python之yield和Generator深入解析
首先我們從一個小程序?qū)?,各定一個list,找出其中的素數(shù),我們會這樣寫
import math def is_Prims(number): if number == 2: return True //除2以外的所有偶數(shù)都不是素數(shù) elif number % 2 == 0: return False //如果一個數(shù)能被除1和本身之外的數(shù)整除,則為合數(shù)。其實我們的判定范圍到根號n就可以 for cur in range(2,int(math.sqrt(number))+1,2): if number % cur == 0: return False else: return True def get_Prims(input_list): result_list = list() for element in input_list: if is_Prims(element): result_list.append(element) return result_list aa = get_Prims([1,2,3,4,5,6,7,8,9]) print (aa)
但如果我們想給定一個數(shù),然后列出比這個數(shù)大的所有素數(shù)呢?我們可能這樣寫:
def get_Prims(number): if is_Prims(number): return number
但是一旦return函數(shù)將控制權(quán)交給調(diào)用者后徹底結(jié)束,任何局部變量和函數(shù)工作都被丟棄,下一次調(diào)用又會從頭開始。因此我們就可以用一下寫法:
def get_Prims(number): while(True): if is_Prims(number): yield number number += 1 def get_numbers(): total = list() for next_prim in get_Prims(2): if next_prim < 100: total.append(next_prim) else: print(total) return get_numbers()
下面解釋一下generator函數(shù),一個函數(shù)的def代碼里包含了yield,函數(shù)就自動成為了一個generator函數(shù)(及時仍包含有return),generator函數(shù)創(chuàng)建generator(一種特殊形式的迭代器,這個迭代器有一個內(nèi)置__next__()方法),當(dāng)需要一個值的時候通過yield來產(chǎn)生而不是直接return,因此與一般函數(shù)不同的是,此時控制權(quán)并未交出。
for循環(huán)會隱式的調(diào)用next()函數(shù),next()函數(shù)負責(zé)調(diào)用generator中的__next__()方法,此時generator負責(zé)返回一個值給任何調(diào)用next()的方法,利用yield將此值傳回去,相當(dāng)于return語句。
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
Python數(shù)學(xué)符號計算庫SymPy使用方法詳解
SymPy?是一個?Python?的數(shù)學(xué)符號計算庫,提供了強大的工具來進行符號數(shù)學(xué)運算、代數(shù)操作、求解方程、微積分、矩陣運算等,它廣泛應(yīng)用于數(shù)學(xué)教學(xué)、物理學(xué)、工程學(xué)、統(tǒng)計學(xué)和概率論等領(lǐng)域,本文將結(jié)合具體案例,詳細介紹?SymPy?的使用方法,需要的朋友可以參考下2024-08-08Python sklearn庫實現(xiàn)PCA教程(以鳶尾花分類為例)
今天小編就為大家分享一篇Python sklearn庫實現(xiàn)PCA教程(以鳶尾花分類為例),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02Python深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)殘差塊
這篇文章主要為大家介紹了Python深度學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)殘差塊示例詳解有需要的 朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步2021-10-10一文帶你深入理解Python的`functools.lru_cache`裝飾器
Python中的functools.lru_cache裝飾器是一個非常有用的裝飾器,它可以幫助我們優(yōu)化遞歸函數(shù),避免重復(fù)計算已經(jīng)計算過的值,在這篇文章中,我們將探討?functools.lru_cache?的工作原理以及如何使用它,感興趣的朋友跟著小編一起來學(xué)習(xí)吧2023-07-07