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
    Pandas循环提速 7 万多倍是怎么实现的?
    查看>>
    pandas打乱数据的顺序
    查看>>
    pandas指定列数据归一化
    查看>>
    pandas改变一列值(通过apply)
    查看>>
    Pandas数据分析的环境准备
    查看>>
    Pandas数据可视化怎么做?用实战案例告诉你!
    查看>>
    Pandas数据处理与分析教程:从基础到实战
    查看>>
    Pandas数据结构之DataFrame常见操作
    查看>>
    pandas整合多份csv文件
    查看>>
    pandas某一列转数组list
    查看>>
    Pandas模块,我觉得掌握这些就够用了!
    查看>>
    Pandas玩转文本处理!
    查看>>
    SpringBoot 整合 Mybatis Plus 实现基本CRUD功能
    查看>>
    pandas的to_sql方法中使用if_exists=‘replace‘
    查看>>
    Springboot ppt转pdf——aspose方式
    查看>>
    pandas读取csv编码utf-8报错
    查看>>
    pandas读取parquet报错
    查看>>
    pandas读取数据用来深度学习
    查看>>
    pandas读取文件时,不去掉前面的0 保留原有的数据格式
    查看>>
    Pandas进阶大神!从0到100你只差这篇文章!
    查看>>