Python中的yield关键字,掌握生成器的精髓

2024-05-25 22:04

本文主要是介绍Python中的yield关键字,掌握生成器的精髓,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Python 中的 yield 关键字用于定义一个生成器(generator)。生成器是一种特殊的迭代器,它允许你逐个产生值,而不是一次性创建并返回一个包含所有值的列表。使用 yield 的函数被称为生成器函数,它们在执行时不会直接返回值,而是在每次迭代时返回一个值。

基本生成器函数

def my_generator():yield 1yield 2yield 3

使用生成器函数时,你可以这样做:

gen = my_generator()
print(next(gen))  # 输出: 1
print(next(gen))  # 输出: 2
print(next(gen))  # 输出: 3

迭代生成器

生成器可以直接用于 for 循环:

for value in my_generator():print(value)

使用 yield 进行复杂的迭代

yield 不仅可以用于简单的值返回,还可以用于复杂的迭代逻辑,包括多层嵌套循环。

def power_two(max):for number in range(1, max + 1):yield number * 2for power in power_two(5):print(power)

发送值到生成器

生成器函数可以通过 send() 方法接收值。这允许在生成器的执行过程中进行更复杂的交互。

def echo():while True:print("输出值前")value = yieldprint(f"收到值: {value}")gen = echo()
next(gen)  # 初始化生成器,进入循环
gen.send(42)  # 输出: 收到值: 42
gen.send(10) # 输出: 收到值: 10

使用 yield from

yield from 允许你在生成器中委托给另一个生成器或迭代器,这有助于简化代码并避免多层嵌套。

def leaf():yield '叶'yield '子'def branch():yield '枝'yield from leaf()yield '条'for item in branch():print(item)

异常处理

生成器也支持 tryexceptfinally 语句,用于处理可能出现的异常。

def simple_generator():try:yield 1yield 2except ValueError as e:yield str(e)finally:yield '完成'for value in simple_generator():print(value)

生成器的 __iter____next__ 方法

生成器默认实现了 __iter____next__ 方法,这使得它们可以被用作迭代器。

gen = my_generator()
print(gen.__next__())  # 输出: 1
print(gen.__next__())  # 输出: 2
print(gen.__next__())  # 输出: 3

结论

yield 关键字在Python中提供了一种优雅的方式来创建生成器,它们是实现迭代协议的强大工具。生成器在内存使用上非常高效,因为它们不需要一次性存储所有值,而是按需产生值。这使得生成器非常适合处理大数据集或无限序列。

这篇关于Python中的yield关键字,掌握生成器的精髓的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1002741

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

Oracle Start With关键字

Oracle Start With关键字 前言 旨在记录一些Oracle使用中遇到的各种各样的问题. 同时希望能帮到和我遇到同样问题的人. Start With (树查询) 问题描述: 在数据库中, 有一种比较常见得 设计模式, 层级结构 设计模式, 具体到 Oracle table中, 字段特点如下: ID, DSC, PID; 三个字段, 分别表示 当前标识的 ID(主键), DSC 当

关键字synchronized、volatile的比较

关键字volatile是线程同步的轻量级实现,所以volatile性能肯定比synchronized要好,并且volatile只能修饰于变量,而synchronized可以修饰方法,以及代码块。随着JDK新版本的发布,synchronized关键字的执行效率上得到很大提升,在开发中使用synchronized关键字的比率还是比较大的。多线程访问volatile不会发生阻塞,而synchronize

生信代码入门:从零开始掌握生物信息学编程技能

少走弯路,高效分析;了解生信云,访问 【生信圆桌x生信专用云服务器】 : www.tebteb.cc 介绍 生物信息学是一个高度跨学科的领域,结合了生物学、计算机科学和统计学。随着高通量测序技术的发展,海量的生物数据需要通过编程来进行处理和分析。因此,掌握生信编程技能,成为每一个生物信息学研究者的必备能力。 生信代码入门,旨在帮助初学者从零开始学习生物信息学中的编程基础。通过学习常用