生成器理解是做什么的?它是如何工作的?我找不到有关它的教程。
您了解列表理解吗?如果是这样,生成器表达式就像一个列表推导,但是它没有找到您感兴趣的所有项目并将它们打包到列表中,而是等待并逐个生成表达式中的每个项目。
>>> my_list = [1, 3, 5, 9, 2, 6]
>>> filtered_list = [item for item in my_list if item > 3]
>>> print(filtered_list)
[5, 9, 6]
>>> len(filtered_list)
3
>>> # compare to generator expression
...
>>> filtered_gen = (item for item in my_list if item > 3)
>>> print(filtered_gen) # notice it's a generator object
<generator object <genexpr> at 0x7f2ad75f89e0>
>>> len(filtered_gen) # So technically, it has no length
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: object of type 'generator' has no len()
>>> # We extract each item out individually. We'll do it manually first.
...
>>> next(filtered_gen)
5
>>> next(filtered_gen)
9
>>> next(filtered_gen)
6
>>> next(filtered_gen) # Should be all out of items and give an error
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
>>> # Yup, the generator is spent. No values for you!
...
>>> # Let's prove it gives the same results as our list comprehension
...
>>> filtered_gen = (item for item in my_list if item > 3)
>>> gen_to_list = list(filtered_gen)
>>> print(gen_to_list)
[5, 9, 6]
>>> filtered_list == gen_to_list
True
>>>
由于生成器表达式一次只需要产生一项,因此可以节省大量内存。在需要一次获取一项,根据该项进行大量计算然后移至下一项的情况下,生成器表达式最有意义。如果需要多个值,则还可以使用生成器表达式,一次获取几个。如果在程序继续执行之前需要所有值,请改用列表理解。
生成器理解是列表理解的惰性版本。
就像列表理解一样,不同之处在于它返回迭代器而不是列表,即,具有next()方法的对象将产生下一个元素。
如果您不熟悉列表推导,请参见此处,有关生成器的信息请参见此处。
列表/生成器理解是一种可用于从现有列表/生成器创建新列表/生成器的构造。
假设您要生成从1到10的每个数字的平方列表。可以在Python中执行此操作:
>>> [x**2 for x in range(1,11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
在这里,range(1,11)
生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
,但是该range
函数不是Python 3.0之前的生成器,因此,我使用的构造是列表理解。
如果我想创建一个执行相同功能的生成器,则可以这样做:
>>> (x**2 for x in xrange(1,11))
<generator object at 0x7f0a79273488>
但是,在Python 3中,它range
是一个生成器,因此结果仅取决于您使用的语法(方括号或圆括号)。
生成器理解是一种创建具有特定结构的生成器的简便方法。假设您想要一个generator
,将中的所有偶数一一输出your_list
。如果使用函数样式创建它,将是这样的:
def allEvens( L ):
for number in L:
if number % 2 is 0:
yield number
evens = allEvens( yourList )
使用此生成器理解表达式,您可以实现相同的结果:
evens = ( number for number in your_list if number % 2 == 0 )
在这两种情况下,当您致电时,next(evens)
您都会在中得到下一个偶数your_list
。
生成器理解是一种创建可迭代对象的方法,类似于在资源上移动的游标。如果您知道mysql游标或mongodb游标,则可能会知道整个实际数据永远不会一次加载到内存中,而是一次加载一次。光标前后移动,但是内存中始终只有一个行/列表元素。
简而言之,通过使用生成器理解,您可以轻松地在python中创建游标。
生成器理解的另一个示例:
print 'Generator comprehensions'
def sq_num(n):
for num in (x**2 for x in range(n)):
yield num
for x in sq_num(10):
print x
生成器仅与列表相同,唯一的区别是在列表中,我们将所有所需的编号或列表中的项都取为1,但是在生成器中,所需的编号一次生成一个。因此,为了获取必需的项目,我们必须使用for循环来获取所有必需的项目。
#to get all the even numbers in given range
def allevens(n):
for x in range(2,n):
if x%2==0:
yield x
for x in allevens(10)
print(x)
#output
2
4
6
8
文章标签:python
版权声明:本文为原创文章,版权归 admin 所有,欢迎分享本文,转载请保留出处!
评论已关闭!