首页 > 代码库 > python yield 进阶(二)

python yield 进阶(二)

2024-07-05 21:03:35   226人阅读

PS:接上一篇 本文摘自OSchina Linuxqueen

不幸的是，这样做看上去似乎不太可能。即使是我们有神奇的函数，可以让我们从n遍历到无限大，我们也会在返回第一个值之后卡住：

1def get_primes(start):
2    for element in magical_infinite_range(start):
3        if is_prime(element):
4            return element
假设这样去调用get_primes：
1def solve_number_10():
2    # She *is* working on Project Euler #10, I knew it!
3    total = 2
4    for next_prime in get_primes(3):
5        if next_prime < 2000000:
6            total += next_prime
7        else:
8            print(total)
9            return

显然，在get_primes中，一上来就会碰到输入等于3的，并且在函数的第4行返回。与直接返回不同，我们需要的是在退出时可以为下一次请求准备一个值。

不过函数做不到这一点。当函数返回时，意味着全部完成。我们保证函数可以再次被调用，但是我们没法保证说，“呃，这次从上次退出时的第4行开始执行，而不是常规的从第一行开始”。函数只有一个单一的入口：函数的第1行代码。

 

走进生成器

这类问题极其常见以至于Python专门加入了一个结构来解决它：生成器。一个生成器会“生成”值。创建一个生成器几乎和生成器函数的原理一样简单。

一个生成器函数的定义很像一个普通的函数，除了当它要生成一个值的时候，使用yield关键字而不是return。如果一个def的主体包含yield，这个函数会自动变成一个生成器（即使它包含一个return）。除了以上内容，创建一个生成器没有什么多余步骤了。

生成器函数返回生成器的迭代器。这可能是你最后一次见到“生成器的迭代器”这个术语了， 因为它们通常就被称作“生成器”。要注意的是生成器就是一类特殊的迭代器。作为一个迭代器，生成器必须要定义一些方法(method)，其中一个就是__next__()。如同迭代器一样，我们可以使用next()函数来获取下一个值。

 
为了从生成器获取下一个值，我们使用next()函数，就像对付迭代器一样。

(next()会操心如何调用生成器的__next__()方法)。既然生成器是一个迭代器，它可以被用在for循环中。

每当生成器被调用的时候，它会返回一个值给调用者。在生成器内部使用yield来完成这个动作(例如yield 7)。为了记住yield到底干了什么，最简单的方法是把它当作专门给生成器函数用的特殊的return(加上点小魔法)。**

yield就是专门给生成器用的return(加上点小魔法)。

下面是一个简单的生成器函数：

1>>> def simple_generator_function():
2>>>    yield 1
3>>>    yield 2
4>>>    yield 3
这里有两个简单的方法来使用它：
01>>> for value in simple_generator_function():
02>>>     print(value)
031
042
053
06>>> our_generator = simple_generator_function()
07>>> next(our_generator)
081
09>>> next(our_generator)
102
11>>> next(our_generator)
123

 

魔法?

那么神奇的部分在哪里?我很高兴你问了这个问题!当一个生成器函数调用yield，生成器函数的“状态”会被冻结，所有的变量的值会被保留下来，下一行要执行的代码的位置也会被记录，直到再次调用next()。一旦next()再次被调用，生成器函数会从它上次离开的地方开始。如果永远不调用next()，yield保存的状态就被无视了。

我们来重写get_primes()函数，这次我们把它写作一个生成器。注意我们不再需要magical_infinite_range函数了。使用一个简单的while循环，我们创造了自己的无穷串列。

1def get_primes(number):
2    while True:
3        if is_prime(number):
4            yield number
5        number += 1
 
如果生成器函数调用了return，或者执行到函数的末尾，会出现一个StopIteration异常。 这会通知next()的调用者这个生成器没有下一个值了(这就是普通迭代器的行为)。这也是这个while循环在我们的get_primes()函数出现的原因。如果没有这个while，当我们第二次调用next()的时候，生成器函数会执行到函数末尾，触发StopIteration异常。一旦生成器的值用完了，再调用next()就会出现错误，所以你只能将每个生成器的使用一次。下面的代码是错误的：
01>>> our_generator = simple_generator_function()
02>>> for value in our_generator:
03>>>     print(value)
04 
05>>> # 我们的生成器没有下一个值了...
06>>> print(next(our_generator))
07Traceback (most recent call last):
08  File "<ipython-input-13-7e48a609051a>", line 1, in <module>
09    next(our_generator)
10StopIteration
11 
12>>> # 然而，我们总可以再创建一个生成器
13>>> # 只需再次调用生成器函数即可
14 
15>>> new_generator = simple_generator_function()
16>>> print(next(new_generator)) # 工作正常
171

因此，这个while循环是用来确保生成器函数永远也不会执行到函数末尾的。只要调用next()这个生成器就会生成一个值。这是一个处理无穷序列的常见方法（这类生成器也是很常见的）。

 

执行流程

让我们回到调用get_primes的地方：solve_number_10。

1def solve_number_10():
2    # She *is* working on Project Euler #10, I knew it!
3    total = 2
4    for next_prime in get_primes(3):
5        if next_prime < 2000000:
6            total += next_prime
7        else:
8            print(total)
9            return

我们来看一下solve_number_10的for循环中对get_primes的调用，观察一下前几个元素是如何创建的有助于我们的理解。当for循环从get_primes请求第一个值时，我们进入get_primes，这时与进入普通函数没有区别。

  1. 进入第三行的while循环
  2. 停在if条件判断（3是素数）
  3. 通过yield将3和执行控制权返回给solve_number_10

接下来，回到insolve_number_10：

  1. for循环得到返回值3
  2. for循环将其赋给next_prime
  3. total加上next_prime
  4. for循环从get_primes请求下一个值

这次，进入get_primes时并没有从开头执行，我们从第5行继续执行，也就是上次离开的地方。

1def get_primes(number):
2    while True:
3        if is_prime(number):
4            yield number
5        number += 1 # <<<<<<<<<<

最关键的是，number还保持我们上次调用yield时的值（例如3）。记住，yield会将值传给next()的调用方，同时还会保存生成器函数的“状态”。接下来，number加到4，回到while循环的开始处，然后继续增加直到得到下一个素数（5）。我们再一次把number的值通过yield返回给solve_number_10的for循环。这个周期会一直执行，直到for循环结束（得到的素数大于2,000,000）。

 

更给力点

在PEP 342中加入了将值传给生成器的支持。PEP 342加入了新的特性，能让生成器在单一语句中实现，生成一个值（像从前一样），接受一个值，或同时生成一个值并接受一个值。

我们用前面那个关于素数的函数来展示如何将一个值传给生成器。这一次，我们不再简单地生成比某个数大的素数，而是找出比某个数的等比级数大的最小素数（例如10， 我们要生成比10，100，1000，10000 ... 大的最小素数）。我们从get_primes开始：

01def print_successive_primes(iterations, base=10):
02    # 像普通函数一样，生成器函数可以接受一个参数
03    
04    prime_generator = get_primes(base)
05    # 这里以后要加上点什么
06    for power in range(iterations):
07        # 这里以后要加上点什么
08 
09def get_primes(number):
10    while True:
11        if is_prime(number):
12        # 这里怎么写?
 get_primes的后几行需要着重解释。yield关键字返回number的值，而像 other = yield foo 这样的语句的意思是，"返回foo的值，这个值返回给调用者的同时，将other的值也设置为那个值"。你可以通过send方法来将一个值”发送“给生成器。
1def get_primes(number):
2    while True:
3        if is_prime(number):
4            number = yield number
5        number += 1
 
通过这种方式，我们可以在每次执行yield的时候为number设置不同的值。现在我们可以补齐print_successive_primes中缺少的那部分代码：
1def print_successive_primes(iterations, base=10):
2    prime_generator = get_primes(base)
3    prime_generator.send(None)
4    for power in range(iterations):
5        print(prime_generator.send(base ** power))

这里有两点需要注意：首先，我们打印的是generator.send的结果，这是没问题的，因为send在发送数据给生成器的同时还返回生成器通过yield生成的值（就如同生成器中yield语句做的那样）。

第二点，看一下prime_generator.send(None)这一行，当你用send来“启动”一个生成器时（就是从生成器函数的第一行代码执行到第一个yield语句的位置），你必须发送None。这不难理解，根据刚才的描述，生成器还没有走到第一个yield语句，如果我们发生一个真实的值，这时是没有人去“接收”它的。一旦生成器启动了，我们就可以像上面那样发送数据了。



综述

在本系列文章的后半部分，我们将讨论一些yield的高级用法及其效果。yield已经成为Python最强大的关键字之一。现在我们已经对yield是如何工作的有了充分的理解，我们已经有了必要的知识，可以去了解yield的一些更“费解”的应用场景。

不管你信不信，我们其实只是揭开了yield强大能力的一角。例如，send确实如前面说的那样工作，但是在像我们的例子这样，只是生成简单的序列的场景下，send几乎从来不会被用到。下面我贴一段代码，展示send通常的使用方式。对于这段代码如何工作以及为何可以这样工作，在此我并不打算多说，它将作为第二部分很不错的热身。

01import random
02 
03def get_data():
04    """返回0到9之间的3个随机数"""
05    return random.sample(range(10), 3)
06 
07def consume():
08    """显示每次传入的整数列表的动态平均值"""
09    running_sum = 0
10    data_items_seen = 0
11 
12    while True:
13        data = yield
14        data_items_seen += len(data)
15        running_sum += sum(data)
16        print(‘The running average is {}‘.format(running_sum / float(data_items_seen)))
17 
18def produce(consumer):
19    """产生序列集合，传递给消费函数（consumer）"""
20    while True:
21        data = get_data()
22        print(‘Produced {}‘.format(data))
23        consumer.send(data)
24        yield
25 
26if __name__ == ‘__main__‘:
27    consumer = consume()
28    consumer.send(None)
29    producer = produce(consumer)
30 
31    for _ in range(10):
32        print(‘Producing...‘)
33        next(producer)

 

请谨记……

我希望您可以从本文的讨论中获得一些关键的思想：

  • generator是用来产生一系列值的
  • yield则像是generator函数的返回结果
  • yield唯一所做的另一件事就是保存一个generator函数的状态
  • generator就是一个特殊类型的迭代器（iterator）
  • 和迭代器相似，我们可以通过使用next()来从generator中获取下一个值
  • 通过隐式地调用next()来忽略一些值

我希望这篇文章是有益的。如果您还从来没有听说过generator，我希望现在您可以理解它是什么以及它为什么是有用的，并且理解如何使用它。如果您已经在某种程度上比较熟悉generator，我希望这篇文章现在可以让您扫清对generator的一些困惑。


联系
我们