从零开始学python | 什么是Python中的生成器以及如何使用它们？

生成可迭代的对象或可迭代对象被认为是一项繁重的任务。但是，在Python中，这项艰巨任务的实现变得非常顺利。因此，让我们继续深入研究Python中的Generators。

这是本文涵盖的所有主题的列表：

• What are Generators?
• Advantages of using Generators
• Normal Functions vs Generator Functions
• Using Generator Functions
• Generators with loops
• Generator Expressions
• Use Cases
  • Generating Fibonacci Series
  • Generating Numbers

因此，让我们开始吧。:)

什么是Python中的生成器？

生成器基本上是返回可遍历对象或项目的函数。这些功能不会一次生成所有项目，而是一次仅在需要时才一次生成它们。每当包含for语句以迭代一组项目时，就会运行生成器函数。发电机也有许多优点。

Advantages of using Generators

• 如果在Python中没有生成器，则生成可迭代项将非常困难且冗长。

• 生成器易于实现，因为它们会自动实现__iter __（），__next __（）和StopIteration，否则需要明确指定它们。

• 与普通的Python函数不同，在需要时根据项目的产生保存了内存。当您需要创建大量的迭代器时，这一事实变得非常重要。这也被认为是发电机的最大优势。

• 可用于生产无限数量的物品。

• 它们还可以用于管道许多操作

普通函数与生成器函数：

Python中的生成器的创建方式与使用'def'关键字创建普通函数的方式相同。但是，生成器函数使用yield关键字而不是return。这样做是为了通知解释器这是一个迭代器。不仅如此，生成器函数在调用next（）函数时运行，而不是像正常函数那样通过其名称运行。考虑以下示例以更好地理解它：

例子：

def func(a):
    yield a
a=[1,2,3]
 
b=func(a)
next(b)

输出：[1、2、3] 

如您所见，在上面的输出中，func（）正在使用yield关键字和下一个函数来执行它。但是，对于正常功能，您将需要以下代码：

例子：

def func(a):
    return a
a=[1,2,3]
func(a)

输出：[1、2、3] 

如果看上面的示例，您可能想知道为什么当普通函数也返回相同的输出时为什么使用Generator函数。因此，让我们继续前进，看看如何在Python中使用Generators。

使用生成器功能：

如前所述，Python中的生成器一次生成一个可迭代的对象。看下面的例子：

例子：

def myfunc(a):
    while a>=3:
        yield a
        a=a+1
b =  myfunc(a)
print(b)
next(b)

执行以下功能时，将看到以下输出：

输出：4

此处，已返回一个满足while条件的可迭代对象。执行后，控制权将转移到调用方。如果需要更多项目，则需要通过调用next（）函数来再次执行相同的函数。

next(b)

输出：5

在进一步执行时，该函数将返回6,7等。Python中的Generator函数自动实现__iter __（）和__next __（）方法。因此，您可以仅使用next（）方法来遍历对象。当项目生成终止时，Generator函数将在内部实现StopIteration，而不必担心调用方。这是另一个例子：

例子：

a=2
def myfunc(a):
    while a >= 0:
        yield a
        a -= 1
b =  myfunc(a)
print(b)
next(b)

输出：

上图显示了我们程序执行所需的次数。如果尝试再次调用下一个函数，它将返回一条消息，说明StopIteration已实现。如果尝试使用常规函数执行此操作，则返回的值将不会更改或迭代。看下面的例子：

例子：

def z():
    n=1
    yield n
    n=n+3
    yield n
p=z()
next(p)

输出：

带有循环的生成器：

如果您想一次执行相同的功能，可以使用“ for”循环。该循环有助于迭代对象，并在所有实现之后执行StopIteration。 

例子：

def z():
    n=1
    yield n
    n=n+3
    yield n
for x in z():
    print(x)

输出： 

1
4

您还可以指定表达式以生成可迭代的对象。

生成器表达式：

您还可以将表达式与for循环一起使用以生成迭代器。这通常使生成代数变得容易得多。生成器表达式类似于列表推导，并且类似于lambda函数，生成器表达式创建匿名生成器函数。

看下面的例子：

例子：

a=range(6)
print("List Comprehension", end=':')
b=[x+2 for x in a] 
print(b)
print("Generator expression", end=':n')
c=(x+2 for x in a) 
print(c)
for y in c:
    print(y)

输出：

列表理解：[2、3、4、5、6、7]

生成器表达式：

<生成器对象<genexpr>位于0x0000016362944480>

2
3
4
5
6

如您所见，在上面的输出中，第一个表达式是列表理解，该列表理解在[]括号内指定。列表理解一次生成完整的项目列表。下一个是生成器表达式，该表达式一次返回相同的项，但一次返回一个。使用（）括号指定。

生成器功能也可以在其他功能中使用。例如：

例子：

a=range(6)
print("Generator expression", end=':n')
c=(x+2 for x in a) 
print(c)
print(min(c))

输出：

生成器表达式
2

当上面的表达式应用于a的值时，上面的程序将打印最小值。

用例：

让我们在Python中使用Generators来：

• 生成斐波那契数列
• 产生数字

生成斐波那契数列： 

众所周知，斐波那契数列是一个数字序列，其中每个数字都是前面两个数字的和。前两个数字是0和1。这是一个生成斐波那契数列的生成器程序：

例子：

def fibo():
    first,second=0,1
    while True:
        yield first
        first,second=second,first+second
for x in fibo():
    if x>50:
        break
    print(x, end=" ")

输出：

0 1 1 2 3 5 8 13 21 34

上面的输出显示了值小于50的斐波那契数列。现在让我们看一下如何生成数字列表。

生成号码：

如果要生成指定的列表号，可以使用生成器函数来完成。看一下下面的例子：

例子：

a=range(10)
b=(x for x in a) 
print(b)
for y in b:
    print(y)

输出：

<生成器对象<genexpr>位于0x000001CBE1602DE0>

0
1
2
3
4
5
6
7
8
9

例子：

a=range(2,10,2)
b=(x for x in a) 
print(b)
for y in b:
    print(y)

输出：

<生成器对象<genexpr>位于0x000001CBE1623138>
2
4
6
8

上面的程序返回了2到10之间的偶数。这使我们到了Python生成器的本文结尾。希望您已理解所有主题。