生成器理解如何工作？

Question

生成器理解有什么作用？它是如何工作的？我找不到相关教程。

Answer 1

你理解列表推导式吗？如果是这样，生成器表达式就像列表理解，但它不是查找您感兴趣的所有项目并将它们打包到列表中，而是等待，并从表达式中逐一生成每个项目。

>>> my_list = [1, 3, 5, 9, 2, 6]
>>> filtered_list = [item for item in my_list if item > 3]
>>> print(filtered_list)
[5, 9, 6]
>>> len(filtered_list)
3
>>> # compare to generator expression
... 
>>> filtered_gen = (item for item in my_list if item > 3)
>>> print(filtered_gen)  # notice it's a generator object
<generator object <genexpr> at 0x7f2ad75f89e0>
>>> len(filtered_gen) # So technically, it has no length
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: object of type 'generator' has no len()
>>> # We extract each item out individually. We'll do it manually first.
... 
>>> next(filtered_gen)
5
>>> next(filtered_gen)
9
>>> next(filtered_gen)
6
>>> next(filtered_gen) # Should be all out of items and give an error
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>> # Yup, the generator is spent. No values for you!
... 
>>> # Let's prove it gives the same results as our list comprehension
... 
>>> filtered_gen = (item for item in my_list if item > 3)
>>> gen_to_list = list(filtered_gen)
>>> print(gen_to_list)
[5, 9, 6]
>>> filtered_list == gen_to_list
True
>>> 

由于生成器表达式一次只需生成一项，因此可以大大节省内存使用量。在您需要一次获取一项、基于该项进行大量计算，然后继续处理下一项的情况下，生成器表达式最有意义。如果您需要多个值，您还可以使用生成器表达式并一次获取几个值。如果您在程序继续之前需要所有值，请使用列表理解。

Answer 2

生成器理解是列表理解的惰性版本。

它就像列表理解一样，只不过它返回一个迭代器而不是列表，即带有 next() 方法的对象，该方法将产生下一个元素。

如果您不熟悉列表推导式，请参阅此处，对于生成器，请参阅此处。

Answer 3

列表/生成器理解是一种构造，您可以使用它从现有的列表/生成器创建新的列表/生成器。

假设您想要生成从 1 到 10 的每个数字的平方列表。您可以在 Python 中执行此操作：

>>> [x**2 for x in range(1,11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

这里，

range(1,11)

生成列表

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

，但

range

函数在Python 3.0之前不是生成器，因此我使用的构造是列表理解。

如果我想创建一个做同样事情的生成器，我可以这样做：

>>> (x**2 for x in xrange(1,11))
<generator object at 0x7f0a79273488>

然而，在 Python 3 中，

range

是一个生成器，因此结果仅取决于您使用的语法（方括号或圆括号）。

Answer 4

生成器理解是创建具有特定结构的生成器的简单方法。假设您想要一个

generator

来一一输出

your_list

中的所有偶数。如果你使用函数风格创建它，它会是这样的：

def allEvens( L ):
    for number in L:
        if number % 2 is 0:
            yield number

evens = allEvens( yourList )

您可以使用此生成器理解表达式获得相同的结果：

evens = ( number for number in your_list if number % 2 == 0 )

在这两种情况下，当您拨打

next(evens)

时，您会得到

your_list

中的下一个偶数。

Answer 5

生成器理解是一种创建可迭代对象的方法，类似于在资源上移动的光标。如果您了解 mysql 游标或 mongodb 游标，您可能会意识到整个实际数据永远不会一次加载到内存中，而是一次加载一个。您的光标来回移动，但内存中始终有一行/列表元素。

简而言之，通过使用生成器理解，您可以轻松地在 python 中创建游标。

Answer 6

生成器理解的另一个例子：

print 'Generator comprehensions'

def sq_num(n):
    for num in (x**2 for x in range(n)):    
        yield num

for x in sq_num(10):
    print x 

Answer 7

生成器仅与列表相同，细微的区别在于，在列表中，我们一次获得列表中所有所需的数字或项目，但在生成器中，一次生成一个所需的数字。因此，为了获取所需的项目，我们必须使用 for 循环来获取所有必需的项目。

#to get all the even numbers in given range
 
def allevens(n):
    for x in range(2,n):
        if x%2==0:
            yield x

for x in allevens(10)
print(x)

#output
2
4
6
8

Answer 8

我们可以将其理解为列表理解的生成器版本。在列表理解的情况下，我们使用单行代码或短代码创建一个，而对于生成器理解，我们为生成器创建单行代码或一小段代码。 它们具有相同的语法，只需将 []（方括号）替换为 () 大括号即可。

generator_composition_object = (num**3 for num in range(5))
print(generator_composition_object)

这将给出类型生成器的对象的地址。我们还可以在其中使用像 next() 这样的功能。