博客
关于我
python 生成器
阅读量:131 次
发布时间:2019-02-27

本文共 748 字,大约阅读时间需要 2 分钟。

生成器是一种特殊的函数,它使用yield语句来产生值。在编程中,生成器非常有用,因为它们能在不影响主程序执行的同时,逐次生成大量数据。

让我们来看一个例子。以下是一个生成斐波那契数列的生成器函数:

def fibonacci(n):    a, b, counter = 0, 1, 0    while True:        if counter > n:            return        yield a        a, b = b, a + b        counter += 1

当我们调用这个函数并传入一个参数时,它会返回一个迭代器。例如:

f = fibonacci(10)

接下来,我们可以使用next()函数来逐步获取生成器的值。每次调用next(),生成器会执行到yield语句,然后暂停并返回当前的值。下一次调用时,它会从暂停的位置继续执行。

if __name__ == '__main__':    while True:        try:            print(next(f), end=" ")        except StopIteration:            break

生成器有两个主要特点:

  • 直接调用生成器函数会返回一个迭代器。这意味着生成器在第一次使用时会执行到第一个yield语句,并将初始值返回。

  • 使用next()函数可以控制生成器的执行。当执行到yield语句时,生成器会将当前的执行状态保存,然后返回yield的值。下次调用next()时,生成器会从保存的状态继续执行。

  • 生成器的这种设计模式在处理大型数据或资源密集型任务时特别有用,因为它可以在需要时逐次生成数据,而不会一次性占用过多内存。

    转载地址:http://ibkb.baihongyu.com/

    你可能感兴趣的文章
    PresentViewController切换界面
    查看>>
    PyTorch之torch.utils.data.DataLoader解读
    查看>>
    PyTorch之DataLoader杂谈
    查看>>
    presto、druid、sparkSQL、kylin的对比分析
    查看>>
    Presto分布式大数据查询引擎
    查看>>
    Presto架构及原理
    查看>>
    Presto(一)集群部署
    查看>>
    Presto(二)开启安全认证
    查看>>
    Pricing procedure Steps and Details in SAP MM (from SCN)
    查看>>
    Prim 算法在不同权重范围内的性能分析及其实现
    查看>>
    Primace 5.0软件与KEIL单片机软件联合在线仿真步骤
    查看>>
    Prime Distance
    查看>>
    Prim求MST最小生成树
    查看>>
    Prim算法与Kruskal算法在均匀分布权重图中的性能比较
    查看>>
    Prim算法在加权连通图中的简单实现
    查看>>
    Prim算法详解及C代码示例
    查看>>
    pytorch中让数组显示更多的数字 torch.set_printoptions参数详解 numpy也是这个函数
    查看>>