如果在一個(gè)方法內(nèi),包含了 yield 關(guān)鍵字,那么這個(gè)函數(shù)就是一個(gè)「生成器」。
生成器其實(shí)就是一個(gè)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(gè)元素。
我們來看一個(gè)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(gè)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(gè)例子中,當(dāng)我們執(zhí)行 g = gen(5) 時(shí),gen 中的代碼其實(shí)并沒有執(zhí)行,此時(shí)我們只是創(chuàng)建了一個(gè)「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(huì)執(zhí)行到 yield 處,返回一次 yield 后面的值。
這個(gè)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(gè)元素,在創(chuàng)建生成器時(shí),這個(gè) 5 個(gè)元素其實(shí)還并沒有產(chǎn)生,什么時(shí)候產(chǎn)生呢?只有在執(zhí)行 for 循環(huán)遇到 yield 時(shí),才會(huì)依次生成每個(gè)元素。
此外,生成器除了和迭代器一樣實(shí)現(xiàn)迭代數(shù)據(jù)之外,還包含了其他方法:
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。
先來看生成器的 __next__ 方法,我們看下面這個(gè)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(gè)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(gè)例子中,我們定義了 gen 方法,這個(gè)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(gè)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(shí),代碼就會(huì)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(huì)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(shí),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。
上面的例子中,我們只展示了在 yield 后有值的情況,其實(shí)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(shí)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(huì)是 1 2 4 8 16 32 64 ... 一直循環(huán)下去, 直到我們殺死這個(gè)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(gè)分支里 break 出來,如果我們想讓代碼執(zhí)行到這個(gè)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)。
代碼可以像下面這樣寫:
g = gen() # 創(chuàng)建一個(gè)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(gè)分支 print(g.send(-1)) # StopIteration 迭代停止
當(dāng)我們執(zhí)行 g.send(-1) 時(shí),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(shí) j = -1,然后這個(gè)方法就會(huì) break 出來,不會(huì)繼續(xù)迭代下去。
外部除了可以向生成器內(nèi)部傳入一個(gè)值外,還可以傳入一個(gè)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(gè)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(gè)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(gè)異常,走到了生成器異常處理的分支邏輯。
生成器的 close 方法也比較簡單,就是手動(dòng)關(guān)閉這個(gè)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
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(gè)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。
如果你想生成一個(gè)非常大的集合,如果使用 list 創(chuàng)建一個(gè)集合,這會(huì)導(dǎo)致在內(nèi)存中申請一個(gè)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(gè)問題。
因?yàn)樯善髦挥性趫?zhí)行到 yield 時(shí)才會(huì)迭代數(shù)據(jù),這時(shí)只會(huì)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(shí) 才依次生成元素 減少內(nèi)存占用 for i in big_list(): print(i)
我們在開發(fā)時(shí)還經(jīng)常遇到這樣一種場景,如果一個(gè)方法要返回一個(gè) list,但這個(gè) list 是多個(gè)邏輯塊組合后才能產(chǎn)生的,這就會(huì)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(gè)邏輯塊 組成生成一個(gè)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(gè)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(shí)如果使用 yield 來生成這個(gè) list,代碼就簡潔很多:
# coding: utf8 def gen_list(): # 多個(gè)邏輯塊 使用yield 生成一個(gè)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(gè)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(shí)才申請內(nèi)存空間,降低了內(nèi)存資源的消耗。
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(huì)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(fèi)者」模型,即一個(gè)進(jìn)程 / 線程生產(chǎn)數(shù)據(jù),其他進(jìn)程 / 線程消費(fèi)數(shù)據(jù)。
在開發(fā)多進(jìn)程、多線程程序時(shí),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(yùn)行效率。
什么是協(xié)程?
簡單來說,由多個(gè)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(shí)現(xiàn)一個(gè)協(xié)程生產(chǎn)者、消費(fèi)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(gè)程序的執(zhí)行流程如下:
在這個(gè)例子中我們發(fā)現(xiàn),程序在 producer 和 consumer 這 2 個(gè)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(fèi)任務(wù)的業(yè)務(wù)場景,最重要的是,整個(gè)程序是在單進(jìn)程單線程下完成的。
這個(gè)例子用到了上面講到的 yield、生成器的 __next__、send、close 方法。如果不好理解,你可以多看幾遍這個(gè)例子,最好自己測試一下。
我們使用協(xié)程編寫生產(chǎn)者、消費(fèi)者的程序時(shí),它的好處是:
整個(gè)程序運(yùn)行過程中無鎖,不用考慮共享變量的保護(hù)問題,降低了編程復(fù)雜度
程序在函數(shù)之間來回切換,這個(gè)過程是用戶態(tài)下進(jìn)行的,不像進(jìn)程 / 線程那樣,會(huì)陷入到內(nèi)核態(tài),這就減少了內(nèi)核態(tài)上下文切換的消耗,執(zhí)行效率更高
所以,Python 的 yield 和生成器實(shí)現(xiàn)了協(xié)程的編程方式,為程序的并發(fā)執(zhí)行提供了編程基礎(chǔ)。
Python 中的很多第三方庫,都是基于這一特性進(jìn)行封裝的,例如 gevent、tornado,它們都大大提高了程序的運(yùn)行效率。
總結(jié)一下,這篇文章我們主要講了 yield 的使用方式,以及生成器的各種特性。
生成器是一種特殊的迭代器,它除了可以迭代數(shù)據(jù)之外,在執(zhí)行時(shí)還可以保存方法中的狀態(tài),除此之外,它還提供了外部改變內(nèi)部狀態(tài)的方式,把外部的值傳入到生成器內(nèi)部。
利用 yield 和生成器的特性,我們在開發(fā)中可以用在大集成的生成、簡化代碼結(jié)構(gòu)、協(xié)程與并發(fā)的業(yè)務(wù)場景中。
Python 的 yield 也是實(shí)現(xiàn)協(xié)程和并發(fā)的基礎(chǔ),它提供了協(xié)程這種用戶態(tài)的編程模式,提高了程序運(yùn)行的效率。
以上就是python如何正確使用yield的詳細(xì)內(nèi)容,更多關(guān)于python 使用yield的資料請關(guān)注腳本之家其它相關(guān)文章!
標(biāo)簽:呂梁 銅川 阿里 潛江 株洲 黑龍江 通遼 常德
巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《python如何正確使用yield》,本文關(guān)鍵詞 python,如何,正確,使用,yield,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。