在Python中如何使用yield
一、生成器
如果在一個方法內(nèi),包含了 yield
關(guān)鍵字,那么這個函數(shù)就是一個「生成器」。
生成器其實就是一個特殊的迭代器,它可以像迭代器那樣,迭代輸出方法內(nèi)的每個元素。
我們來看一個包含 yield 關(guān)鍵字的方法:
# coding: utf8 # 生成器 def gen(n): for i in range(n): yield i g = gen(5) # 創(chuàng)建一個生成器 print(g) # <generator object gen at 0x10bb46f50> print(type(g)) # <type 'generator'> # 迭代生成器中的數(shù)據(jù) for i in g: print(i) # Output: # 0 1 2 3 4
注意,在這個例子中,當(dāng)我們執(zhí)行 g = gen(5)
時,gen
中的代碼其實并沒有執(zhí)行,此時我們只是創(chuàng)建了一個「生成器對象」,它的類型是 generator
。
然后,當(dāng)我們執(zhí)行 for i in g
,每執(zhí)行一次循環(huán),就會執(zhí)行到 yield
處,返回一次 yield
后面的值。
這個迭代過程是和迭代器最大的區(qū)別。
換句話說,如果我們想輸出 5 個元素,在創(chuàng)建生成器時,這個 5 個元素其實還并沒有產(chǎn)生,什么時候產(chǎn)生呢?只有在執(zhí)行for
循環(huán)遇到 yield
時,才會依次生成每個元素。
此外,生成器除了和迭代器一樣實現(xiàn)迭代數(shù)據(jù)之外,還包含了其他方法:
generator.__next__()
:執(zhí)行for
時調(diào)用此方法,每次執(zhí)行到yield
就會停止,然后返回yield
后面的值,如果沒有數(shù)據(jù)可迭代,拋出StopIterator
異常,for
循環(huán)結(jié)束generator.send(value)
:外部傳入一個值到生成器內(nèi)部,改變yield
前面的值generator.throw(type[, value[, traceback]])
:外部向生成器拋出一個異常generator.close()
:關(guān)閉生成器
通過使用生成器的這些方法,我們可以完成很多有意思的功能。
二、next
先來看生成器的 __next__
方法,我們看下面這個例子。
# coding: utf8 def gen(n): for i in range(n): print('yield before') yield i print('yield after') g = gen(3) # 創(chuàng)建一個生成器 print(g.__next__()) # 0 print('----') print(g.__next__()) # 1 print('----') print(g.__next__()) # 2 print('----') print(g.__next__()) # StopIteration # Output: # yield before # 0 # ---- # yield after # yield before # 1 # ---- # yield after # yield before # 2 # ---- # yield after # Traceback (most recent call last): # File "gen.py", line 16, in <module> # print(g.__next__()) # StopIteration # StopIteration
在這個例子中,我們定義了 gen
方法,這個方法包含了 yield
關(guān)鍵字。然后我們執(zhí)行 g = gen(3)
創(chuàng)建一個生成器,但是這次沒有執(zhí)行 for
去迭代它,而是多次調(diào)用 g.__next__()
去輸出生成器中的元素。
我們看到,當(dāng)執(zhí)行 g.__next__()
時,代碼就會執(zhí)行到 yield
處,然后返回 yield 后面的值,如果繼續(xù)調(diào)用 g.__next__()
,注意,你會發(fā)現(xiàn),這次執(zhí)行的開始位置,是上次 yield
結(jié)束的地方,并且它還保留了上一次執(zhí)行的上下文,繼續(xù)向后迭代。
這就是使用 yield
的作用,在迭代生成器時,每一次執(zhí)行都可以保留上一次的狀態(tài),而不是像普通方法那樣,遇到 return
就返回結(jié)果,下一次執(zhí)行只能再次重復(fù)上一次的流程。
生成器除了能保存狀態(tài)之外,我們還可以通過其他方式,改變其內(nèi)部的狀態(tài),這就是下面要講的 send
和 throw
方法。
三、send
上面的例子中,我們只展示了在 yield
后有值的情況,其實還可以使用 j = yield i
這種語法,我們看下面的代碼:
# coding: utf8 def gen(): i = 1 while True: j = yield i i *= 2 if j == -1: break
此時如果我們執(zhí)行下面的代碼:
for i in gen(): print(i) time.sleep(1)
輸出結(jié)果會是 1 2 4 8 16 32 64 ...
一直循環(huán)下去, 直到我們殺死這個進(jìn)程才能停止。
這段代碼一直循環(huán)的原因在于,它無法執(zhí)行到 j == -1
這個分支里 break
出來,如果我們想讓代碼執(zhí)行到這個地方,如何做呢?
這里就要用到生成器的 send
方法了,send
方法可以把外部的值傳入生成器內(nèi)部,從而改變生成器的狀態(tài)。
g = gen() # 創(chuàng)建一個生成器 print(g.__next__()) # 1 print(g.__next__()) # 2 print(g.__next__()) # 4 # send 把 -1 傳入生成器內(nèi)部 走到了 j = -1 這個分支 print(g.send(-1)) # StopIteration 迭代停止
當(dāng)我們執(zhí)行 g.send(-1)
時,相當(dāng)于把 -1
傳入到了生成器內(nèi)部,然后賦值給了 yield
前面的 j
,此時 j = -1
,然后這個方法就會 break
出來,不會繼續(xù)迭代下去。
四、throw
外部除了可以向生成器內(nèi)部傳入一個值外,還可以傳入一個異常,也就是調(diào)用 throw
方法:
# coding: utf8 def gen(): try: yield 1 except ValueError: yield 'ValueError' finally: print('finally') g = gen() # 創(chuàng)建一個生成器 print(g.__next__()) # 1 # 向生成器內(nèi)部傳入異常 返回ValueError print(g.throw(ValueError)) # Output: # 1 # ValueError # finally
這個例子創(chuàng)建好生成器后,使用 g.throw(ValueError)
的方式,向生成器內(nèi)部傳入了一個異常,走到了生成器異常處理的分支邏輯。
五、close
生成器的 close
方法也比較簡單,就是手動關(guān)閉這個生成器,關(guān)閉后的生成器無法再進(jìn)行操作。
>>> g = gen() >>> g.close() # 關(guān)閉生成器 >>> g.__next__() # 無法迭代數(shù)據(jù) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
close
方法我們在開發(fā)中使用得比較少,了解一下就好。
六、使用場景
了解了 yield
和生成器的使用方式,那么 yield
和生成器
一般用在哪些業(yè)務(wù)場景中呢?
下面我介紹幾個例子,分別是大集合的生成、簡化代碼結(jié)構(gòu)、協(xié)程與并發(fā),你可以參考這些使用場景來使用 yield
。
大集合的生成
如果你想生成一個非常大的集合,如果使用 list
創(chuàng)建一個集合,這會導(dǎo)致在內(nèi)存中申請一個很大的存儲空間,例如想下面這樣:
# coding: utf8 def big_list(): result = [] for i in range(10000000000): result.append(i) return result # 一次性在內(nèi)存中生成大集合 內(nèi)存占用非常大 for i in big_list(): print(i)
這種場景,我們使用生成器就能很好地解決這個問題。
因為生成器只有在執(zhí)行到 yield
時才會迭代數(shù)據(jù),這時只會申請需要返回元素的內(nèi)存空間,代碼可以這樣寫:
# coding: utf8 def big_list(): for i in range(10000000000): yield i # 只有在迭代時 才依次生成元素 減少內(nèi)存占用 for i in big_list(): print(i)
簡化代碼結(jié)構(gòu)
我們在開發(fā)時還經(jīng)常遇到這樣一種場景,如果一個方法要返回一個 list
,但這個 list
是多個邏輯塊組合后才能產(chǎn)生的,這就會導(dǎo)致我們的代碼結(jié)構(gòu)變得很復(fù)雜:
# coding: utf8 def gen_list(): # 多個邏輯塊 組成生成一個列表 result = [] for i in range(10): result.append(i) for j in range(5): result.append(j * j) for k in [100, 200, 300]: result.append(k) return result for item in gen_list(): print(item)
這種情況下,我們只能在每個邏輯塊內(nèi)使用 append
向 list
中追加元素,代碼寫起來比較啰嗦。
此時如果使用 yield
來生成這個 list
,代碼就簡潔很多:
# coding: utf8 def gen_list(): # 多個邏輯塊 使用yield 生成一個列表 for i in range(10): yield i for j in range(5): yield j * j for k in [100, 200, 300]: yield k for item in gen_list(): print(i)
使用 yield
后,就不再需要定義 list
類型的變量,只需在每個邏輯塊直接 yield
返回元素即可,可以達(dá)到和前面例子一樣的功能。
我們看到,使用 yield
的代碼更加簡潔,結(jié)構(gòu)也更清晰,另外的好處是只有在迭代元素時才申請內(nèi)存空間,降低了內(nèi)存資源的消耗。
七、協(xié)程與并發(fā)
還有一種場景是 yield
使用非常多的,那就是「協(xié)程與并發(fā)」。
如果我們想提高程序的執(zhí)行效率,通常會使用多進(jìn)程、多線程的方式編寫程序代碼,最常用的編程模型就是「生產(chǎn)者-消費者」模型,即一個進(jìn)程 / 線程生產(chǎn)數(shù)據(jù),其他進(jìn)程 / 線程消費數(shù)據(jù)。
在開發(fā)多進(jìn)程、多線程程序時,為了防止共享資源被篡改,我們通常還需要加鎖進(jìn)行保護(hù),這樣就增加了編程的復(fù)雜度。
在 Python 中,除了使用進(jìn)程和線程之外,我們還可以使用「協(xié)程」來提高代碼的運行效率。
什么是協(xié)程?
簡單來說,由多個程序塊組合協(xié)作執(zhí)行的程序,稱之為「協(xié)程」。
而在 Python 中使用「協(xié)程」,就需要用到 yield
關(guān)鍵字來配合。
可能這么說還是太好理解,我們用 yield
實現(xiàn)一個協(xié)程生產(chǎn)者、消費者的例子:
# coding: utf8 def consumer(): i = None while True: # 拿到 producer 發(fā)來的數(shù)據(jù) j = yield i print('consume %s' % j) def producer(c): c.__next__() for i in range(5): print('produce %s' % i) # 發(fā)數(shù)據(jù)給 consumer c.send(i) c.close() c = consumer() producer(c) # Output: # produce 0 # consume 0 # produce 1 # consume 1 # produce 2 # consume 2 # produce 3 # consume 3 ...
這個程序的執(zhí)行流程如下:
1.c = consumer()
創(chuàng)建一個生成器對象
2.producer(c)
開始執(zhí)行,c.__next()__
會啟動生成器 consumer
直到代碼運行到 j = yield i
處,此時 consumer
第一次執(zhí)行完畢,返回
3.producer
函數(shù)繼續(xù)向下執(zhí)行,直到 c.send(i)
處,這里利用生成器的 send 方法,向 consumer 發(fā)送數(shù)據(jù)
4.consumer
函數(shù)被喚醒,從 j = yield i
處繼續(xù)開始執(zhí)行,并且接收到 producer
傳來的數(shù)據(jù)賦值給 j
,然后打印輸出,直到再次執(zhí)行到 yield
處,返回
5.producer
繼續(xù)循環(huán)執(zhí)行上面的過程,依次發(fā)送數(shù)據(jù)給 cosnumer
,直到循環(huán)結(jié)束
6.最終 c.close()
關(guān)閉 consumer
生成器,程序退出
在這個例子中我們發(fā)現(xiàn),程序在 producer
和 consumer
這 2 個函數(shù)之間來回切換執(zhí)行,相互協(xié)作,完成了生產(chǎn)任務(wù)、消費任務(wù)的業(yè)務(wù)場景,最重要的是,整個程序是在單進(jìn)程單線程下完成的。
到此這篇關(guān)于在Python中如何使用yield的文章就介紹到這了,更多相關(guān)yield的用法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
淺談在django中使用filter()(即對QuerySet操作)時踩的坑
這篇文章主要介紹了淺談在django中使用filter()(即對QuerySet操作)時踩的坑,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03Python基于回溯法子集樹模板解決數(shù)字組合問題實例
這篇文章主要介紹了Python基于回溯法子集樹模板解決數(shù)字組合問題,簡單描述了數(shù)字組合問題并結(jié)合實例形式分析了Python回溯法子集樹模板解決數(shù)字組合問題的具體步驟與相關(guān)操作技巧,需要的朋友可以參考下2017-09-09PyQt5入門之基于QListWidget版本實現(xiàn)圖片縮略圖列表功能
這篇文章主要介紹了PyQt5入門之基于QListWidget版本實現(xiàn)圖片縮略圖列表功能,本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2021-09-09基于MSELoss()與CrossEntropyLoss()的區(qū)別詳解
今天小編就為大家分享一篇基于MSELoss()與CrossEntropyLoss()的區(qū)別詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01