Python 30 天 – 第 15 天 – 生成器（什么是生成器）

def my_generator(max):  
  num = 0  
  while num < 3:  
    yield num  
    num +=1  
  
result = my_generator(3)  
print(next(result)) # 0  
print(next(result)) # 1  
print(next(result)) # 2  
print(next(result)) # Stop Iteration Error 

当迭代完成时（在上述情况下，一旦 num = 3），生成器函数会在进一步next调用时自动引发 StopIteration 异常。如果使用 for 循环迭代同一个生成器，一旦生成器引发 StopIteration，循环将自动停止。for 循环在内部处理并终止。

使用生成器的性能优势

生成器函数是内存高效的。在处理需要大量处理来计算结果的大量数据时，生成器确实派上用场。内存是一种有限资源，我们的系统只能在内存中保存有限数量的数据。

例如，如果我们必须创建一个函数来接受一个数字并打印斐波那契数列直到该数字，传统的方法将是这样的

def fibonacci(num):  
  sequence = []  
  a,b = 0,1  
  for item in range(num):  
    sequence.append(a)  
    temp = a  
    a = b  
    b = temp + b  
  return sequence  
  
result = fibonacci(20)  
print(result) # prints the fibonacci sequence  

在上面的函数中，整个序列作为列表存储在内存中。只有在整个序列存储在内存中后才会打印结果。当数量很少时，这通常很好。但是，如果数量很大，内存使用量会急剧增加，如果内存溢出，甚至可能会杀死进程。

使用生成器可以提高上述功能的内存效率

def fibonacci_generator(num):  
  a,b = 0,1  
  for item in range(num):  
    yield a  
    temp = a  
    a = b  
    b = temp + b  
  
for num in fibonacci_generator(20):  
  print(num)  

在这种情况下，一次只有一个值存储在内存中，因此即使提供的数字非常大，它也可以打印值。

Composition

生成器可以组合在一起，换句话说，它们可以通过管道连接在一起以组合来自不同生成器的结果。

例如，如果我们必须创建一个每个值都平方的斐波那契数列，则可以使用两个生成器函数来组合它们。

def fibonacci_generator(num):  
  a,b = 0,1  
  for item in range(num):  
    yield a  
    temp = a  
    a = b  
    b = temp + b  
  
def square(nums):  
  for num in nums:  
    yield num**2  
  
result = square(fibonacci_generator(5))  
  
for num in result:  
  print(num) # 0 1 1 4 9  

这种组合在计算大型数据集并分层对它们应用不同的操作时非常有用。

这就是关于 Python 中生成器的全部内容。今天探索生成器帮助我巩固了围绕这个概念的心智模型，我现在可能也可以想出在 JavaScript 中实现它们的方法。

明天标志着当前 Python 挑战的第三周开始，根据我计划的路线图，我将探索 Python 中的另一个重要主题 – 模块。我相信这会很有趣。