Python---生成器

# 生成器
# 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
# 创建一个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
# 如果列表元素可以按照某种算法推算出来，那我们可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间
# python中，这种一边循环一边计算的机制，称为生成器：generator

from collections import Iterable

# 创建一个list
L = [x * x for x in range(10)]
print('L:', L)

# 创建一个generator
g = (x * x for x in range(10))
print('g:', g)

# 创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator

# 使用for打印generator的每一个元素,因为generator是可迭代对象
print('查看g是否可迭代：', isinstance(g, Iterable))
for n in g:
    print(n)

# 用函数打印斐波那契数列（用列表生成式写不出来）


def fib(max):
    l = []
    n, a, b = 0, 0, 1
    while n < max:
        l.append(b)
        a, b = b, a + b
        n = n + 1
    return l

print('fib(10):', fib(10))


# 把fib函数变成generator，只需把print(b)改为yield b就可以了


def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1

print('fib(20) for generator:', fib(10))
fibList = []
for e in fib(10):
    fibList.append(e)
print('fibList:', fibList)

# 如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator
# generator和函数的执行顺序不一样
# 函数是顺序执行，遇到return语句或者最后一行就返回
# 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，再次执行时从上次返回的yield语句处继续执行

# 定义一个generator，依次返回数字1，3，5:


def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield 3
    print('step 3')
    yield 5


# 在调用generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值
o = odd()
print(next(o))
print(next(o))
print(next(o))
# StopIteration
# print(next(o))

# 可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行
# 执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就会报错
# 回到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