Python高级编程——4.生成器和斐波那契（fibonacci）函数

一、创建生成器（以快速生成列表为例）

生成器的本质是节约内存。

在python2中的xrange和python3中的range实质上就是一个典型的列表生成器。后面均是以python3为例。range快速生成列表的方法：[x for x in range(num)] / [x+y for x in range(num) for y in range(num)]等

创建生成器：将[ ]换成（）后，使得列表的结果不会直接全部输出，而是将其转换成列表生成器，通过next方法将结果依次输出，或for循环方法将结果全部输出。这种方法很大程度了节约了内存空间。在res中实质上保存的是一种算法，（x for x in range(num)） / （x+y for x in range(num) for y in range(num)）

Python高级编程——4.生成器和斐波那契（fibonacci）函数

二、将函数返回值转换成生成器

比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

定义一个斐波那契函数：

def  fibonacci (max):
     first,second,n = 0,1,0
     while n<max:
         first,second=second,first+second
         n += 1
         print(second)
运行结果为：1,2,3,5,8,13,21,34,55,89

但是若数值较大，则打印比较缓慢，且比较占用内存，在命令行输入后如下图：
②为了解决打印缓慢的问题，可在函数中增加一个全局变量list=[]，但是毫无疑问，这是非常占用内存空间的，请看下面的实例：

这种方法使得输出结果以列表的显示，解决了输出问题，但是依然还是很占用内存空间
③利用yield关键字，yield关键字加在返回值前，将函数的返回值转换成生成器，使得结果依次输出
Python高级编程——4.生成器和斐波那契（fibonacci）函数

一般调用next（）方法，在python2 中使用 .__next__()方法，在python3中两种方法都可以使用。但是field是怎样将函数转换成生成器的呢？其实在函数的返回值前增加field关键字之后，在调用函数时，这个函数并没有运行，只有在调用next方法时，函数才会运行，且运行至field终止，第二次调用next方法时，函数从field之后开始执行，为了更清楚地了解field加入后，函数的运行状况，在field second之前增加一行代码：

print("yield 之前")
在field second之后增加一行代码：

print("yield 之后")

运行代码发生如下结果：
Python高级编程——4.生成器和斐波那契（fibonacci）函数

以上例子充分说明，在第一次调用next（res）方法时，函数运行至yield second终止，再一次调用next（）方法时，函数接着yield之后运行。
res为迭代器即generator。
④send关键字在field所在函数中的作用
看以下函数代码，增加一个变量temp，temp=yield即为其赋值为None，运行结果如下：

此时若执行res.send( ),在括号中给值，这个值就会反向传给temp变量，如下图：

以上例子很好的解释了send在函数转换生成器中的作用，可以反向赋值给函数体的变量，借此改变函数中代码运行顺序。
应用场景如：

def    demo(  )  :
        while True:
            print("*"*50)
           temp = yield
          if temp==1:
                print("增加一个用户")
          elif temp==2:
                print("修改用户")
          elif temp ==3:
                print("删除用户")
        print(temp)
        print("~"*50)

⑤实现多任务

模拟多任务(进程，线程，协程)实现方式之一：协程，使得多个任务看似同时进行

import   time
def   test1  ( ):
    while True:
        print("明明")
        yield 0

def   test2  ( ):
    while True:
        print("花花")
        yield 0

while True:
    res1=test1( )
    res2=test2( )
    next(res1)
    next((res2))
    time.sleep(2)

以上代码运行就出现以下结果
明明
花花
明明
花花
明明
花花
明明
花花
明明
花花

“明明”和“花花”几乎同时出现，停顿2s后继续同时出现，这就是field的多任务应用。

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：

1. 节约内存

2. 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

Python高级编程——4.生成器和斐波那契（fibonacci）函数

相关推荐