python生成器是什麼

① python迭代器和生成器的區別

這個的區別就是在使用的過程當中啊，它生成的旗艦是不一樣的。

② python 生成器和迭代器的區別

1、迭代器（iterator）是一個實現了迭代器協議的對象，python的一些內置數據類型（列表，數組，字元串，字典等）都可以通過for語句進行迭代，我們也可以自己創建一個容器，實現了迭代器協議，可以通過for，next方法進行迭代，在迭代的末尾，會引發stopIteration異常。
2、生成器（generator）是通過yield語句快速生成迭代器，可以不用iter和next方法
yield可以使一個普通函數變成一個生成器，並且相應的next()方法返回是yield後的值。一種更直觀的解釋是：程序執行到yield時會返回結果並暫停，再次調用next時會從上次暫停的地方繼續開始執行。
顯然，生成器自身有構成一個迭代器，每次迭代時使用一個yield返回 的值，一個生成器中可以有多個yield的值

③ python的迭代器和生成器的區別

Iamlaosong文
我們在用for ... in ...語句循環時，in後面跟隨的對象要求是可迭代對象，即可以直接作用於for循環的對象統稱為可迭代對象（Iterable），如list、tuple、dict、set、str等。
可迭代對象是實現了__iter__()方法的對象，而迭代器（Iterator）則是實現了__iter__()和__next__()方法的對象，可以顯示地獲取下一個元素。這種可以被next調用並不斷返回下一個值的對象稱為迭代器。迭代器一定是可迭代對象，反過來則不一定成立。用iter()函數可以把list、dict、str等Iterable變成Iterator，例如：
bb=[x for x in range(10)]

cc=iter(bb)

cc.next()

循環變數的值其實可以看著是一次次用next取值的過程，每取一個值，做一次處理。list等對象用於循環實際上可以看著是用iter()方法產生一個迭代器，然後循環取值。
生成器（generator）就是一個能返回迭代器的函數，其實就是定義一個迭代演算法，可以理解為一個特殊的迭代器。調用這個函數就得到一個迭代器，生成器中的yield相當於一個斷點，執行到此返回一個值後暫停，從而實現next取值。

④ python生成器和迭代器的區別

iamlaosong文
我們在用for
...
in
...語句循環時，in後面跟隨的對象要求是可迭代對象，即可以直接作用於for循環的對象統稱為可迭代對象（iterable），如list、tuple、dict、set、str等。
可迭代對象是實現了__iter__()方法的對象，而迭代器（iterator）則是實現了__iter__()和__next__()方法的對象，可以顯示地獲取下一個元素。這種可以被next調用並不斷返回下一個值的對象稱為迭代器。迭代器一定是可迭代對象，反過來則不一定成立。用iter()函數可以把list、dict、str等iterable變成iterator，例如：
bb=[x
for
x
in
range(10)]
cc=iter(bb)
cc.next()
循環變數的值其實可以看著是一次次用next取值的過程，每取一個值，做一次處理。list等對象用於循環實際上可以看著是用iter()方法產生一個迭代器，然後循環取值。
生成器（generator）就是一個能返回迭代器的函數，其實就是定義一個迭代演算法，可以理解為一個特殊的迭代器。調用這個函數就得到一個迭代器，生成器中的yield相當於一個斷點，執行到此返回一個值後暫停，從而實現next取值。

⑤ python生成器是怎麼使用的

生成器(generator)概念
生成器不會把結果保存在一個系列中，而是保存生成器的狀態，在每次進行迭代時返回一個值，直到遇到StopIteration異常結束。
生成器語法
生成器表達式： 通列表解析語法，只不過把列表解析的[]換成()
生成器表達式能做的事情列表解析基本都能處理，只不過在需要處理的序列比較大時，列表解析比較費內存。

Python

1
2
3
4
5
6
7
8
9
10
11

>>> gen = (x**2 for x in range(5))
>>> gen
<generator object <genexpr> at 0x0000000002FB7B40>
>>> for g in gen:
... print(g, end='-')
...
0-1-4-9-16-
>>> for x in [0,1,2,3,4,5]:
... print(x, end='-')
...
0-1-2-3-4-5-

生成器函數： 在函數中如果出現了yield關鍵字，那麼該函數就不再是普通函數，而是生成器函數。
但是生成器函數可以生產一個無線的序列，這樣列表根本沒有辦法進行處理。
yield 的作用就是把一個函數變成一個 generator，帶有 yield 的函數不再是一個普通函數，Python 解釋器會將其視為一個 generator。
下面為一個可以無窮生產奇數的生成器函數。

Python

1
2
3
4
5
6
7
8
9
10
11

def odd():
n=1
while True:
yield n
n+=2
odd_num = odd()
count = 0
for o in odd_num:
if count >=5: break
print(o)
count +=1

當然通過手動編寫迭代器可以實現類似的效果，只不過生成器更加直觀易懂

Python

1
2
3
4
5
6
7
8
9
10
11

class Iter:
def __init__(self):
self.start=-1
def __iter__(self):
return self
def __next__(self):
self.start +=2
return self.start
I = Iter()
for count in range(5):
print(next(I))

題外話： 生成器是包含有__iter()和next__()方法的，所以可以直接使用for來迭代，而沒有包含StopIteration的自編Iter來只能通過手動循環來迭代。

Python

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

>>> from collections import Iterable
>>> from collections import Iterator
>>> isinstance(odd_num, Iterable)
True
>>> isinstance(odd_num, Iterator)
True
>>> iter(odd_num) is odd_num
True
>>> help(odd_num)
Help on generator object:

odd = class generator(object)
| Methods defined here:
|
| __iter__(self, /)
| Implement iter(self).
|
| __next__(self, /)
| Implement next(self).
......

看到上面的結果，現在你可以很有信心的按照Iterator的方式進行循環了吧！
在 for 循環執行時，每次循環都會執行 fab 函數內部的代碼，執行到 yield b 時，fab 函數就返回一個迭代值，下次迭代時，代碼從 yield b 的下一條語句繼續執行，而函數的本地變數看起來和上次中斷執行前是完全一樣的，於是函數繼續執行，直到再次遇到 yield。看起來就好像一個函數在正常執行的過程中被 yield 中斷了數次，每次中斷都會通過 yield 返回當前的迭代值。

yield 與 return
在一個生成器中，如果沒有return，則默認執行到函數完畢時返回StopIteration；

Python

1
2
3
4
5
6
7
8
9
10
11

>>> def g1():
... yield 1
...
>>> g=g1()
>>> next(g) #第一次調用next(g)時，會在執行完yield語句後掛起，所以此時程序並沒有執行結束。
1
>>> next(g) #程序試圖從yield語句的下一條語句開始執行，發現已經到了結尾，所以拋出StopIteration異常。
Traceback (most recent call last):
File "<stdin>", line 1, in <mole>
StopIteration
>>>

如果遇到return,如果在執行過程中 return，則直接拋出 StopIteration 終止迭代。

Python

1
2
3
4
5
6
7
8
9
10
11
12

>>> def g2():
... yield 'a'
... return
... yield 'b'
...
>>> g=g2()
>>> next(g) #程序停留在執行完yield 'a'語句後的位置。
'a'
>>> next(g) #程序發現下一條語句是return，所以拋出StopIteration異常，這樣yield 'b'語句永遠也不會執行。
Traceback (most recent call last):
File "<stdin>", line 1, in <mole>
StopIteration

如果在return後返回一個值，那麼這個值為StopIteration異常的說明，不是程序的返回值。
生成器沒有辦法使用return來返回值。

Python

1
2
3
4
5
6
7
8
9
10
11

>>> def g3():
... yield 'hello'
... return 'world'
...
>>> g=g3()
>>> next(g)
'hello'
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <mole>
StopIteration: world

生成器支持的方法

Python

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

>>> help(odd_num)
Help on generator object:

odd = class generator(object)
| Methods defined here:
......
| close(...)
| close() -> raise GeneratorExit inside generator.
|
| send(...)
| send(arg) -> send 'arg' into generator,
| return next yielded value or raise StopIteration.
|
| throw(...)
| throw(typ[,val[,tb]]) -> raise exception in generator,
| return next yielded value or raise StopIteration.
......

close()
手動關閉生成器函數，後面的調用會直接返回StopIteration異常。

Python

1
2
3
4
5
6
7
8
9
10
11
12
13

>>> def g4():
... yield 1
... yield 2
... yield 3
...
>>> g=g4()
>>> next(g)
1
>>> g.close()
>>> next(g) #關閉後，yield 2和yield 3語句將不再起作用
Traceback (most recent call last):
File "<stdin>", line 1, in <mole>
StopIteration

send()
生成器函數最大的特點是可以接受外部傳入的一個變數，並根據變數內容計算結果後返回。
這是生成器函數最難理解的地方，也是最重要的地方，實現後面我會講到的協程就全靠它了。

Python

1
2
3
4
5
6
7
8
9
10
11
12
13

def gen():
value=0
while True:
receive=yield value
if receive=='e':
break
value = 'got: %s' % receive

g=gen()
print(g.send(None))
print(g.send('aaa'))
print(g.send(3))
print(g.send('e'))

執行流程：
通過g.send(None)或者next(g)可以啟動生成器函數，並執行到第一個yield語句結束的位置。此時，執行完了yield語句，但是沒有給receive賦值。yield value會輸出初始值0注意：在啟動生成器函數時只能send(None),如果試圖輸入其它的值都會得到錯誤提示信息。
通過g.send(『aaa』)，會傳入aaa，並賦值給receive，然後計算出value的值，並回到while頭部，執行yield value語句有停止。此時yield value會輸出」got: aaa」，然後掛起。
通過g.send(3)，會重復第2步，最後輸出結果為」got: 3″
當我們g.send(『e』)時，程序會執行break然後推出循環，最後整個函數執行完畢，所以會得到StopIteration異常。
最後的執行結果如下：

Python

1
2
3
4
5
6
7

0
got: aaa
got: 3
Traceback (most recent call last):
File "h.py", line 14, in <mole>
print(g.send('e'))
StopIteration

throw()
用來向生成器函數送入一個異常，可以結束系統定義的異常，或者自定義的異常。
throw()後直接跑出異常並結束程序，或者消耗掉一個yield，或者在沒有下一個yield的時候直接進行到程序的結尾。

Python

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

def gen():
while True:
try:
yield 'normal value'
yield 'normal value 2'
print('here')
except ValueError:
print('we got ValueError here')
except TypeError:
break

g=gen()
print(next(g))
print(g.throw(ValueError))
print(next(g))
print(g.throw(TypeError))

輸出結果為：

Python

1
2
3
4
5
6
7
8

normal value
we got ValueError here
normal value
normal value 2
Traceback (most recent call last):
File "h.py", line 15, in <mole>
print(g.throw(TypeError))
StopIteration

解釋：
print(next(g))：會輸出normal value，並停留在yield 『normal value 2』之前。
由於執行了g.throw(ValueError)，所以會跳過所有後續的try語句，也就是說yield 『normal value 2』不會被執行，然後進入到except語句，列印出we got ValueError here。然後再次進入到while語句部分，消耗一個yield，所以會輸出normal value。
print(next(g))，會執行yield 『normal value 2』語句，並停留在執行完該語句後的位置。
g.throw(TypeError)：會跳出try語句，從而print(『here』)不會被執行，然後執行break語句，跳出while循環，然後到達程序結尾，所以跑出StopIteration異常。
下面給出一個綜合例子，用來把一個多維列表展開，或者說扁平化多維列表)

Python

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

def flatten(nested):

try:
#如果是字元串，那麼手動拋出TypeError。
if isinstance(nested, str):
raise TypeError
for sublist in nested:
#yield flatten(sublist)
for element in flatten(sublist):
#yield element
print('got:', element)
except TypeError:
#print('here')
yield nested

L=['aaadf',[1,2,3],2,4,[5,[6,[8,[9]],'ddf'],7]]
for num in flatten(L):
print(num)

如果理解起來有點困難，那麼把print語句的注釋打開在進行查看就比較明了了。

總結
按照鴨子模型理論，生成器就是一種迭代器，可以使用for進行迭代。
第一次執行next(generator)時，會執行完yield語句後程序進行掛起，所有的參數和狀態會進行保存。再一次執行next(generator)時，會從掛起的狀態開始往後執行。在遇到程序的結尾或者遇到StopIteration時，循環結束。
可以通過generator.send(arg)來傳入參數，這是協程模型。
可以通過generator.throw(exception)來傳入一個異常。throw語句會消耗掉一個yield。可以通過generator.close()來手動關閉生成器。
next()等價於send(None)

⑥ python 代碼生成器怎麼用

生成器是一個包含了特殊關鍵字yield的函數。當被調用的時候，生成器函數返回一個生成器。可以使用send，throw，close方法讓生成器和外界交互。
生成器也是迭代器，但是它不僅僅是迭代器，擁有next方法並且行為和迭代器完全相同。所以生成器也可以用於python的循環中，

生成器如何使用？

首先看一個例子：

復制代碼 代碼如下:

#!/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,

結果為1，2，3，4，5，6

遞歸生成器：

復制代碼 代碼如下:

#!/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

結果為：1 2 3 2 4 5 6 7

讓我們一起來看看生成器的本質

首先看下：

復制代碼 代碼如下:

#!/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!')

結果為：

復制代碼 代碼如下:

<function simple_generator at 0x10c76f6e0>
42
hello,world!

可以看出：
1）生成器就是一函數
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。

⑦ python迭代器和生成器區別是什麼

python中迭代器和生成器的區別

1、共同點

生成器是一種特殊的迭代器。

相關推薦：《Python視頻教程》

2、不同點

a、語法上：

生成器是通過函數的形式中調用 yield 或（）的形式創建的。

迭代器可以通過 iter（） 內置函數創建。

b、用法上：

生成器在調用next（）函數或for循環中，所有過程被執行，且返回值。

迭代器在調用next（）函數或for循環中，所有值被返回，沒有其他過程或動作。

⑧ 在python中有生成器的概念,請教一個問題

1. 迭代器協議

由於生成器自動實現了迭代器協議，而迭代器協議對很多人來說，也是一個較為抽象的概念。所以，為了更好的理解生成器，我們需要簡單的回顧一下迭代器協議的概念。
迭代器協議是指：對象需要提供next方法，它要麼返回迭代中的下一項，要麼就引起一個StopIteration異常，以終止迭代

可迭代對象就是：實現了迭代器協議的對象

協議是一種約定，可迭代對象實現迭代器協議，Python的內置工具(如for循環，sum，min，max函數等)使用迭代器協議訪問對象。

舉個例子：在所有語言中，我們都可以使用for循環來遍歷數組，Python的list底層實現是一個數組，所以，我們可以使用for循環來遍歷list。如下所示：
>>> for n in [1, 2, 3, 4]:
... print n

但是，對Python稍微熟悉一點的朋友應該知道，Python的for循環不但可以用來遍歷list，還可以用來遍歷文件對象，如下所示：
>>> with open(『/etc/passwd』) as f: # 文件對象提供迭代器協議
... for line in f: # for循環使用迭代器協議訪問文件

⑨ python生成器到底有什麼優點

在Python這門語言中，生成器毫無疑問是最有用的特性之一。與此同時，也是使用的最不廣泛的Python特性之一。究其原因，主要是因為，在其他主流語言裡面沒有生成器的概念。正是由於生成器是一個「新」的東西，所以，它一方面沒有引起廣大工程師的重視，另一方面，也增加了工程師的學習成本，最終導致大家錯過了Python中如此有用的一個特性。

1. 迭代器協議

由於生成器自動實現了迭代器協議，而迭代器協議對很多人來說，也是一個較為抽象的概念。所以，為了更好的理解生成器，我們需要簡單的回顧一下迭代器協議的概念。

迭代器協議是指：對象需要提供next方法，它要麼返回迭代中的下一項，要麼就引起一個StopIteration異常，以終止迭代

可迭代對象就是：實現了迭代器協議的對象

協議是一種約定，可迭代對象實現迭代器協議，Python的內置工具(如for循環，sum，min，max函數等)使用迭代器協議訪問對象。

舉個例子：在所有語言中，我們都可以使用for循環來遍歷數組，Python的list底層實現是一個數組，所以，我們可以使用for循環來遍歷list。

2. 生成器

Python使用生成器對延遲操作提供了支持。所謂延遲操作，是指在需要的時候才產生結果，而不是立即產生結果。這也是生成器的主要好處。

Python有兩種不同的方式提供生成器：

生成器函數：常規函數定義，但是，使用yield語句而不是return語句返回結果。yield語句一次返回一個結果，在每個結果中間，掛起函數的狀態，以便下次重它離開的地方繼續執行

生成器表達式：類似於列表推導，但是，生成器返回按需產生結果的一個對象，而不是一次構建一個結果列表

4. 使用生成器的注意事項

5. 總結

本文深入淺出地介紹了Python中，一個容易被大家忽略的重要特性，即Python的生成器。為了講解生成器，本文先介紹了迭代器協議，然後介紹了生成器函數和生成器表達式，並通過示例演示了生成器的優點和注意事項。在實際工作中，充分利用Python生成器，不但能夠減少內存使用，還能夠提高代碼可讀性。掌握生成器也是Python高手的標配。希望本文能夠幫助大家理解Python的生成器。

⑩ python生成器主要用在哪裡

就是生成相關數據，比如破解wifi密碼，生成很多密碼，通過python一個個試。