【Intermediate Python】三、生成器(Generators)

首先我们要理解迭代器(iterators)。根据维基百科,迭代器是一个让程序员可以遍历一个容器(特别是列表)的对象。然而,一个迭代器在遍历并读取一个容器的数据元素时,并不会执行一个迭代。你可能有点晕了,那我们来个慢动作。换句话说这里有三个部分:

  • 可迭代对象(Iterable)
  • 迭代器(Iterator)
  • 迭代(Iteration)

上面这些部分互相联系。我们会先各个击破来讨论他们,然后再讨论生成器(generators)。

可迭代对象

Python 中任意的对象,只要它定义了可以返回一个迭代器的 __iter__ 方法,或者定义了可以支持下标索引的 __getitem__ 方法,那么它就是一个可迭代对象。简单说,可迭代对象就是能提供迭代器的任意对象。那迭代器又是什么呢?

迭代器(Iterator)

任意对象,只要定义了 next(Python2) 或者 __next__ 方法,它就是一个迭代器。就这么简单。现在我们来理解迭代(Iteration)

迭代(Iteration)

用简单的话将,它就是从某个地方(比如一个列表)取出一个元素的过程。当我们使用一个循环来遍历某个东西时,这个过程本身就叫迭代。既然现在我们有了这些术语的基本理解,那我们开始理解生成器吧。

生成器(Generators)

生成器也是一种迭代器,但是你只能对其迭代一次。这是因为它们并没有把所有的值存在内存中,而是在运行时生成值。你通过遍历来使用它们,要么用一个“for”循环,要么将它们传递给任意可以进行迭代的函数和结构。大多数时候生成器是以函数来实现的。然而,它们并不返回一个值,而是 yield(暂且译作“产生”)一个值。这里有个生成器函数的简单例子:

def generator_function():
    for i in range(10):
        yield i
		
for item in generator_function():
    print(item)
	
# Output: 0
# 1
# 2
# 3
# 4
# 5
# 6
# 7
# 8
# 9

这个案例并不是非常实用。生成器最佳应用场景是:你不想同一时间将所有计算出来的大量结果集分配到内存当中,特别是结果集里还包含循环。

许多 Python2 里的标准库函数都会返回列表,而 Python3 都修改成了返回生成器,因为生成器占用更少的资源。

下面是一个计算斐波那契数列的生成器:

# generator version
def fibon(n):
    a = b = 1
    for i in range(n):
        yield a
        a, b = b, a + b

# Now we can use it like this:
for x in fibon(1000000):
    print(x)

用这种方式,我们可以不用担心它会使用大量资源。然而,之前如果我们这样来实现的话:

def fibon(n):
    a = b = 1
    result = []
    for i in range(n):
        result.append(a)
        a, b = b, a + b
    return result

这也许会在计算很大的输入参数时,用尽所有的资源。我们已经讨论过生成器使用一次迭代,但我们并没有测试过。在测试前你需要再知道一个 Python 内置函数:next()。它允许我们获取一个序列的下一个元素。那我们来验证下我们理解:

def generator_function():
    for i in range(3):
        yield i
		
gen = generator_function()
print(next(gen))
# Output: 0
print(next(gen))
# Output: 1
print(next(gen))
# Output: 2
print(next(gen))
# Output: Trackback (most recent call last):
#           File "<stdin>", line 1, in <module>
#         StopIteration

我们可以看到,在 yield 掉所有的值后,next()触发了一个 StopIteration 的异常。基本上这个异常告诉我们,所有的值都已经被 yield 完了。你也许会奇怪,为什么我们在使用 for 循环时没有这个异常呢?答案很简单。for 循环会自动捕捉到这个异常并停止调用 next()。你知不知道 Python 中一些内置数据类型也支持迭代呢?我们这就去看看:

my_string = "Yasoob"
next(my_string)
# Output: Traceback (most recent call last):
#           File "<stdin>", line 1, in <module>
#         TypeError: 'str' object is not an iterator

好吧,这不是我们预期的。这个异常说那个 str 对象不是一个迭代器。对,就是这样!它是一个可迭代对象,而不是迭代器。这意味着它支持迭代,但我们不能直接对其进行 next() 迭代操作。那我们怎样才能对它实施迭代呢?是时候学习下另一个内置函数:iter。它将根据一个可迭代对象返回一个迭代器对象。以下是示例:

my_string = "Yasoob"
my_iter = iter(my_string)
next(my_iter)
# Output: 'Y'