或者
1 def fab_demo2(max):2 a, n, b = 0, 0, 13 list_demo = []4 while n < max:5 list_demo.append(b)6 a, b = b, a + b7 n += 18 print(list_demo)9 return list_demo 实现四: 可以复用了,但是考虑到后期若要存储在list中的数据量过大,比较吃内存浪费资源,应该怎么办呢, 此时,考虑到利用 iterable 我们可以把 fab 函数改写为一个支持 iterable 的 class 1 class Fab(object): 2 def __init__(self,max): 3 self.max = max 4 self.n ,self.a ,self.b = 0 ,0 ,1 5 6 def __iter__(self): #继承object,重写__iter__后,自动调用__next__方法,返回r对象 7 return self 8 9 def __next__(self): #此处python2为next,python3为__next__,注意区别10 if self.n < self.max:11 r = self.b12 self.a , self.b = self.b , self.a + self.b13 self.n += 114 return r 15 raise StopIteration()16 #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:17 for i in Fab(5):18 print(i)19 #或者20 print(next(iter(Fab(5))))实现五
代码不够简洁,使用yield关键字
1 def fab_demo4(max): 2 a,n,b = 0,0,1 3 while n < max: 4 yield b 5 #print b 6 a,b = b,a+b 7 n+=1 8 print(next(fab_demo4(5))) 9 for i in fab_demo4(5):10 print(i) 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 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)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:
1 >>> from inspect import isgeneratorfunction2 >>> isgeneratorfunction(fab)3 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:
转载于:https://www.cnblogs.com/kunpengv5/p/63a628ad1921e2904b3c85bc3303c6ba.html