iis搭建网站时 属于默认文档的是,专门做美食的网站,免费网站cms,山东省建设厅网站一体化平台博客主页#xff1a;长风清留扬-CSDN博客系列专栏#xff1a;Python基础专栏每天更新大数据相关方面的技术#xff0c;分享自己的实战工作经验和学习总结#xff0c;尽量帮助大家解决更多问题和学习更多新知识#xff0c;欢迎评论区分享自己的看法感谢大家点赞#x1f44…
博客主页长风清留扬-CSDN博客系列专栏Python基础专栏每天更新大数据相关方面的技术分享自己的实战工作经验和学习总结尽量帮助大家解决更多问题和学习更多新知识欢迎评论区分享自己的看法感谢大家点赞收藏⭐评论 一、生成器的定义
生成器是一种特殊的迭代器它允许你定义一个函数该函数会按照你的要求生成一个序列的值但一次只返回一个值并且在内部维护着自己的状态以便在需要时生成下一个值。生成器是通过使用yield关键字来实现的。 推荐阅读 来看看Python迭代器能让你的代码提升100倍的密码
二、生成器的创建
生成器可以通过以下两种方式创建
yield关键字
函数中包含yield关键字当一个函数中包含至少一个yield语句时该函数就不再是一个普通函数而是一个生成器函数。调用该函数时会返回一个生成器对象。 在Python中yield关键字用于在函数中创建一个生成器。生成器是一种特殊的迭代器它允许你逐个产生值而不是一次性返回整个序列。使用yield关键字你可以定义一个函数该函数在每次调用时返回一个值并保留其状态以供下次调用时继续执行。
语法
def generator_function_name(parameters): 这是一个生成器函数的定义。 :param parameters: 函数的参数可以是任意数量和类型的参数。 :yield: 在函数体中使用yield关键字来返回一个值并暂停函数的执行。 每次迭代生成器时函数会从上次yield的位置继续执行。 # 函数体可以包含任意数量的语句和逻辑。 # 通常会有一个循环来逐个产生值。 for item in iterable: # iterable是一个可迭代对象比如列表、元组、集合或字符串等。 # 可以在这里进行任何需要的计算或处理。 yield value # 使用yield返回一个值并暂停函数的执行。 # 这里的代码如果有的话不会在每次迭代时都执行 # 除非它位于另一个循环或条件语句中。 # 注意生成器函数通常没有return语句或者有一个不带值的return表示迭代结束。 # 如果有return语句并带有值那么在迭代结束后尝试获取下一个值时会引发StopIteration异常 # 并且该值会被作为StopIteration异常的value属性返回这是Python 3.3及以后版本的行为。示例1
def simple_generator(): 一个简单的生成器函数依次返回数字0到2。 yield 0 yield 1 yield 2 # 使用生成器函数
gen simple_generator() # 创建一个生成器对象 # 迭代生成器对象
for value in gen: print(value) # 输出0, 1, 2在上面的示例中simple_generator是一个生成器函数它使用yield关键字依次返回数字0、1和2。当我们调用这个函数时它不会立即执行完并返回结果而是返回一个生成器对象。然后我们可以使用for循环或其他迭代方式来逐个获取生成器产生的值。
需要注意的是生成器函数在每次迭代时都会从上次yield的位置继续执行直到函数结束或再次遇到yield。这意味着你可以在生成器函数中保留状态比如循环变量、内部变量等并在下次迭代时继续使用它们。
示例2
def fibonacci(n): 生成斐波那契数列的前n个数 a, b 0, 1 for _ in range(n): yield a # 返回当前的斐波那契数 a, b b, a b # 更新斐波那契数列的当前数和下一个数 # 使用生成器函数
fib_gen fibonacci(5) # 创建一个生成器对象
for num in fib_gen: # 迭代生成器对象 print(num) # 打印每个斐波那契数运行结果
0
1
1
2
3生成器表达式
生成器表达式生成器表达式类似于列表推导式但使用圆括号而不是方括号。它们提供了一种简洁的方法来创建生成器。生成器表达式是另一种创建生成器的方式它提供了一种简洁的语法来生成序列的值。生成器表达式使用圆括号()而不是方括号[]来定义并且它们也使用yield关键字尽管在表达式中这种用法是隐式的。
语法
generator_expression (expression for item in iterable [if condition])expression要生成的值的表达式。item从可迭代对象iterable中取出的元素。iterable要遍历的可迭代对象。if condition可选一个条件表达式用于过滤要生成的元素。
示例
# 创建一个生成器表达式生成从0到9的平方数
squares (x**2 for x in range(10)) # 使用for循环迭代生成器表达式
for square in squares: print(square)运行结果
0
1
4
9
16
25
36
49
64
81生成器表达式在语法上类似于列表推导式但它们不会一次性生成整个列表而是返回一个生成器对象该对象在迭代时按需生成值。这使得生成器表达式在处理大数据集时更加高效因为它们不会占用大量内存。
总之生成器是Python中一个非常有用的特性它们提供了一种惰性计算的方式只在需要时才生成值从而节省了内存和计算资源。通过生成器函数和生成器表达式我们可以轻松地创建和使用生成器来处理迭代逻辑和大数据集。
三、访问生成器
使用for循环遍历生成器
首先我们定义一个简单的生成器函数
# 定义一个生成器函数它逐个生成从0到4的数字
def simple_generator(): for i in range(5): yield i # 使用yield关键字使函数成为一个生成器 # 使用for循环遍历生成器
for value in simple_generator(): print(fFor loop value: {value})运行结果
For loop value: 0
For loop value: 1
For loop value: 2
For loop value: 3
For loop value: 4使用__next__()方法访问生成器
生成器对象本身也有__next__()方法可以实现与next()函数相同的功能
# 重新创建生成器对象
gen simple_generator() # 使用生成器对象的__next__()方法获取下一个值
print(f__next__() value: {gen.__next__()}) # 输出第一个值
print(f__next__() value: {gen.__next__()}) # 输出第二个值
print(f__next__() value: {gen.__next__()}) # 输出第三个值 # 当生成器耗尽时继续调用__next__()会引发StopIteration异常
try: print(f__next__() value: {gen.__next__()}) # 输出第四个值 print(f__next__() value: {gen.__next__()}) # 尝试获取第五个值会抛出异常
except StopIteration: print(Generator exhausted)输出结果
__next__() value: 0
__next__() value: 1
__next__() value: 2
__next__() value: 3
Generator exhausted使用next()方法访问生成器
我们可以直接使用next()函数来获取生成器的下一个值
# 重新创建生成器对象
gen simple_generator() # 使用next()方法获取生成器的下一个值
print(fNext value: {next(gen)}) # 输出第一个值
print(fNext value: {next(gen)}) # 输出第二个值
print(fNext value: {next(gen)}) # 输出第三个值 # 当生成器耗尽时继续调用next()会引发StopIteration异常
try: print(fNext value: {next(gen)}) # 输出第四个值 print(fNext value: {next(gen)}) # 尝试获取第五个值会抛出异常
except StopIteration: print(Generator exhausted)运行结果
Next value: 0
Next value: 1
Next value: 2
Next value: 3
Generator exhausted使用send()方法
send()方法不仅可以获取生成器的下一个值还可以向生成器发送一个值通过yield表达式接收。需要注意的是首次启动生成器不能使用send()而必须使用next()或__next__()。
# 定义一个接受send值的生成器函数
def generator_with_send(): received yield Start # 第一个yield此时received是None while True: received yield received # 后续yield将接收到的值发送回去 # 创建生成器对象
gen generator_with_send() # 启动生成器
print(fFirst value: {next(gen)}) # 必须首先使用next()启动 # 使用send()发送值并获取生成器的下一个值
print(fSend value: {gen.send(First send value)}) # 发送值并获取First send value
print(fSend value: {gen.send(Second send value)}) # 再次发送值并获取Second send value # 为了避免无限循环我们在这里停止
# 在实际应用中可以根据条件在生成器内部控制循环的结束输出结果
# 定义一个接受send值的生成器函数
def generator_with_send(): received yield Start # 第一个yield此时received是None while True: received yield received # 后续yield将接收到的值发送回去 # 创建生成器对象
gen generator_with_send() # 启动生成器
print(fFirst value: {next(gen)}) # 必须首先使用next()启动 # 使用send()发送值并获取生成器的下一个值
print(fSend value: {gen.send(First send value)}) # 发送值并获取First send value
print(fSend value: {gen.send(Second send value)}) # 再次发送值并获取Second send value # 为了避免无限循环我们在这里停止
# 在实际应用中可以根据条件在生成器内部控制循环的结束输出结果
First value: Start
Send value: First send value
Send value: Second send value四、yield关键字的作用
yield关键字在生成器函数中有以下几个作用
返回一个值给调用者每次调用next()方法或迭代生成器对象时生成器函数会从上次离开的位置继续执行直到遇到下一个yield语句并返回该语句的值。暂停函数执行当生成器函数执行到yield语句时它会暂停执行并保存当前的所有局部变量和状态。下次调用next()方法时它会从上次暂停的位置继续执行。记忆状态生成器能够记住上一次迭代时的状态这使得它能够在多次迭代中保持内部状态的一致性。
五、生成器的优势
生成器具有以下几个优势
惰性计算生成器只在需要时才计算下一个值这可以节省内存和计算资源。节省内存由于生成器一次只返回一个值并且使用迭代器协议进行迭代因此它们可以处理大数据集而不会耗尽内存。简化代码生成器提供了一种简洁的方法来编写迭代逻辑使得代码更加清晰和易于维护。
六、生成器的应用场景
生成器适用于以下场景
处理大数据集当数据集非常大时使用生成器可以避免一次性将所有数据加载到内存中。需要惰性计算的场景当只需要处理数据集的一部分时生成器可以按需生成值而无需计算整个数据集。自定义迭代逻辑当需要自定义迭代逻辑时生成器提供了一种灵活的方式来实现这一点。
推荐阅读
Python基础
Python全网最全基础课程笔记(一)——基础入门 Python全网最全基础课程笔记(二)——变量 Python全网最全基础课程笔记(三)——所有运算符运算符优先级 Python全网最全基础课程笔记(四)——基本数据类型 Python全网最全基础课程笔记(五)——选择结构Python新特性Match Python全网最全基础课程笔记(六)——循环结构 Python全网最全基础课程笔记(七)——列表跟着思维导图和图文来学习爆肝2w字无数代码案例 Python全网最全基础课程笔记(八)——字典跟着思维导图和图文来学习爆肝2w字无数代码案例 Python全网最全基础课程笔记(九)——集合跟着思维导图和图文来学习爆肝2w字无数代码案例 Python全网最全基础课程笔记(十)——元组跟着思维导图和图文来学习爆肝2w字无数代码案例 Python全网最全基础课程笔记(十一)——字符串所有操作跟着思维导图和图文来学习爆肝2w字无数代码案例 Python全网最全基础课程笔记(十二)——函数跟着思维导图和图文来学习爆肝2w字无数代码案例 Python全网最全基础课程笔记(十三)——作用域跟着思维导图和图文来学习爆肝2w字无数代码案例
Flink入门到就业
2024年最新Flink教程,从基础到就业大家一起学习–基础篇 2024年最新Flink教程,从基础到就业大家一起学习–入门篇 2024年最新Flink教程,从基础到就业大家一起学习–Flink集群部署 2024年最新Flink教程,从基础到就业大家一起学习–flink部署和集群部署(从本地测试到公司生产环境如何部署项目源码) 2024年最新Flink教程,从基础到就业大家一起学习–Flink运行架构底层源码详解实战 2024年最新Flink教程,从基础到就业大家一起学习–Flink DataStream API-第一篇源码讲解
