本文共 991 字，大约阅读时间需要 3 分钟。

生成器（Generator）是Python中一种轻量级的迭代工具，它允许我们在不预先创建完整数据结构的情况下，逐步生成和迭代数据。这种机制特别适用于处理大量数据或按需生成数据的情况。

生成器的概念

生成器通过yield关键字逐步返回值，而不是像函数那样一次性返回所有值。yield语句可以暂停生成器的执行，并在程序离开时恢复生成器的执行位置。生成器可以看作是协同程序（coroutine），即可以被挂起、恢复或重启的函数。

例1：简单的生成器

def myGen():    print('生成器被执行！')    yield 1    yield 2

myG = myGen()next(myG)  # 输出: 生成器被执行！next(myG)  # 输出: 1next(myG)  # 输出: 2

例2：斐波那契数列生成器

def libs():    a, b = 0, 1    while True:        a, b = b, a + b        yield a

for each in libs():    if each > 100:        break    print(each, end=' ')

输出：

1 1 2 3 5 8 13 21 34 55 89

next()函数

next()函数用于逐个调用生成器的yield值。通过next()函数，我们可以按需获取生成器返回的值，而无需一次性加载所有数据。

创建生成器

生成器可以通过将列表生成式的[]改为()来创建。例如：

e = (i for i in range(10))print(e)

输出为：

   
     at 0x0000026F1A8D4C48>
   

生成器的使用

生成器可以通过for循环迭代使用：

g = (x for x in range(2))print(next(g))  # 输出: 0print(next(g))  # 输出: 1print(next(g))  # 输出: Traceback (most recent call last): ...

生成器的优势在于，它只生成需要的值，节省了内存。与传统的列表相比，生成器在处理大数据量时更加高效。

通过以上示例可以看出，生成器是一种灵活且高效的数据处理工具，广泛应用于处理大型数据集、网络请求等场景。

转载地址：http://fvsi.baihongyu.com/