您的位置:

python生成器代码示例的简单介绍

本文目录一览:

python 代码生成器怎么用

生成器是一个包含了特殊关键字yield的函数。当被调用的时候,生成器函数返回一个生成器。可以使用send,throw,close方法让生成器和外界交互。

生成器也是迭代器,但是它不仅仅是迭代器,拥有next方法并且行为和迭代器完全相同。所以生成器也可以用于python的循环中,

生成器如何使用?

首先看一个例子:

复制代码 代码如下:

#!/usr/bin/python

# -*- coding: utf-8 -*-

def flatten(nested):

for sublist in nested:

for element in sublist:

yield element

nested = [[1,2],[3,4],[5,6]]

for num in flatten(nested):

print num,

结果为1,2,3,4,5,6

递归生成器:

复制代码 代码如下:

#!/usr/bin/python

# -*- coding: utf-8 -*-

def flatten(nested):

try:

for sublist in nested:

for element in flatten(sublist):

yield element

except TypeError:

yield nested

for num in flatten([[1,2,3],2,4,[5,[6],7]]):

print num

结果为:1 2 3 2 4 5 6 7

让我们一起来看看生成器的本质

首先看下:

复制代码 代码如下:

#!/usr/bin/python

# -*- coding: utf-8 -*-

def simple_generator():

yield 1

print simple_generator

def repeater(value):

while True:

new = (yield value)

if new is not None: value = new

r = repeater(42)

print r.next()

print r.send('hello,world!')

结果为:

复制代码 代码如下:

function simple_generator at 0x10c76f6e0

42

hello,world!

可以看出:

1)生成器就是一函数

2)生成器具有next方法

3)生成器可以使用send 方法和外界交互。

闲话python 45: 浅谈生成器yield

生成器似乎并不是一个经常被开发者讨论的语法,因此也就没有它的大兄弟迭代器那么著名。大家不讨论它并不是说大家都已经对它熟悉到人尽皆知,与之相反,即使是工作多年的开发者可能对生成器的运行过程还是知之甚少。这是什么原因导致的呢?我猜想大概有以下几点原因: (1)运行流程不同寻常,(2)日常开发不需要,(3)常常将生成器与迭代器混淆。 生成器的运行流程可以按照协程来理解,也就是说 返回中间结果,断点继续运行 。这与我们通常对于程序调用的理解稍有差异。这种运行模式是针对什么样的需求呢? 一般而言,生成器是应用于大量磁盘资源的处理。 比如一个很大的文件,每次读取一行,下一次读取需要以上一次读取的位置为基础。下面就通过代码演示具体看看生成器的运行机制、使用方式以及与迭代器的比较。

什么是生成器?直接用文字描述可能太过抽象,倒不如先运行一段代码,分析这段代码的运行流程,然后总结出自己对生成器的理解。

从以上演示可以看出,这段代码定义了一个函数,这个函数除了yield这个关键字之外与一般函数并没有差异,也就是说生成器的魔法都是这个yield关键字引起的。 第一点,函数的返回值是一个生成器对象。 上述代码中,直接调用这个看似普通的函数,然后将返回值打印出来,发现返回值是一个对象,而并不是普通函数的返回值。 第二点,可以使用next对这个生成器对象进行操作 。生成器对象天然的可以被next函数调用,然后返回在yield关键字后面的内容。 第三,再次调用next函数处理生成器对象,发现是从上次yield语句之后继续运行,直到下一个yield语句返回。

生成器的运行流程确实诡异,下面还要演示一个生成器可以执行的更加诡异的操作:运行过程中向函数传参。

返回生成器和next函数操作生成器已经并不奇怪了,但是在函数运行过程中向其传参还是让人惊呆了。 调用生成器的send函数传入参数,在函数内使用yield语句的返回值接收,然后继续运行直到下一个yield语句返回。 以前实现这种运行流程的方式是在函数中加上一个从控制台获取数据的指令,或者提前将参数传入,但是现在不用了,send方式使得传入的参数可以随着读取到的参数变化而变化。

很多的开发者比较容易混淆生成器和迭代器,而迭代器的运行过程更加符合一般的程序调用运行流程,因此从亲进度和使用熟悉度而言,大家对迭代器更有好感。比如下面演示一个对迭代器使用next方法进行操作。

从以上演示来看,大家或许会认为迭代器比生成器简单易用得太多了。不过,如果你了解迭代器的实现机制,可能就不会这么早下结论了。python内置了一些已经实现了的迭代器使用确实方便,但是如果需要自己去写一个迭代器呢?下面这段代码就带大家见识以下迭代器的实现。

在python中,能被next函数操作的对象一定带有__next__函数的实现,而能够被迭代的对象有必须实现__iter__函数。看了这么一段操作,相信大家对迭代器实现的繁琐也是深有体会了,那么生成器的实现是不是会让你觉得更加简单易用呢?不过千万别产生一个误区,即生成器比迭代器简单就多用生成器。 在实际开发中,如果遇到与大量磁盘文件或者数据库操作相关的倒是可以使用生成器。但是在其他的任务中使用生成器难免有炫技,并且使逻辑不清晰而导致可读性下降的嫌疑。 这大概也能解释生成器受冷落的原因。不过作为一个专业的开发者,熟悉语言特性是分内之事。

到此,关于生成器的讨论就结束了。本文的notebook版本文件在github上的cnbluegeek/notebook仓库中共享,欢迎感兴趣的朋友前往下载。

好玩的python代码示例

import random

while True:

# 出拳

punches = ['石头','剪刀','布']

computer_choice = random.choice(punches)

user_choice = ''

user_choice = input('请出拳:(石头、剪刀、布)') # 请用户输入选择

while user_choice not in punches: # 当用户输入错误,提示错误,重新输入

print('输入有误,请重新出拳')

user_choice = input()

# 亮拳

print('————战斗过程————')

print('电脑出了:%s' % computer_choice)

print('你出了:%s' % user_choice)

# 胜负

print('—————结果—————')

if user_choice == computer_choice: # 使用if进行条件判断

print('平局!')

# 电脑的选择有3种,索引位置分别是:0石头、1剪刀、2布。

# 假设在电脑索引位置上减1,对应:-1布,0石头,1剪刀,皆胜。

elif user_choice == punches[punches.index(computer_choice)-1]:

print('你赢了!')

else:

print('你输了!')

a1 = input('要继续游戏吗,请输入n退出,输入其他继续:') # 在 while True 循环中设置跳出条件。

if a1 == 'n':

break

else:

print('---------next game------- are you ready???')

Python中生成器的理解?

9.10. 生成器

Generator 是创建迭代器的简单而强大的工具。它们写起来就像是正规的函数,需要返回数据的时候使用 yield 语句。每次 next() 被调用时,生成器回复它脱离的位置(它记忆语句最后一次执行的位置和所有的数据值)。以下示例演示了生成器可以很简单的创建出来:

前一节中描述了基于类的迭代器,它能作的每一件事生成器也能作到。因为自动创建了 __iter__() 和 __next__() 方法,生成器显得如此简洁。

另一个关键的功能在于两次执行之间,局部变量和执行状态都自动的保存下来。这使函数很容易写,而且比使用 self.index 和 self.data 之类的方式更清晰。

除了创建和保存程序状态的自动方法,当发生器终结时,还会自动抛出 StopIteration 异常。综上所述,这些功能使得编写一个正规函数成为创建迭代器的最简单方法。

Generator 是创建迭代器的简单而强大的工具。它们写起来就像是正规的函数,需要返回数据的时候使用 yield 语句。每次 next() 被调用时,生成器回复它脱离的位置(它记忆语句最后一次执行的位置和所有的数据值)。以下示例演示了生成器可以很简单的创建出来:

前一节中描述了基于类的迭代器,它能作的每一件事生成器也能作到。因为自动创建了 __iter__() 和 __next__() 方法,生成器显得如此简洁。

另一个关键的功能在于两次执行之间,局部变量和执行状态都自动的保存下来。这使函数很容易写,而且比使用 self.index 和 self.data 之类的方式更清晰。

除了创建和保存程序状态的自动方法,当发生器终结时,还会自动抛出 StopIteration 异常。综上所述,这些功能使得编写一个正规函数成为创建迭代器的最简单方法。

python递归生成器

def flattern(nested):

    try:

        if type(nested)==type(""):

            raise TypeError()

        for sublist in nested:

            for element in flattern(sublist):

                yield element

    except TypeError:

        yield nested

nested=[[1,2],[3,4],[5],6]

for i in flattern(nested):

    print i

生成器的作用就是产生一个可迭代对象,可以在for这样的语句中使用,yield element语句的作用就是将element添加到这个可迭代对象

def flattern(nested):

   try:

       for sublist in nested:

           for element in flattern(sublist):  #迭代flattern(子列表)所产生的生成器

               yield element        #对flattern的递归调用只是生成了新的生成器,得将这些生成器中的值添加到当前生成器

   except TypeError:

       yield nested      #如果变量nested不可迭代,for语句会出现TypeError错误,这时将nested添加到当前生成器中

在try开头加上了

if type(nested)==type(""):

raise TypeError()

因为字符是一直可以迭代的,如果不处理,如果参数中有字符串会无限递归下去

这个函数的作用就是将子列表完全扩展开产生一个生成器