為什麼要使用 Python 生成器？該如何使用 Python 生成器？

自從 PEP 255引入生成器以來，它就是Python中重要的一部分.

生成器允許你定義一個有迭代器行為的函數.

它允許程序猿更快，更簡單並且以一個乾淨的方式創建一個迭代器.

那麼什麼是迭代器呢, 你或許會問?

iterator 迭代器是一個可以被迭代的（循環）對象. 它可以抽象為一個裝著數據同時有著可迭代對象的行為的容器.或許你已經每天在使用一些可迭代的對象: 諸如字元串，列表，字典或其它名字的對象.

一個迭代器是一個實現了迭代器介面 Iterator Protocol的類. 這個介面為類提供了兩個方法: __iter__ 和 __next__.

嗯~ 回到上一步. 你為什麼想要創建一個迭代器呢?

節省內存空間

當實例化後，迭代器並不會計算它每一個項的值，他們只會等你訪問這些項的時候採取計算。這也就是眾所周知的惰性求值。

當你有一個非常大的數據集需要計算時，惰性求值是很有用處的。它允許你馬上就能開始使用數據，儘管整個數據集還在計算中。

假設我們想要獲得小於某個最大值的所有素數。

我們先定義一個函數，它可以檢查一個數字是否為素數：

def check_prime(number): for divisor in range(2, int(number ** 0.5) + 1): if number % divisor == 0: return False return True

然後，我們定義一個迭代器類，包含__iter__ 和 __next__ 方法。

class Primes: def __init__(self, max): self.max = max self.number = 1 def __iter__(self): return self def __next__(self): self.number += 1 if self.number >= self.max: raise StopIteration elif check_prime(self.number): return self.number else: return self.__next__()

Primes 類通過給定一個最大值來實例化。如果下一個素數比最大值max還要大，迭代器就會拋出一個StopIteration異常來把迭代器停掉。

當我們請求迭代器中的下一個元素時，它會給number加1並檢查這個數字是否為素數。如果不是，它會再次調用__next__直到number成為素數。一旦如此，迭代器就將這個數字返回。

通過使用迭代器，我們並不會在內存中創建一個包含很多素數的列表。相反，我們將會在每次請求下一個素數時才去生成它。

讓我們來試一試：

primes = Primes(100000000000)print(primes)for x in primes: print(x) ......<__main__.Primes object at 0x1021834a8>235711...

對 Primes 對象的每一次迭代都調用了 __next__ 來生成下一個素數。

迭代器只可以被迭代一輪。如果你嘗試再迭代primes一輪，它將不會返回任何值，表現得就像個空列表。

既然我們已經知道了什麼是迭代器，以及怎麼製作一個迭代器，我們接下來將繼續來看看生成器。

生成器

回想下，生成器函數允許我們以一種更簡單的方式來創建迭代器。

生成器給Python引入了yield聲明。它用起來有點像return，因為它會返回一個值。

區別在於yield會保存函數的狀態。在函數下一次被調用時，將會從其離開的地方繼續執行，並且變數值也與它之前執行yield操作前相同。

如果把我們的Primes迭代器轉換為生成器，它看起來會像這樣：

def Primes(max): number = 1 while number < max: number += 1 if check_prime(number): yield numberprimes = Primes(100000000000)print(primes)for x in primes: print(x)......<generator object Primes at 0x10214de08>235711...

現在真是太pythonic了！我們還能再給力點嗎？

當然！我們可以使用 PEP 289中介紹的生成器表達式。

這相當於是生成器的列表推導式。它用起來與列表推導式相同，不過表達式由()包裹而不是[]。

下面的表達式可以代替我們上面的生成器函數：

primes = (i for i in range(2, 100000000000) if check_prime(i))print(primes)for x in primes: print(x)......<generator object <genexpr> at 0x101868e08>235711...

這就是Python生成器的美妙之處。

總結...

• 生成器允許你以一種非常pythonic的方式來創建迭代器。
• 迭代器允許惰性求值，只有在請求下一個元素時迭代器對象才會去生成它。這對於非常大的數據集是很有用的。
• 迭代器和生成器都只能被迭代一輪。
• 生成器函數比迭代器更好。
• 生成器表達式比迭代器更好（只在簡單情況下如此）。

你也可以來看看我的這篇文章 explanation ，看看我是怎樣使用Python在Medium上找到有趣的人並關注他們的。

原 文：How?—?and why?—?you should use Python Generators

譯 文：PythonCaff

作 者：Summer

更多文章：SDK.CN - 中國領先的開發者服務平台