python代码生成器 免费写python代码的软件

这篇文章给大家聊聊关于python代码生成器，以及免费写python代码的软件对应的知识点，希望对各位有所帮助，不要忘了收藏本站哦。

python生成器到底有什么优点

在Python这门语言中，生成器毫无疑问是最有用的特性之一。与此同时，也是使用的最不广泛的Python特性之一。究其原因，主要是因为，在其他主流语言里面没有生成器的概念。正是由于生成器是一个“新”的东西，所以，它一方面没有引起广大工程师的重视，另一方面，也增加了工程师的学习成本，最终导致大家错过了Python中如此有用的一个特性。

1.迭代器协议

由于生成器自动实现了迭代器协议，而迭代器协议对很多人来说，也是一个较为抽象的概念。所以，为了更好的理解生成器，我们需要简单的回顾一下迭代器协议的概念。

迭代器协议是指：对象需要提供next方法，它要么返回迭代中的下一项，要么就引起一个StopIteration异常，以终止迭代

可迭代对象就是：实现了迭代器协议的对象

协议是一种约定，可迭代对象实现迭代器协议，Python的内置工具(如for循环，sum，min，max函数等)使用迭代器协议访问对象。

举个例子：在所有语言中，我们都可以使用for循环来遍历数组，Python的list底层实现是一个数组，所以，我们可以使用for循环来遍历list。

2.生成器

Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这也是生成器的主要好处。

Python有两种不同的方式提供生成器：

生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行

生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表

4.使用生成器的注意事项

5.总结

本文深入浅出地介绍了Python中，一个容易被大家忽略的重要特性，即Python的生成器。为了讲解生成器，本文先介绍了迭代器协议，然后介绍了生成器函数和生成器表达式，并通过示例演示了生成器的优点和注意事项。在实际工作中，充分利用Python生成器，不但能够减少内存使用，还能够提高代码可读性。掌握生成器也是Python高手的标配。希望本文能够帮助大家理解Python的生成器。

如何更好地理解Python迭代器和生成器

Python这门语言中，生成器毫无疑问是最有用的特性之一。与此同时，也是使用的最不广泛的Python特

性之一。究其原因，主要是因为，在其他主流语言里面没有生成器的概念。正是由于生成器是一

个“新”的东西，所以，它一方面没有引起广大工程师的重视，另一方面，也增加了工程师的学习成本，

最终导致大家错过了Python中如此有用的一个特性。

我的这篇文章，希望通过简单易懂的方式，深入浅出地介绍Python的生成器，以改变“如此有用的特性却

使用极不广泛”的现象。本文的组织如下：在第1章，我们简单地介绍了Python中的迭代器协议；在本文

第2章，将会详细介绍生成器的概念和语法；在第3章，将会给出一个有用的例子，说明使用生成器的好

处；在本文最后，简单的讨论了使用生成器的注意事项。

1.迭代器协议

由于生成器自动实现了迭代器协议，而迭代器协议对很多人来说，也是一个较为抽象的概念。所以，为了

更好的理解生成器，我们需要简单的回顾一下迭代器协议的概念。

1.迭代器协议是指：对象需要提供next方法，它要么返回迭代中的下一项，要么就引起一个

StopIteration异常，以终止迭代

2.可迭代对象就是：实现了迭代器协议的对象

3.协议是一种约定，可迭代对象实现迭代器协议，Python的内置工具(如for循环，sum，min，max函

数等)使用迭代器协议访问对象。

举个例子：在所有语言中，我们都可以使用for循环来遍历数组，Python的list底层实现是一个数组，所

以，我们可以使用for循环来遍历list。如下所示：

>>> for n in [1, 2, 3, 4]:

... print n

但是，对Python稍微熟悉一点的朋友应该知道，Python的for循环不但可以用来遍历list，还可以用来遍历

文件对象，如下所示：

>>> with open(‘/etc/passwd’) as f:#文件对象提供迭代器协议

... for line in f:# for循环使用迭代器协议访问文件

... print line

...

为什么在Python中，文件还可以使用for循环进行遍历呢？这是因为，在Python中，文件对象实现了迭代

器协议，for循环并不知道它遍历的是一个文件对象，它只管使用迭代器协议访问对象即可。正是由于

Python的文件对象实现了迭代器协议，我们才得以使用如此方便的方式访问文件，如下所示：

>>> f= open('/etc/passwd')

>>> dir(f)

['__class__','__enter__','__exit__','__iter__','__new__','writelines','...'

2.生成器

Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产

生结果。这也是生成器的主要好处。

Python有两种不同的方式提供生成器：

2017/11/6如何更好地理解Python迭代器和生成器？-知乎

2/5

1.生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一

个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行

2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个

结果列表

2.1生成器函数

我们来看一个例子，使用生成器返回自然数的平方（注意返回的是多个值）：

def gensquares(N):

for i in range(N):

yield i** 2

for item in gensquares(5):

print item,

使用普通函数：

def gensquares(N):

res= []

for i in range(N):

res.append(i*i)

return res

for item in gensquares(5):

print item,

可以看到，使用生成器函数代码量更少。

2.2生成器表达式

使用列表推导，将会一次产生所有结果：

>>> squares= [x**2 for x in range(5)]

>>> squares

[0, 1, 4, 9, 16]

将列表推导的中括号，替换成圆括号，就是一个生成器表达式：

>>> squares=(x**2 for x in range(5))

>>> squares>>> next(squares)

0

>>> next(squares)

1

>>> next(squares)

4

>>> list(squares)

[9, 16]

Python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象

的。例如， sum函数是Python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协

2017/11/6如何更好地理解Python迭代器和生成器？-知乎

3/5

议，所以，我们可以直接这样计算一系列值的和：

>>> sum(x** 2 for x in xrange(4))

而不用多此一举的先构造一个列表：

>>> sum([x** 2 for x in xrange(4)])

2.3再看生成器

前面已经对生成器有了感性的认识，我们以生成器函数为例，再来深入探讨一下Python的生成器：

1.语法上和函数类似：生成器函数和常规函数几乎是一样的。它们都是使用def语句进行定义，差别在

于，生成器使用yield语句返回一个值，而常规函数使用return语句返回一个值

2.自动实现迭代器协议：对于生成器，Python会自动实现迭代器协议，以便应用到迭代背景中（如for

循环，sum函数）。由于生成器自动实现了迭代器协议，所以，我们可以调用它的next方法，并且，

在没有值可以返回的时候，生成器自动产生StopIteration异常

3.状态挂起：生成器使用yield语句返回一个值。yield语句挂起该生成器函数的状态，保留足够的信息，

以便之后从它离开的地方继续执行

3.示例

我们再来看两个生成器的例子，以便大家更好的理解生成器的作用。

首先，生成器的好处是延迟计算，一次返回一个结果。也就是说，它不会一次生成所有的结果，这对于大

数据量处理，将会非常有用。

大家可以在自己电脑上试试下面两个表达式，并且观察内存占用情况。对于前一个表达式，我在自己的电

脑上进行测试，还没有看到最终结果电脑就已经卡死，对于后一个表达式，几乎没有什么内存占用。

sum([i for i in xrange(10000000000)])

sum(i for i in xrange(10000000000))

除了延迟计算，生成器还能有效提高代码可读性。例如，现在有一个需求，求一段文字中，每个单词出现

的位置。

不使用生成器的情况：

def index_words(text):

result= []

if text:

result.append(0)

for index, letter in enumerate(text, 1):

if letter=='':

result.append(index)

return result

使用生成器的情况：

2017/11/6如何更好地理解Python迭代器和生成器？-知乎

4/5

def index_words(text):

if text:

yield 0

for index, letter in enumerate(text, 1):

if letter=='':

yield index

这里，至少有两个充分的理由说明，使用生成器比不使用生成器代码更加清晰：

1.使用生成器以后，代码行数更少。大家要记住，如果想把代码写的Pythonic，在保证代码可读性的前

提下，代码行数越少越好

2.不使用生成器的时候，对于每次结果，我们首先看到的是result.append(index)，其次，才是index。

也就是说，我们每次看到的是一个列表的append操作，只是append的是我们想要的结果。使用生成

器的时候，直接yield index，少了列表append操作的干扰，我们一眼就能够看出，代码是要返回

index。

这个例子充分说明了，合理使用生成器，能够有效提高代码可读性。只要大家完全接受了生成器的概念，

理解了yield语句和return语句一样，也是返回一个值。那么，就能够理解为什么使用生成器比不使用生成

器要好，能够理解使用生成器真的可以让代码变得清晰易懂。

4.使用生成器的注意事项

相信通过这篇文章，大家已经能够理解生成器的作用和好处。但是，还没有结束，使用生成器，也有一点

注意事项。

我们直接来看例子，假设文件中保存了每个省份的人口总数，现在，需要求每个省份的人口占全国总人口

的比例。显然，我们需要先求出全国的总人口，然后在遍历每个省份的人口，用每个省的人口数除以总人

口数，就得到了每个省份的人口占全国人口的比例。

如下所示：

def get_province_population(filename):

with open(filename) as f:

for line in f:

yield int(line)

gen= get_province_population('data.txt')

all_population= sum(gen)

#print all_population

for population in gen:

print population/ all_population

执行上面这段代码，将不会有任何输出，这是因为，生成器只能遍历一次。在我们执行sum语句的时候，

就遍历了我们的生成器，当我们再次遍历我们的生成器的时候，将不会有任何记录。所以，上面的代码不

会有任何输出。

因此，生成器的唯一注意事项就是：生成器只能遍历一次。

5.总结

2017/11/6如何更好地理解Python迭代器和生成器？-知乎

5/5

本文深入浅出地介绍了Python中，一个容易被大家忽略的重要特性，即Python的生成器。为了讲解生成

器，本文先介绍了迭代器协议，然后介绍了生成器函数和生成器表达式，并通过示例演示了生成器的优点

和注意事项。在实际工作中，充分利用Python生成器，不但能够减少内存使用，还能够提高代码可读性。

掌握生成器也是Python高手的标配。希望本文能够帮助大家理解Python的生成器

什么是Python中的生成器推导式

Python中有一种紧凑的语法，可以通过一个循环和条件构建一个列表，这种语法叫做列表推导式（list comprehension）： my_list= [ f(x) for x in sequence if cond(x) ]类似地，我们可以通过字典推导式

Python中有一种紧凑的语法，可以通过一个循环和条件构建一个列表，这种语法叫做列表推导式（list comprehension）：

my_list= [ f(x) for x in sequence if cond(x) ]

类似地，我们可以通过字典推导式（dictionary comprehension）创建字典，通过集合推导式（set comprehension）创建集合：

my_dict={ k(x): v(x) for x in sequence if cond(x)}

my_set={ f(x) for x in sequence if cond(x)}

（这一语法支持更加复杂的操作，但这里仅作示例）

最后，你还可以使用类似的语法创建一个生成器：

my_generator=( f(x) for x in sequence if cond(x))

不过，这并不叫做生成器推导式，而是叫做生成器表达式（generator expression）。为什么不叫前者呢？如果前三个语法都被称为“推导式”，为什么生成器这个不叫呢？

PEP 289——生成器表达式的最后给出了详细的备注，其中指出Raymond Hettinger起初提议使用“生成器推导式（generator comprehension）”一词，后来Peter Norvig提出了“累计显示（accumulation displays）”，后来Tim Peters推荐了“生成器表达式”这个

名词。但是它并没有名词出现了这样的变化。

EarlGrey：上面提到的这几位都是大牛啊！具体大家可以谷歌一下。

所以我在Twitter上提出了这个问题：

python有个我不懂的问题：为什么它们被称为“生成器表达式”，而不是“生成器推导式”？

Guido的回答指出了核心原因：

推导式一开始属于“字面量显示（literal display）”这一概念。而生成器表达式不是一种显示（display）。

Matt Boehm后来找到了Tim Peters提出“生成器表达式”一词的邮件，其中讲述了一些细节：

读完邮件后，我对这个问题的理解更深了。首先，为什么会使用“推导式”（comprehension）一词？Tim在邮件中指出，这个词来源于集合论中的推导公理（Axiom of Comprehension），它指的是通过对另一个集合的元素应用某个谓词（predicate，即条

件）而组成新的集合。这和向另一个序列中的元素应用某个条件从而生成列表的做法非常类似。

EarlGrey：我之前看到很多翻译为“解析”，看到这里才觉得“推导式”才是更准确的说法。

正如Guido所指出的，Python的设计者当时更注重的是显示，而不是条件。“显示”一词在这里意味着代码的语法看上和它将创建的数据结构很像。列表显示（列表推导式）看上去像一个列表。对于集合和字典显示来说，也是一样的道理。但是由于没有生成器

字面量语法，因此根本就没有一个生成器显示可以进行对比，也就不存在生成器显示了。

在设计该功能的那封邮件中，“推导式”一次是“显示”的同义词，由于生成器没有显示，所以也不可能有推导式。

不过Time在他的邮件中也说到，推导式的奇妙之处在于条件。推导公理的核心则是谓语。也许是因为Python推导式中的条件是可选的，关注的焦点被转移到了显示方面。

但是我认为，我们应该叫它们“生成器推导式”。我们在描述这类语法时，并没有使用“显示”一词。我们没有理由将“推导式”与“显示”和字面量语法联系在一起。

列表推导式、字典推导式、集合推导式和生成器表达式，这四个表达式各自之间有着许多相似之处。如果将四者之间的类似点总结为“推导式”，将极大地简化相关概念。它们之间的相似点远大于不同之处，我建议大家对这四个表达式使用同样的概念

END，本文到此结束，如果可以帮助到大家，还望关注本站哦！