生成器对象,因为它们未利用于同一节点,因而将产生与先前值不同的值。
  • extend() 办法是冀望可迭代并将其值增加到列表的列表对象办法。

通常咱们将一个列表传递给它:

>>> a = [1, 2]
>>> b = [3, 4]
>>> a.extend(b)
>>> print(a)
[1, 2, 3, 4] 

然而在下面的代码中,失去了一个生成器,这更好,因为:

  1. 不须要两次读取值。
  2. 可能有很多子元素,并且不心愿所有子元素都存储在内存中。

这样做之所以无效,是因为 Python 不在乎办法的参数是否为列表。Python 冀望的是可迭代对象,因而它能够与字符串,列表,元组和生成器一起应用!这就是所谓的鸭子输出,这是 Python 如此酷的起因之一。但这是另一个故事了……

管制生产器耗尽

>>> class Bank(): # 搞个银行, 弄点 ATM 提款机
...    crisis = False
...    def create_atm(self):
...        while not self.crisis:
...            yield "$100"
>>> hsbc = Bank() # 顺利的话你要多少 ATM 给你多少
>>> corner_street_atm = hsbc.create_atm()
>>> print(corner_street_atm.next())
$100
>>> print(corner_street_atm.next())
$100
>>> print([corner_street_atm.next() for cash in range(5)])
['$100', '$100', '$100', '$100', '$100']
>>> hsbc.crisis = True # 危机来了,不行了,没钱了!
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # 新的 ATM 也一样
>>> print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # 危机过后 ATM 里也没钱
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # 搞个新的做新生
>>> for cash in brand_new_atm:
...    print cash
$100
$100
$100
$100
$100
$100
$100
$100
$100
... 

留神:对于 Python 3,请应用 print(corner_street_atm.__next__())print(next(corner_street_atm))

对于诸如管制对资源的拜访之类的各种事件,这可能很有用。

Itertools,您最好的敌人

itertools 模块蕴含用于操纵可迭代对象的非凡性能。是否曾想复制发电机?连锁两个发电机?用一个班轮将值嵌套在嵌套列表中?Map / Zip没有创立另一个列表?

而后就import itertools

一个例子?让咱们看一下四马较量的可能达到程序:

>>> horses = [1, 2, 3, 4]
>>> races = itertools.permutations(horses)
>>> print(races)
<itertools.permutations object at 0xb754f1dc>
>>> print(list(itertools.permutations(horses)))
[(1, 2, 3, 4),
 (1, 2, 4, 3),
 (1, 3, 2, 4),
 (1, 3, 4, 2),
 (1, 4, 2, 3),
 (1, 4, 3, 2),
 (2, 1, 3, 4),
 (2, 1, 4, 3),
 (2, 3, 1, 4),
 (2, 3, 4, 1),
 (2, 4, 1, 3),
 (2, 4, 3, 1),
 (3, 1, 2, 4),
 (3, 1, 4, 2),
 (3, 2, 1, 4),
 (3, 2, 4, 1),
 (3, 4, 1, 2),
 (3, 4, 2, 1),
 (4, 1, 2, 3),
 (4, 1, 3, 2),
 (4, 2, 1, 3),
 (4, 2, 3, 1),
 (4, 3, 1, 2),
 (4, 3, 2, 1)] 

理解迭代的外部机制

迭代是一个隐含可迭代对象(实现 __iter__() 办法)和迭代器(实现 __next__() 办法)的过程。可迭代对象是能够从中获取迭代器的任何对象。迭代器是使您能够迭代可迭代对象的对象。

退出移动版