当前位置:天才代写 > tutorial > Python教程 > Python yield 利用浅析

Python yield 利用浅析

2017-11-02 08:00 星期四 所属: Python教程 浏览:59

您大概传闻过,带有 yield 的函数在 Python 中被称之为 generator(生成器),何谓 generator ?

  我们先抛开 generator,以一个常见的编程题目来展示 yield 的观念。

  如何生成斐波那契數列

  斐波那契(Fibonacci)數列是一个很是简朴的递归数列,除第一个和第二个数外,任意一个数都可由前两个数相加获得。用计较机措施输出斐波那契數列的前 N 个数是一个很是简朴的问题,很多初学者都可以等闲写出如下函数:

  清单 1. 简朴输出斐波那契數列前 N 个数

deffab(max): 
   n, a, b =0, 0, 1
   whilen < max: 
       printb 
       a, b =b, a +b 
       n =n +1

  执行 fab(5),我们可以获得如下输出:

>>> fab(5)

  功效没有问题,但有履历的开拓者会指出,直接在 fab 函数顶用 print 打印数字会导致该函数可复用性较差,因为 fab 函数返回 None,其他函数无法得到该函数生成的数列。

  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。以下是 fab 函数改写后的第二个版本:

  清单 2. 输出斐波那契數列前 N 个数第二版

deffab(max): 
   n, a, b =0, 0, 1
   L =[] 
   whilen < max: 
       L.append(b) 
       a, b =b, a +b 
       n =n +1
   returnL

  可以利用如下方法打印出 fab 函数返回的 List:

>>> forn infab(5):

…     printn

  改写后的 fab 函数通过返回 List 能满意复用性的要求,可是更有履历的开拓者会指出,该函数在运行中占用的内存会跟着参数 max 的增大而增大,假如要节制内存占用,最好不要用 List

  来生存中间功效,而是通过 iterable 工具来迭代。譬喻,在 Python2.x 中,代码:

  清单 3. 通过 iterable 工具来迭代

fori inrange(1000): pass

  会导致生成一个 1000 个元素的 List,而代码:

fori inxrange(1000): pass

  则不会生成一个 1000 个元素的 List,而是在每次迭代中返回下一个数值,内存空间占用很小。因为 xrange 不返回 List,而是返回一个 iterable 工具。

  操作 iterable 我们可以把 fab 函数改写为一个支持 iterable 的 class,以下是第三个版本的 Fab:

  清单 4. 第三个版本

classFab(object): 
   
   def__init__(self, max): 
       self.max=max
       self.n, self.a, self.b =0, 0, 1
   
   def__iter__(self): 
       returnself
   
   defnext(self): 
       ifself.n < self.max: 
           r =self.b 
           self.a, self.b =self.b, self.a +self.b 
           self.n =self.n +1
           returnr 
       raiseStopIteration()

  Fab 类通过 next() 不绝返回数列的下一个数,内存占用始终为常数:

>>> forn inFab(5):

…     printn

  然而,利用 class 改写的这个版本,代码远远没有第一版的 fab 函数来得简捷。假如我们想要保持第一版 fab 函数的简捷性,同时又要得到 iterable 的结果,yield 就派上用场了:

  清单 5. 利用 yield 的第四版

deffab(max): 
    n, a, b =0, 0, 1
    whilen < max: 
        yieldb 
        # print b 
        a, b =b, a +b 
        n =n +1

  第四个版本的 fab 和第一版对比,仅仅把 print b 改为了 yield b,就在保持简捷性的同时得到了 iterable 的结果。

  挪用第四版的 fab 和第二版的 fab 完全一致:

>>> forn infab(5):

…     printn

  简朴地讲,yield 的浸染就是把一个函数酿成一个 generator,带有 yield 的函数不再是一个普通函数,Python 表明器会将其视为一个 generator,挪用 fab(5) 不会执行 fab 函数,而是返回一个 iterable 工具!在 for 轮回执行时,每次轮回城市执行 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 的下一条语句继承执行,而函数的当地变量看起来和上次间断执行前是完全一样的,于是函数继承执行,直到再次碰着 yield。

  也可以手动挪用 fab(5) 的 next() 要领(因为 fab(5) 是一个 generator 工具,该工具具有 next() 要领),这样我们就可以更清楚地看到 fab 的执行流程:

  清单 6. 执行流程

>>> f =fab(5)

>>> f.next()

>>> f.next()

>>> f.next()

>>> f.next()

>>> f.next()

>>> f.next()

Traceback (most recent call last):

File"", line 1, in StopIteration

  当函数执行竣事时,generator 自动抛出 StopIteration 异常,暗示迭代完成。在 for 轮回里,无需处理惩罚 StopIteration 异常,轮回会正常竣事。

  我们可以得出以下结论:

#p#分页标题#e#

  一个带有 yield 的函数就是一个 generator,它和普通函数差异,生成一个 generator 看起来像函数挪用,但不会执行任何函数代码,直到对其挪用 next()(在 for 轮回中会自动挪用 next())才开始执行。固然执行流程仍按函数的流程执行,但每执行到一个 yield 语句就会间断,并返回一个迭代值,下次执行时从 yield 的下一个语句继承执行。看起来就仿佛一个函数在正常执行的进程中被 yield 间断了数次,每次间断城市通过 yield 返回当前的迭代值。

  yield 的长处是显而易见的,把一个函数改写为一个 generator 就得到了迭代本领,比起用类的实例生存状态来计较下一个 next() 的值,不只代码简捷,并且执行流程异常清晰。

  如何判定一个函数是否是一个非凡的 generator 函数?可以操作 isgeneratorfunction 判定:

  清单 7. 利用 isgeneratorfunction 判定

>>> frominspect importisgeneratorfunction

>>> isgeneratorfunction(fab)

True

  要留意区分 fab 和 fab(5),fab 是一个 generator function,而 fab(5) 是挪用 fab 返回的一个 generator,比如类的界说和类的实例的区别:

  清单 8. 类的界说和类的实例

>>> importtypes

>>> isinstance(fab, types.GeneratorType)

False

>>> isinstance(fab(5), types.GeneratorType)

True

  fab 是无法迭代的,而 fab(5) 是可迭代的:

>>> fromcollections importIterable

>>> isinstance(fab, Iterable)

False

>>> isinstance(fab(5), Iterable)

True

  每次挪用 fab 函数城市生成一个新的 generator 实例,各实例互不影响:

>>> f1 =fab(3)

>>> f2 =fab(5)

>>> print'f1:', f1.next()

f1: 1

>>> print'f2:', f2.next()

f2: 1

>>> print'f1:', f1.next()

f1: 1

>>> print'f2:', f2.next()

f2: 1

>>> print'f1:', f1.next()

f1: 2

>>> print'f2:', f2.next()

f2: 2

>>> print'f2:', f2.next()

f2: 3

>>> print'f2:', f2.next()

f2: 5

  return 的浸染

  在一个 generator function 中,假如没有 return,则默认执行至函数完毕,假如在执行进程中 return,则直接抛出 StopIteration 终止迭代。

  另一个例子

  另一个 yield 的例子来历于文件读取。假如直接对文件工具挪用 read() 要领,会导致不行预测的内存占用。好的要领是操作牢靠长度的缓冲区来不绝读取文件内容。通过 yield,我们不再需要编写读文件的迭代类,就可以轻松实现文件读取:

  清单 9. 另一个 yield 的例子

defread_file(fpath): 
   BLOCK_SIZE =1024
   with open(fpath, 'rb') as f: 
       whileTrue: 
           block =f.read(BLOCK_SIZE) 
           ifblock: 
               yieldblock 
           else: 
               return

  以上仅仅简朴先容了 yield 的根基观念和用法,yield 在 Python 3 中尚有更强大的用法,我们会在后续文章中接头。

  注:本文的代码均在 Python 2.7 中调试通过

 

    关键字:


天才代写-代写联系方式