Python迭代和解析(5)：搞懂生成器和yield机制

解析、迭代和生成系列文章：https://www.cnblogs.com/f-ck-need-u/p/9832640.html
<https://www.cnblogs.com/f-ck-need-u/p/9832640.html#blogiterator>

何为生成器

生成器的wiki页：https://en.wikipedia.org/wiki/Generator_(computer_programming)
<https://en.wikipedia.org/wiki/Generator_(computer_programming)>


在计算机科学中，生成器是特定的迭代器，它完全实现了迭代器接口，所以所有生成器都是迭代器。不过，迭代器用于从数据集中取出元素；而生成器用于"凭空"生成(yield)元素。它不会一次性将所有元素全部生成，而是按需一个一个地生成，所以从头到尾都只需占用一个元素的内存空间。

很典型的一个例子是斐波纳契数列：斐波纳契数列中的数有无穷个，在一个数据结构里放不下，但是可以在需要下一个元素的时候临时计算。

再比如内置函数range()也返回一个类似生成器的对象，每次需要range里的一个数据时才会临时去产生它。如果一定要让range()函数返回列表，必须明确指明
list(range(100))。

在Python中生成器是一个函数，但它的行为像是一个迭代器。另外，Python也支持生成器表达式。

初探生成器

下面是一个非常简单的生成器示例：
>>> def my_generator(chars): ... for i in chars: ... yield i * 2 >>> for i in
my_generator("abcdef"): ... print(i, end=" ") aa bb cc dd ee ff
这里的my_generator
是生成器函数(使用了yield关键字的函数，将被声明为generator对象)，但是它在for循环中充当的是一个可迭代对象。实际上它本身就是一个可迭代对象：
>>> E = my_generator("abcde") >>> hasattr(E, "__iter__") True >>> hasattr(E,
"__next__") True >>> E is iter(E) True
由于生成器自动实现了__iter__和__next__，且__iter__返回的是迭代器自身，所以生成器是一个单迭代器，不支持多迭代。

此外，生成器函数中使用for来迭代chars变量，但对于chars中被迭代的元素没有其它操作，而是使用yield来返回这个元素，就像return语句一样。


只不过yield和return是有区别的，yield在生成一个元素后，会记住迭代的位置并将当前的状态挂起(还记住了其它一些必要的东西)，等到下一次需要元素的时候再从这里继续yield一个元素，直到所有的元素都被yield完(也可能永远yield不完)。return则是直接退出函数，

yield from

当yield的来源为一个for循环，那么可以改写成yield from。也就是说，for i in g:yield i等价于yield from g。

例如下面是等价的。
def mygen(chars): yield from chars def mygen(chars): for i in chars: yiled i
yield from更多地用于子生成器的委托，本文暂不对此展开描述。

生成器和直接构造结果集的区别

下面是直接构造出列表的方式，它和前面示例的生成器结果一样，但是内部工作方式是不一样的。
def mydef(chars): res = [] for i in chars: res.append(i * 2) return res for i
in mydef("abcde"): print(i,end=" ")
这样的结果也能使用列表解析或者map来实现，例如：
for x in [s * 2 for s in "abcde"]: print(x, end=" ") for x in map( (lambda s:
s * 2), "abcde" ): print(x, end=" ")

虽然结果上都相同，但是内存使用上和效率上都有区别。直接构造结果集将会等待所有结果都计算完成后一次性返回，可能会占用大量内存并出现结果集等待的现象。而使用生成器的方式，从头到尾都只占用一个元素的内存空间，且无需等待所有元素都计算完成后再返回，所以将时间资源分布到了每个结果的返回上。


例如总共可能会产生10亿个元素，但只想取前10个元素，如果直接构造结果集将占用巨量内存且等待很长时间，但使用生成器的方式，这10个元素根本不需等待，很快就计算出来。

必须理解的生成器函数：yield如何工作

理解这个工作过程非常重要，是理解和掌握yield的关键。

1.调用生成器函数的时候并没有运行函数体中的代码，它仅仅只是返回一个生成器对象。

正如下面的示例，并非输出任何内容，说明没有执行生成器函数体。
def my_generator(chars): print("before") for i in chars: yield i
print("after") >>> c = my_generator("abcd") >>> c <generator object
my_generator at 0x000001DC167392A0> >>> I = iter(c)
2.只有开始迭代的时候，才真正开始执行函数体。且在yield之前的代码体只执行一次，在yield之后的代码体只在当前yield结束的时候才执行。
>>> next(I) before # 第一次迭代 'a' >>> next(I) 'b' >>> next(I) 'c' >>> next(I) 'd'
>>> next(I) after # 最后一次迭代，抛出异常停止迭代 Traceback (most recent call last): File
"<stdin>", line 1, in <module> StopIteration
一个生成器函数可以有多个yield语句，看看下面的执行过程：
def mygen(): print("1st") yield 1 print("2nd") yield 2 print("3rd") yield 3
print("end") >>> m = mygen() >>> next(m) 1st 1 >>> next(m) 2nd 2 >>> next(m)
3rd 3 >>> next(m) end Traceback (most recent call last): File "<stdin>", line
1, in <module> StopIteration
到此，想必已经理解了yield的工作过程。但还有一些细节有必要解释清楚。


yield是一个表达式，但它是有返回值的。需要注意的是，yield操作会在产生并发送了值之后立即让函数处于挂起状态，挂起的时候连返回值都还没来得及返回。所以，yield表达式的返回值是在下一次迭代时才生成返回值的
。关于yield的返回值相关，见下面的生成器的send()方法。

yield的返回值和send()

上面说了，yield有返回值，且其返回值是在下一次迭代的时候才返回的。它的返回值根据恢复yield的方式不同而不同。

yield有以下几种常见的表达式组合方式：
yield 10 # (1) 丢弃yield的返回值 x = yield 10 # (2) 将yield返回值赋值给x x = (yield 10) #
(3) 等价于 (2) x = (yield 10) + 11 # (4) 将yield返回值加上11后赋值给x
不管yield表达式的编码方式如何，它的返回值都和调用next()(或__next__()
)还是生成器对象的send()方法有关。这里的send()方法和next()都用于恢复当前挂起的yield。

如果是调用next()来恢复yield，那么yield的返回值为None，如果调用gen.send(XXX)来恢复yield，那么yield的返回值为XXX
。其实next()可以看作是等价于gen.send(None)。

再次提醒，yield表达式会在产生一个值后立即挂起，它连返回值都是在下一次才返回的，更不用说yield的赋值和yield的加法操作。

所以，上面的4种yield表达式方式中，如果使用next()来恢复yield，则它们的值分别为：
yield 10 # 先产生10发送出去，然后返回None，但丢弃 x = yield 10 # 返回None，赋值给x x = (yield 10) #
与上等价 x = (yield 10)+11 # 返回None，整个过程报错，因为None和int不能相加
如果使用的是send(100)，上面的4种yield表达式方式中的值分别为：
yield 10 # 先产生10发送出去，然后返回100，但丢弃 x = yield 10 # 返回100，赋值给x，x=100 x = (yield
10) # 与上等价 x = (yield 10)+11 # 返回100，加上11后赋值给x，x=111
为了解释清楚yield工作时的返回值问题，我将用两个示例详细地解释每一次next()/send()的过程。

解释yield的第一个示例

这个示例比较简单。
def mygen(): x = yield 111 # (1) print("x:", x) # (2) for i in range(5): # (3)
y = yield i # (4) print("y:", y) # (5) M = mygen()
1.首先执行下面的代码
>>> print("first:",next(M)) 111
这一行执行后，首先将yield出来的111传递给调用者，然后立即在(1)处进行挂起，这时yield表达式还没有进入返回值状态，所以x还未进行赋值操作。但是
next(M)已经返回了，所以print正常输出。

无论是next()(或__next__
)还是send()都可以用来恢复挂起的yield，但第一次进入yield必须使用next()或者使用send(None)来产生一个挂起的yield。假如第一次就使用
send(100)，由于此时还没有挂起的yield，所以没有yield需要返回值，这会报错。

2.再执行下面的代码
>>> print("second:",M.send(10)) x: 10 second: 0
这里的M.send(10)首先恢复(1)处挂起的yield，并将10作为该yield的返回值，所以x = 10，然后生成器函数的代码体继续向下执行，到了
print("x:",x)正常输出。

再继续进入到for循环迭代中，又再次遇到了yield，于是yield产生range(5)的第一个数值0传递给调用者然后立即挂起，于是M.send()
等待到了这个yield值，于是输出"second: 0"。但注意，这时候y还没有进行赋值，因为yield还没有进入返回值的过程。

3.再执行下面的代码
>>> print("third:",M.send(11)) y: 11 third: 1
这里的M.send(11)首先恢复上次挂起的yield并将11作为该挂起yield的返回值，所以y=11，因为yield已经恢复，所以代码体继续详细执行
print("y:",y)，执行之后进入下一轮for迭代，于是再次遇到yield，它生成第二个range的值1并传递给调用者，然后挂起，于是M.send()
接收到数值1并返回，于是输出third: 1。注意，此时的y仍然是11，因为for的第二轮yield还没有返回。

4.继续执行，但使用next()
>>> print("fourth:",next(M)) y: None fourth: 2

这里的next(M)恢复前面挂起的yield，并且将None作为yield的返回值，所以y赋值为None。然后进入下一轮for循环、遇到yield，next()接收yield出来的值2并返回。

next()可以看作等价于M.send(None)。

5.依此类推，直到迭代结束抛出异常
>>> print("fifth:",M.send(13)) y: 13 fifth: 3 >>> print("sixth:",M.send(14))
y: 14 sixth: 4 >>> print("seventh:",M.send(15)) # 看此行 y: 15 Traceback (most
recent call last): File "<stdin>", line 1, in <module> StopIteration
当发送M.send(15)时，前面挂起的yield恢复并以15作为返回值，所以y=15
。于是继续执行，但此时for迭代已经完成了，于是抛出异常，整个生成器函数终止。

解释yield的第二个示例

这个示例稍微复杂些，但理解了前面的yield示例，这个示例也很容易理解。注意，下面的代码不要在交互式python环境中执行，而是以py脚本的方式执行。
def gen(): for i in range(5): X = int((yield i) or 0) + 10 + i print("X:",X) G
= gen() for a in G: print(a) G.send(77)
执行结果为：
0 X: 87 X: 11 2 X: 89 X: 13 4 X: 91 Traceback (most recent call last): File
"g:\pycode\lists.py", line 10, in <module> G.send(77) StopIteration
这里for a in G用的是next()，在这个for循环里又用了G.send()
，因为send()接收的值在空上下文，所以被丢弃，但它却将生成器向前移动了一步。

更多的细节请自行思考，如不理解可参考上一个示例的分析。

生成器表达式和列表解析

列表解析/字典解析/集合解析是使用中括号、大括号包围for表达式的，而生成器表达式则是使用小括号包围for表达式，它们的for表达式写法完全一样。
# 列表解析 >>> [ x * 2 for x in range(5) ] [0, 2, 4, 6, 8] # 生成器表达式 >>> ( x * 2
for x in range(5) ) <generator object <genexpr> at 0x0000013F550A92A0>
在结果上，列表解析等价于list()函数内放生成器表达式：
>>> [ x * 2 for x in range(5) ] [0, 2, 4, 6, 8] >>> list( x * 2 for x in
range(5) ) [0, 2, 4, 6, 8]

但是工作方式完全不一样。列表解析等待所有元素都计算完成后一次性返回，而生成器表达式则是返回一个生成器对象，然后一个一个地生成并构建成列表。生成器表达式可以看作是列表解析的内存优化操作，但执行速度上可能要稍慢于列表解析。所以生成器表达式和列表解析之间，在结果集非常大的时候可以考虑采用生成器表达式。

一般来说，如果生成器表达式作为函数的参数，只要该函数没有其它参数都可以省略生成器表达式的括号，如果有其它参数，则需要括号包围避免歧义。例如：
sum( x ** 2 for x in range(4)) sorted( x ** 2 for x in range(4)) sorted((x **
2 for x in range(4)),reverse=True)
生成器表达式和生成器函数

生成器表达式一般用来写较为简单的生成器对象，生成器函数代码可能稍多一点，但可以实现逻辑更为复杂的生成器对象。它们的关系就像列表解析和普通的for循环一样。

例如，将字母重复4次的生成器对象，可以写成下面两种格式：
# 生成器表达式 t1 = ( x * 4 for x in "hello" ) # 生成器函数 def time4(chars): for x in
chars: yield x * 4 t2 = time4("abcd")
使用生成器模拟map函数

map()函数的用法：
map(func, *iterables) --> map object
要想模拟map函数，先看看map()对应的for模拟方式：
def mymap(func,*seqs): res = [] for args in zip(*args): res.append(
func(*args) ) return res print( mymap(pow, [1,2,3], [2,3,4,5]) )
对此，可以编写出更精简的列表解析方式的map()模拟代码：
def mymap(func, *seqs): return [ func(*args) for args in zip(*seqs) ] print(
mymap(pow, [1,2,3], [2,3,4,5]) )
如果要用生成器来模拟这个map函数，可以参考如下代码：
# 生成器函数方式 def mymap(func, *seqs): res = [] for args in zip(*args): yield
func(*args) # 或者生成器表达式方式 def mymap(func, *seqs): return ( func(*args) for args
in zip(*seqs) )

• « 上一篇：读书笔记之人工智能
• » 下一篇：闲谈IPv6-我们在技术思维上需要作出改变(1)