大范文网 - 每天发现一点点
每天学习一点点!
  • 春节
  • 除夕
  • 元宵
  • 端午节
  • 七夕节
  • 教师节
  • 中秋节
  • 国庆节
  • 重阳节
  • 光棍节
  • 腊八节
  • 新春
  • 小年
  • 二月二
  • 妇女节
  • 新年
  • 情人节
  • 劳动节
  • 母亲节
  • 父亲节
  • 儿童节
  • 万圣节
  • 感恩节
  • 复活节
  • 圣诞节
  • 元旦
  • 新年贺词
  • 新年寄语
  • 春节贺词
  • 春节寄语
  • 生日贺词
  • 开业贺词
  • 满月贺词
  • 结婚贺词
  • 红包贺词
  • 寄语
  • 贺卡
  • 对联
  • 春联
  • 灯谜
  • 祝福短信
  • 中考祝福语
  • 高考祝福语
  • 结婚祝福语
  • 生日祝福语
  • 拜年祝福语
  • 给朋友的祝福
  • 给老师的祝福
  • 给领导的祝福
  • 英语祝福
  • 新学期祝福语
  • 毕业祝福语
  • 给父母祝福语
  • 节日祝福语
  • 节日贺词
  • 节日诗歌
  • 节日习俗
  • 节日晚会
  • 放假安排
  • 火车票订购
  • 12306订票
  • 当前位置:大范文网 > 祝福语 > 中考祝福语 >

    【Python,yield,使用浅析】python yield

    分类:中考祝福语 时间:2018-08-20 本文已影响

    这篇文章主要介绍了Python yield 使用浅析,本文给出了多个使用实例来分析yield的使用方法,需要的朋友可以参考下

    初学 Python 的开发者经常会发现很多 Python 函数中用到了 yield 关键字,然而,带有 yield 的函数执行流程却和普通函数不一样,yield 到底用来做什么,为什么要设计 yield ?本文将由浅入深地讲解 yield 的概念和用法,帮助读者体会 Python 里 yield 简单而强大的功能。

    您可能听说过,带有 yield 的函数在 Python 中被称之为 generator(生成器),何谓 generator ?

    我们先抛开 generator,以一个常见的编程题目来展示 yield 的概念。

    如何生成斐波那契數列

    斐波那契(Fibonacci)數列是一个非常简单的递归数列,除第一个和第二个数外,任意一个数都可由前两个数相加得到。用计算机程序输出斐波那契數列的前 N 个数是一个非常简单的问题,许多初学者都可以轻易写出如下函数:

    清单 1. 简单输出斐波那契數列前 N 个数

    代码如下:

    def fab(max):

    n, a, b = 0, 0, 1

    while n < max:

    print b

    a, b = b, a + b

    n = n + 1

    执行 fab(5),我们可以得到如下输出:

    代码如下:

    >>> fab(5)

    1

    1

    2

    3

    5

    结果没有问题,但有经验的开发者会指出,直接在 fab 函数中用 print 打印数字会导致该函数可复用性较差,因为 fab 函数返回 None,其他函数无法获得该函数生成的数列。

    要提高 fab 函数的可复用性,最好不要直接打印出数列,而是返回一个 List。以下是 fab 函数改写后的第二个版本:

    清单 2. 输出斐波那契數列前 N 个数第二版

    代码如下:

    def fab(max):

    n, a, b = 0, 0, 1

    L = []

    while n < max:

    L.append(b)

    a, b = b, a + b

    n = n + 1

    return L

    可以使用如下方式打印出 fab 函数返回的 List:

    代码如下:

    >>> for n in fab(5):

    ... print n

    ...

    1

    1

    2

    3

    5

    改写后的 fab 函数通过返回 List 能满足复用性的要求,但是更有经验的开发者会指出,该函数在运行中占用的内存会随着参数 max 的增大而增大,如果要控制内存占用,最好不要用 List

    来保存中间结果,而是通过 iterable 对象来迭代。例如,在 Python2.x 中,代码:

    清单 3. 通过 iterable 对象来迭代

    代码如下:

    for i in range(1000): pass

    会导致生成一个 1000 个元素的 List,而代码:

    代码如下:

    for i in xrange(1000): pass

    则不会生成一个 1000 个元素的 List,而是在每次迭代中返回下一个数值,内存空间占用很小。因为 xrange 不返回 List,而是返回一个 iterable 对象。

    利用 iterable 我们可以把 fab 函数改写为一个支持 iterable 的 class,以下是第三个版本的 Fab:

    清单 4. 第三个版本

    代码如下:

    class Fab(object):

    def __init__(self, max):

    self.max = max

    self.n, self.a, self.b = 0, 0, 1

    def __iter__(self):

    return self

    def next(self):

    if self.n < self.max:

    r = self.b

    self.a, self.b = self.b, self.a + self.b

    self.n = self.n + 1

    return r

    raise StopIteration()

    Fab 类通过 next() 不断返回数列的下一个数,内存占用始终为常数:

    代码如下:

    >>> for n in Fab(5):

    ... print n

    ...

    1

    1

    2

    3

    5

    然而,使用 class 改写的这个版本,代码远远没有第一版的 fab 函数来得简洁。如果我们想要保持第一版 fab 函数的简洁性,同时又要获得 iterable 的效果,yield 就派上用场了:

    清单 5. 使用 yield 的第四版

    代码如下:

    def fab(max):

    n, a, b = 0, 0, 1

    while n < max:

    yield b

    # print b

    a, b = b, a + b

    n = n + 1

    """

    第四个版本的 fab 和第一版相比,仅仅把 print b 改为了 yield b,就在保持简洁性的同时获得了 iterable 的效果。

    调用第四版的 fab 和第二版的 fab 完全一致:

    代码如下:

    >>> for n in fab(5):

    ... print n

    ...

    1

    1

    2

    3

    5

    简单地讲,yield 的作用就是把一个函数变成一个 generator,带有 yield 的函数不再是一个普通函数,Python 解释器会将其视为一个 generator,调用 fab(5) 不会执行 fab 函数,而是返回一个 iterable 对象!在 for 循环执行时,每次循环都会执行 fab 函数内部的代码,执行到 yield b 时,fab 函数就返回一个迭代值,下次迭代时,代码从 yield b 的下一条语句继续执行,而函数的本地变量看起来和上次中断执行前是完全一样的,于是函数继续执行,直到再次遇到 yield。

    也可以手动调用 fab(5) 的 next() 方法(因为 fab(5) 是一个 generator 对象,该对象具有 next() 方法),这样我们就可以更清楚地看到 fab 的执行流程:

    清单 6. 执行流程

    代码如下:

    >>> f = fab(5)

    >>> f.next()

    1

    >>> f.next()

    1

    >>> f.next()

    2

    >>> f.next()

    3

    >>> f.next()

    5

    >>> f.next()

    Traceback (most recent call last):

    File "", line 1, in

    StopIteration

    当函数执行结束时,generator 自动抛出 StopIteration 异常,表示迭代完成。在 for 循环里,无需处理 StopIteration 异常,循环会正常结束。

    我们可以得出以下结论:

    一个带有 yield 的函数就是一个 generator,它和普通函数不同,生成一个 generator 看起来像函数调用,但不会执行任何函数代码,直到对其调用 next()(在 for 循环中会自动调用 next())才开始执行。虽然执行流程仍按函数的流程执行,但每执行到一个 yield 语句就会中断,并返回一个迭代值,下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次,每次中断都会通过 yield 返回当前的迭代值。

    yield 的好处是显而易见的,把一个函数改写为一个 generator 就获得了迭代能力,比起用类的实例保存状态来计算下一个 next() 的值,不仅代码简洁,而且执行流程异常清晰。

    如何判断一个函数是否是一个特殊的 generator 函数?可以利用 isgeneratorfunction 判断:

    清单 7. 使用 isgeneratorfunction 判断

    代码如下:

    >>> from inspect import isgeneratorfunction

    >>> isgeneratorfunction(fab)

    True

    要注意区分 fab 和 fab(5),fab 是一个 generator function,而 fab(5) 是调用 fab 返回的一个 generator,好比类的定义和类的实例的区别:

    清单 8. 类的定义和类的实例

    代码如下:

    >>> import types

    >>> isinstance(fab, types.GeneratorType)

    False

    >>> isinstance(fab(5), types.GeneratorType)

    True

    fab 是无法迭代的,而 fab(5) 是可迭代的:

    代码如下:

    >>> from collections import Iterable

    >>> isinstance(fab, Iterable)

    False

    >>> isinstance(fab(5), Iterable)

    True

    每次调用 fab 函数都会生成一个新的 generator 实例,各实例互不影响:

    代码如下:

    >>> f1 = fab(3)

    >>> f2 = fab(5)

    >>> print "f1:", f1.next()

    f1: 1

    >>> print "f2:", f2.next()

    f2: 1

    >>> print "f1:", f1.next()

    f1: 1

    >>> print "f2:", f2.next()

    f2: 1

    >>> print "f1:", f1.next()

    f1: 2

    >>> print "f2:", f2.next()

    f2: 2

    >>> print "f2:", f2.next()

    f2: 3

    >>> print "f2:", f2.next()

    f2: 5

    return 的作用

    在一个 generator function 中,如果没有 return,则默认执行至函数完毕,如果在执行过程中 return,则直接抛出 StopIteration 终止迭代。

    另一个例子

    另一个 yield 的例子来源于文件读取。如果直接对文件对象调用 read() 方法,会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield,我们不再需要编写读文件的迭代类,就可以轻松实现文件读取:

    清单 9. 另一个 yield 的例子

    代码如下:

    def read_file(fpath):

    BLOCK_SIZE = 1024

    with open(fpath, "rb") as f:

    while True:

    block = f.read(BLOCK_SIZE)

    if block:

    yield block

    else:

    return

    以上仅仅简单介绍了 yield 的基本概念和用法,yield 在 Python 3 中还有更强大的用法,我们会在后续文章中讨论。

    注:本文的代码均在 Python 2.7 中调试通过

    相关热词搜索:浅析 Python yield Python yield 使用浅析 python yield python yield 用法