怎么分析Python生成器、迭代器與yield語句

這篇文章給大家介紹怎么分析Python生成器、迭代器與yield語句，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

今天要分享的內容是Python的生成器、迭代器與yield語句。主要包括什么是生成器，如何定義一個生成器，如何調用生成器包含的元素。迭代器也是一樣的，最后介紹yield語句，以及它和生成器有什么關系。

[* ! *] 理解本文需要一定的基礎，需要了解Python列表的定義，基本操作，字典，元組，字符串的概念。Python中for循環的語法結構，以及需要知道

if __name__ =="__main__":

的作用是什么？

1. 迭代

首先來看一下迭代的定義：

如果給定一個列表list或元組tuple，我們可以通過for循環來遍歷這個list或tuple，這種遍歷我們稱為迭代（Iteration）。

用人話說一遍就是給一個列表或者元組，把里面的元素挨個看看都是啥，且只看一遍，就叫做迭代。下面寫個簡單的栗子。首先定義一個list_a，然后通過for循環遍歷每一個元素，并打印出list_a中的每一個元素（圖1），這就是對list_a迭代的過程。

迭代器的定義：

可以被next()函數調用并不斷返回下一個值的對象稱為迭代器(Iterator)。

一般來說迭代器都是可以迭代的。

圖1

剛才介紹的是對Python中列表的迭代，那么對于其他對象是不是也可以迭代呢？怎么來判斷一個對象是不是可迭代的呢？我們可以利用collections模塊中的Iterable函數來判斷一個對象是不是可迭代的。比如：

分別定義列表，元組，字符串，字典，整數5種數據類型a,b,c,d,e，然后分別判斷是否可迭代，見圖2。結果可以看到除了整數不可迭代外，其他4種數據類型都是可迭代的。

圖2

2. 列表生成式

顧名思義，列表生成式就是用來自動創建一個列表表達式。使用列表生成式來創建列表的一個好處是可以簡化代碼，使代碼美觀，減少工作量。

舉個簡單的栗子，我們定義一個列表，name_list，然后利用列表生成式，將name_list中的大寫字母全部變為小寫字母。其中

[name.lower() for name in name_list]

就是列表生成式，首先定義對象的某種運算，然后定義一個for循環來遍歷對象。

圖3

3. 生成器

列表生成式一般用于列表不是特別長，占用內存比較小的情況，如果數據量很大，生成器是比列表生成式更好的選擇。在Python中，一邊進行某種運算，一遍進行循環的機制稱為生成器(Generator)。定義一個生成器有一種很簡單的方法，就是把列表生成式中的[ ]改為（ ）即可。還是剛才的栗子，我們把生成器對象打印一下，看到

<generator object <genexpr> at 0x00000000038FF828>

lower_name_list是一個generator object，生成器對象。

圖4

然后介紹一下怎么查看這個生成器對象中有哪些元素？對于生成器對象來說，使用生成器的next()方法來輸出每一個對象。Next()的意思就是下一個，就好像是next()對生成器說，來吧，下一個，生成器就把下一個元素吐出來了，知道生成器中沒有可迭代的對象的時候，就會拋出StopIteration異常（圖5）。

圖5

接下來我們學習另外一種輸出生成器中元素的方法，就是用for循環來迭代生成器中的元素(圖6)。這是因為生成器是一種可迭代的對象，所以可以使用for循環來遍歷。

>>> isinstance(lower_name_list1,Iterable)

>>> True

圖6

4.  yield語句

接下來就到了我們今天的重點要介紹的東西，這里必須強行安利一波，yield很有用很有用，最好能熟練掌握。然后為什么這么說呢？這個我要扯一會兒深度學習，我們說的機器學習，或者深度學習，其中非常重要的一個環節就是讀取數據，就是把數據讀進來然后交給我們的模型去訓練，去學習。那么問題來了，給你一個100萬張圖片，或者1G的文本數據，你怎么來讀數據？傳統的方法在求解機器學習算法的時候，大部分是使用批梯度下降法（Batch Gradient Descent），一般是一次性把數據都讀進來，然后整體做梯度下降。但是現在是大數據時代了，數據量一般都很大，如果一次讀進來，內存肯定不夠用，如果是GPU，同樣顯存也不夠用。所以就有了后來的mini-batch 梯度下降，到底有多mini呢，通常遠遠小于全部數據量，這個數字就是我們在訓練模型的時候取得batchsize的大小。意思就是從一個很大的數據集里面，每次只取很小的一部分數據集，然后遍歷整個數據集。

這個思想和Python的yield語句極為吻合，所以我強烈推薦大家掌握yield語句。下面我們開始yield語句的學習。

首先來看一下Python官方文檔中，對yield的解釋。

意思是：yiled語句僅在定義一個生成器函數的時候使用，并且在生成器函數的函數體里面使用。在函數定義中使用yield語句之后，這個函數就不是一般的函數，而是生成器函數。

當我們調用生成器函數的時候，將會返回一個生成器。我們通過調用生成器的next（）方法來執行生成器函數，直到拋出異常。

當執行yield語句的時候，生成器對象是被凍結的，執行的結果只有next()方法所返回的list。凍結的意思是除了next()方法可以返回一個列表以外，其他的變量都不會執行。

把這段文檔簡單理解一下就是我們可以通過定義一個包含yield語句的函數，來定義一個生成器函數。這個生成器函數可以通過next()方法來執行。

下面我們舉個具體的栗子，來看一下yield的執行原理。

首先我們定義了兩個函數，yield_test()和yield_test2(),第一個函數是用return來返回輸出值，第二個函數用yield來返回。這樣做是為了反映return和yield的區別，也是為了體現包含yield語句函數的不同之處。為什么要做這個比較呢，說白了，yield語句其實也是返回一個值，只不過這個返回方式不太尋常，它是以生成器函數的形式返回，所以我們對比一下和return的區別，看看哪里不一樣。

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

defyield_test():

    list_a = range(5)

    list_b = []

    for i in list_a:

        list_b.append(i * i)

    return list_b

defyield_test2():

    list_a = range(5)

    for i in list_a:

        yield i * i

if __name__ =="__main__":

    results = yield_test()

    results2 = yield_test2()

    print("The results is:", results)

    print("The type of results is: ",type(results))

    print("The results2 is: ",results2)

    print("The type of results2 is:", type(results2))

    result_list = []

    for x in results2:

        result_list.append(x)

    print("The result_list is:",result_list)

下面是程序輸出結果

"""

('The results is:', [0, 1, 4, 9, 16])

('The type of results is: ', <type 'list'>)

('The results2is: ', <generator object yield_test2 at 0x00000000040F6630>)

('The type of results2 is: ', <type 'generator'>)

('The result_list is:', [0, 1, 4, 9, 16])

"""

關于怎么分析Python生成器、迭代器與yield語句就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。