通过列表生成式，我们可以直接创建一个列表，但是，受到内存限制，列表容量肯定是有限的，而且创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list，从而节省大量的空间，在Python中，这种一边循环一边计算的机制，称为生成器：generator

生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。

生成器类似于返回值为数组的一个函数，这个函数可以接受参数，可以被调用，但是，不同于一般的函数会一次性返回包括了所有数值的数组，生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数，但是表现得却像是迭代器

python中的生成器

要创建一个generator，有很多种方法，第一种方法很简单，只有把一个列表生成式的[]中括号改为()小括号，就创建一个generator

举例如下：

#列表生成式

lis=[x*xforxinrange(10)]

print(lis)

#生成器

generator_ex=(x*xforxinrange(10))

print(generator_ex)

结果：

[0,1,4,9,16,25,36,49,64,81]

at0x000002A4CBF9EBA0>

那么创建list和generator_ex，的区别是什么呢?从表面看就是[]和(),但是结果却不一样，一个打印出来是列表(因为是列表生成式)，而第二个打印出来却是at0x000002A4CBF9EBA0>，那么如何打印出来generator_ex的每一个元素呢?

如果要一个个打印出来，可以通过next()函数获得generator的下一个返回值：

#生成器

generator_ex=(x*xforxinrange(10))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

print(next(generator_ex))

结果：

Traceback(mostrecentcalllast):

File"列表生成式.py",line42,in

print(next(generator_ex))

StopIteration

大家可以看到，generator保存的是算法，每次调用next(generaotr_ex)就计算出他的下一个元素的值，直到计算出最后一个元素，没有更多的元素时，抛出StopIteration的错误，而且上面这样不断调用是一个不好的习惯，正确的方法是使用for循环，因为generator也是可迭代对象：

#生成器

generator_ex=(x*xforxinrange(10))

foriingenerator_ex:

print(i)

结果：

所以我们创建一个generator后，基本上永远不会调用next()，而是通过for循环来迭代，并且不需要关心StopIteration的错误，generator非常强大，如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

比如著名的斐波那契数列，除第一个和第二个数外，任何一个数都可以由前两个相加得到：

1，1，2，3，5，8，12，21，34.....

斐波那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：

#fibonacci数列

deffib(max):

n,a,b=0,0,1

whilen

a,b=b,a+b

n=n+1

print(a)

return'done'

a=fib(10)

print(fib(10))

a,b=b,a+b其实相当于t=a+b,a=b,b=t，所以不必写显示写出临时变量t，就可以输出斐波那契数列的前N个数字。上面输出的结果如下：

仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

也就是说上面的函数也可以用generator来实现，上面我们发现，print(b)每次函数运行都要打印，占内存，所以为了不占内存，我们也可以使用生成器，这里叫yield。如下：

deffib(max):

n,a,b=0,0,1

whilen

yieldb

a,b=b,a+b

n=n+1

return'done'

a=fib(10)

print(fib(10))

但是返回的不再是一个值，而是一个生成器，和上面的例子一样，大家可以看一下结果：

那么这样就不占内存了，这里说一下generator和函数的执行流程，函数是顺序执行的，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次被next()调用时候从上次的返回yield语句处急需执行，也就是用多少，取多少，不占内存。

deffib(max):

n,a,b=0,0,1

whilen

yieldb

a,b=b,a+b

n=n+1

return'done'

a=fib(10)

print(fib(10))

print(a.__next__())

print(a.__next__())

print(a.__next__())

print("可以顺便干其他事情")

print(a.__next__())

print(a.__next__())

结果：

可以顺便干其他事情

在上面fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

deffib(max):

n,a,b=0,0,1

whilen

yieldb

a,b=b,a+b

n=n+1

return'done'

foriinfib(6):

print(i)

结果：

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果拿不到返回值，那么就会报错，所以为了不让报错，就要进行异常处理，拿到返回值，如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

deffib(max):

n,a,b=0,0,1

whilen

yieldb

a,b=b,a+b

n=n+1

return'done'

g=fib(6)

whileTrue:

try:

x=next(g)

print('generator:',x)

exceptStopIterationase:

print("生成器返回值：",e.value)

break

结果：

generator:1

generator:1

generator:2

generator:3

generator:5

generator:8

生成器返回值：done

还可以通过yield实现在单线程的情况下实现并发运算的效果

由上面的例子我么可以发现，python提供了两种基本的方式

生成器函数：也是用def定义的，利用关键字yield一次性返回一个结果，阻塞，重新开始

生成器表达式：返回一个对象，这个对象只有在需要的时候才产生结果

以上内容为大家介绍了什么是python生成器?，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注IT培训机构:千锋教育。

上一篇

Python粘包

下一篇

Python重定向之print >>和sys.stdout