python yield 和 yield from用法总结

#例1. 简单输出斐波那契數列前 N 个数
#缺点:该函数可复用性较差,因为 fab 函数返回 None,其他函数无法获得该函数生成的数列
#要提高 fab 函数的可复用性,最好不要直接打印出数列,而是返回一个 List。
def fab1(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b,end=‘ ‘)
        a, b = b, a + b
        n = n + 1
fab1(5)

#例 2.
#缺点:该函数在运行中占用的内存会随着参数 max 的增大而增大,如果要控制内存占用,
#最好不要用 List 来保存中间结果,而是通过 iterable 对象来迭代  
def fab2(max):
    n, a, b = 0, 0, 1
    L = []
    while n < max:
        L.append(b)
        a, b = b, a + b
        n = n + 1
    return L

#例3
#说明: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。
def fab3(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        # print b
        a, b = b, a + b
        n = n + 1
f=fab3(5)
print("f是一个可迭代对象,并没有执行函数")
print(f)
print(‘fab3返回的是一个iterable 对象,可以用for循环获取值‘)
for n in f:
    print(n)

#例4:
#说明:yield from iterable本质上等于for item in iterable: yield item的缩写版    

def f_wrapper1(f):
    for g  in f:
        yield g
wrap = f_wrapper1(fab3(5))
for i in wrap:
    print(i,end=‘ ‘)

print(‘\n使用yield from代替for循环‘)
def f_wrapper2(f):
     yield from f#注意此处必须是一个可生成对象
wrap = f_wrapper2(fab3(5))
for i in wrap:
    print(i,end=‘ ‘)
print(‘\n---------------------‘)

print(‘yield from包含多个子程序‘)
def g(x):
    yield from range(x, 0, -1)
    yield from range(x)
print(list(g(5)))
for g  in g(6):
    print(g,end=‘,‘)

print(‘\n---------------------‘)  注意红色部分就是替代的部分,yield from iterable本质上等于for item in iterable: yield item的缩写版    
#例5 利用yield from语句向生成器(协程)传送数据
#传统的生产者-消费者模型是一个线程写消息,一个线程取消息,通过锁机制控制队列和等待,但一不小心就可能死锁。
#如果改用协程,生产者生产消息后,直接通过yield跳转到消费者开始执行,待消费者执行完毕后,换回生产者继续生产,效率极高:
def  consumer_work(len):
    # 读取send传进的数据,并模拟进行处理数据
    print("writer:")
    w=‘‘
    while True:
        w = yield w    # w接收send传进的数据,同时也是返回的数据
        print(‘[CONSUMER] Consuming %s...>> ‘, w)
        w*=len #将返回的数据乘以100
        time.sleep(0.1)
def consumer(coro):
    yield from coro#将数据传递到协程(生成器)对象中

def produce(c):
    c.send(None)# "prime" the coroutine
    for i in range(5):
        print(‘[Produce] Producing %s----‘, i)
        w=c.send(i)#发送完成后进入协程中执行
        print(‘[Produce] receive %s----‘, w)
    c.close()

c1=consumer_work(100)
produce(consumer(c1))

执行结果:writer:[Produce] Producing %s---- 0[CONSUMER] Consuming %s...>>  0[Produce] receive %s---- 0[Produce] Producing %s---- 1[CONSUMER] Consuming %s...>>  1[Produce] receive %s---- 100[Produce] Producing %s---- 2[CONSUMER] Consuming %s...>>  2[Produce] receive %s---- 200[Produce] Producing %s---- 3[CONSUMER] Consuming %s...>>  3[Produce] receive %s---- 300[Produce] Producing %s---- 4[CONSUMER] Consuming %s...>>  4[Produce] receive %s---- 400

yield from一般掌握这两种用法即可;
时间: 2024-10-13 14:30:53

python yield 和 yield from用法总结的相关文章

关于Python中的yield

关于Python中的yield http://www.cnblogs.com/tqsummer/archive/2010/12/27/1917927.html http://www.ibm.com/developerworks/cn/opensource/os-cn-python-yield/ 一.迭代器(iterator) 在Python中,for循环可以用于Python中的任何类型,包括列表.元祖等等,实际上,for循环可用于任何“可迭代对象”,这其实就是迭代器 迭代器是一个实现了迭代器协议

Python生成器(yield)

对于调用一个普通的Python函数,一般是从函数的第一行代码开始执行,结束于return语句.异常或者函数所有语句执行完毕.一旦函数将控制权交还给调用者,就意味着全部结束.函数中做的所有工作以及保存在局部变量中的数据都将丢失.再次调用这个函数时,一切都将从头创建.Python是通过生成器来实现类似于协同程序的概念:生成器可以暂时挂起函数,并保留函数的局部变量等数据,然后在再次调用它的时候,从上次暂停的位置继续执行下去. 提高你的 Python:解释 yield 和 Generators(生成器)

python中的yield

例如这个函数 def fab(max): n, a, b = 0, 0, 1 while n < max: yield b # print b a, b = b, a + b n = n + 1 简单地讲,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

Python 深入理解yield

只是粗略的知道yield可以用来为一个函数返回值塞数据,比如下面的例子: for i in alist:        yield i + 1 取出alist的每一项,然后把i + 1塞进去.然后通过调用取出每一项: = [1, 2, 3, 4]for x in addlist(alist):    print x, 这的确是yield应用的一个例子,但是,看过limodou的文章<2.5版yield之学习心得>,并自己反复体验后,对yield有了一个全新的理解. 1. 包含yield的函数

Python generator 的yield (enumerate)

生成杨辉三角 1 1 1 1 2 1 1 3 3 1 1 4 6 4 1 1 5 10 10 5 1 1 def triangles(max): 2 L = [1,] 3 while len(L) - 1 < max: 4 yield L #### yield 会print 然后会停止循环, 接下来不会得到下一个L 5 L.append(0) 6 L = [L[x] + L[x - 1] for x,y in enumerate(L)] #找规律 下标直接用enmerate 而不用ij ## 7

python yield、yield from与协程

从生成器到协程 协程是指一个过程,这个过程与调用方协作,产出由调用方提供的值.生成器的调用方可以使用 .send(...)方法发送数据,发送的数据会成为yield表达式的值.因此,生成器可以作为协程使用. 从句法上看,生成器与协程都是包含yield关键字的函数.但是,在协程中,yield通常出现在表达式的右边(* = yield *),可以产出值一可以不产出(yield关键字后边没有表达式,产出None). 协程有四个状态: GEN_CREATED:等待开始执行 GEN_RUNNING:正在执行

Python3.4 yield 与 yield from

yield 语法 这一篇日志主要是参考Python 3: Using "yield from" in Generators. 上一篇博文介绍了yield的使用,现在在写一个例子: class Node: def __init__(self,value): self.left = [] self.value = value self.right = [] def node_iterate(self): for value in self.child_iterate(self.left):

60、简述 yield和yield from关键字。

1.可迭代对象与迭代器的区别 可迭代对象:指的是具备可迭代的能力,即enumerable.  在Python中指的是可以通过for-in 语句去逐个访问元素的一些对象,比如元组tuple,列表list,字符串string,文件对象file 等. 迭代器:指的是通过另一种方式去一个一个访问可迭代对象中的元素,即enumerator.在python中指的是给内置函数iter()传递一个可迭代对象作为参数,返回的那个对象就是迭代器,然后通过迭代器的next()方法逐个去访问. 2.生成器 生成器的本质

python处理word文件:win32com用法详解

目标:用python处理doc文件 方法:引入win32com模块 ************************************************************************** 一.安装 ************************************************************************** 首先要先下载安装win32com模块(起先在linux下装不成功,后在windows下面成功了...) 下载地址:http

Python: sort,sorted,OrderedDict的用法

Python: sort,sorted,OrderedDict的用法 from http://stqdd.com/archives/427 by 莫亚菜 python对容器内数据的排序有两种,一种是容器自己的sort函数,一种是内建的sorted函数. sort函数和sorted函数唯一的不同是,sort是在容器内排序,sorted生成一个新的排好序的容器. 对于一个简单的数组 L=[5,2,3,1,4]. sort: L.sort() sorted(...)    sorted(iterabl