Python生成器函数详解

"02-51-生成器函数.pptx" 在Python编程语言中，生成器函数是一种高级特性，它允许程序员以一种简洁而高效的方式处理大量数据序列。生成器函数是创建生成器（generator）的主要手段，生成器本质上是实现了迭代器协议的对象，即具有`__iter__()`和`__next__()`方法。生成器的优势在于它们可以在迭代过程中按需生成值，而不是一次性将整个序列加载到内存中，这对于处理大数据集或者无限序列特别有用。 生成器函数的定义与普通函数非常相似，但有一个关键的区别：它们使用`yield`语句而不是`return`语句来返回数据。当一个函数包含`yield`时，它就变成了一个生成器函数。每次调用生成器对象的`__next__()`方法（通过迭代或隐式调用，如`for`循环）时，执行会从上次`yield`语句暂停的地方继续，直到遇到下一个`yield`或函数结束。 `yield`与`return`的区别在于，`yield`语句会暂停函数的执行，保存当前所有局部变量的状态，并返回一个值给调用者。当函数再次被调用时，它会从上一次`yield`之后的代码开始执行，而不是从函数的开头。而`return`语句则会终止函数的执行，下次调用时会重新执行函数的全部代码。 协同程序（coroutine）是与生成器相关的概念，它们是可以暂停和恢复执行的函数。生成器函数可以被视为一种特殊的协同程序，因为它们可以在需要时暂停执行并保存状态，然后在下一次迭代时恢复。这种机制使得生成器函数非常适合处理异步操作和并发任务，因为它允许程序在等待I/O操作或其他事件时“挂起”并执行其他任务。 以下是一个简单的生成器函数示例，用于生成偶数序列： ```python def even_numbers(n): i = 0 while i < n: yield i * 2 i += 1 # 使用生成器函数 for num in even_numbers(5): print(num) ``` 在这个例子中，`even_numbers`函数是一个生成器函数，它不会一次性生成所有偶数，而是在每次迭代时计算并返回一个偶数，直到达到指定的数量`n`。这种方式节省了内存，尤其是当`n`非常大时。 生成器函数是Python中处理大量数据或实现迭代逻辑的重要工具。它们提供了更高效、更灵活的内存管理和代码结构，是Python高级编程中的一个核心概念。在处理流式数据、文件读写、网络请求等场景时，生成器函数往往能提供更优的解决方案。