探秘 Python 生成器：揭开 Python 神秘面纱

后端

2023-02-13 20:00:49

探索 Python 生成器：突破迭代器限制的新高度

在 Python 的编程领域，迭代器是数据遍历的基石，它们为我们提供了逐一获取数据的能力。而生成器，则是迭代器中的佼佼者，它以其独到的特性和强大的功能，将数据处理提升到了一个新的高度。

生成器的本质：揭开它的内部秘密

生成器是一种特殊的迭代器，但它却拥有自己独特的魅力。首先，它遵循迭代器的基本原则，拥有__iter__和__next__方法，并且在循环结束时抛出StopIteration异常。

然而，生成器真正的魔力在于其延迟执行的特性。当创建一个生成器对象时，它不会立即执行任何代码，而是等待调用__next__方法时才开始执行。这种机制避免了对整个数据集的一次性加载，节省了宝贵的内存空间，尤其是在处理大型数据集时优势显著。

生成器的秘诀：它的工作原理

生成器的运行方式非常巧妙。当调用生成器对象的__next__方法时，它才会开始执行代码，并返回下一个数据项。这种延迟执行的好处是，它只在需要时才生成数据，从而节省了内存空间和执行时间。

此外，生成器还允许创建无限序列，这在需要不断生成数据的场景中非常有用。例如，我们可以使用生成器生成斐波那契数列或素数序列，而无需提前知道序列的长度。

用代码实例体验生成器的强大

为了深入理解生成器的用法，让我们通过几个代码示例来感受它的魅力：

实例 1：生成斐波那契数列

def fibonacci(n):
  """生成斐波那契数列的前 n 个数。"""
  a, b = 0, 1
  while n > 0:
    yield a
    a, b = b, a + b
    n -= 1

for num in fibonacci(10):
  print(num)

这段代码通过一个生成器函数生成斐波那契数列的前 10 个数。它采用延迟执行机制，每次调用__next__方法时才生成下一个数。

实例 2：过滤序列

def even_numbers(iterable):
  """生成器函数，从可迭代对象中过滤出偶数。"""
  for num in iterable:
    if num % 2 == 0:
      yield num

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
even_numbers_list = list(even_numbers(numbers))
print(even_numbers_list)