You are here
python iter yield
上一篇文章我们涉及到了函数，在最后一部分我们提到了yield 表达式，注意 yield产生的是表达式
为了便于理解我们从常见的斐波那契函数开始谈起，最容易让人想起的算法（至少对我而言是函数递归调用）
代码如下：
1 2 3 4 5 | #common fab-styledef fab_ver1(n): if n == 1 or n == 0: return 1 return fab_ver1(n-1)+fab_ver1(n-2) |
那我们就继续改进吧，代码如下；
1 2 3 4 5 6 | def fab(max): n, a, b = 0, 0, 1 while n < max: print b a, b = b, a + b n = n + 1 |
该实现的有点是避免了递归调用，但是一个一个缺点就是返回值不容易获得，解决方法也很简单，可以定义list，
通过list.append来保存所有的结果
1 2 3 4 5 6 7 8 | def fab(max): n, a, b = 0, 0, 1 fab_list= [] while n < max: fab_list.append(b) a, b = b, a + b n = n + 1 return fab_list |
这段代码同时存在的问题就是，当n很大的时候，保存结果的list将变得很庞大，虽然现在大多数的开发已不关心内存问题，但是这是
一个基本功的问题，我们可以略微的提高一下自己的水平哈
1 2 | for i in range(10):for i in xrange(10): |
range(...)
range([start,] stop[, step]) -> list of integers
Return a list containing an arithmetic progression of integers.
class xrange(object)
| xrange([start,] stop[, step]) -> xrange object
|
| Like range(), but instead of returning a list, returns an object that
| generates the numbers in the range on demand. For looping, this is
| slightly faster than range() and more memory efficient.
这下子你知道这二者的区别了吧？一个是返回list，另一个是返回一个xrange object，iteratorable object，也就是下一个
满足条件的object，且后者的速度明显要快于前者，更省内存--多快好省的事才会讨得领导欢心~~~~~~~····
那我们的函数能否也每一次都返回一个fab值呢？
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 | class Fab(object): def __init__(self, max): self.max = max self.n, self.a, self.b = 0, 0, 1 def __iter__(self): return self def next(self): if self.n < self.max: r = self.b self.a, self.b = self.b, self.a + self.b self.n = self.n + 1 return r raise StopIteration() |
现在就可以步入正题了，那就是使用 yield 表达式
1 2 3 4 5 6 7 8 | def fab(): a,b = 0,1 while 1: a,b=b,a+b yield bgf=fab()for i in xrange(10): print '%4d' % gf.next(), |
代码看起是不很simple，但是看起来是不是有点奇怪？
实现解释几个概念：
gf=fab() 这里的gf不是你的’gf',而是generator的意思，注意这里虽然是定义成gf,但是它是一个generator，注意
后面没有了，只是generator，
fab() 才是 generator function
fab()在调用的时候，并不执行，它的主要目的就是生成我们的GF，
那如何调用该函数呢？方法是通过NEXT 方法，注意next方法虽然能使函数执行，但是函数在遇到yield时变返回调用者，被调用者fab此时被
‘frozen‘（官方文档）= suspension（个人理解），此时被调用者状态会被保留下，直至下一次next调用或是抛出异常，也就是当调用者在此调用fab函数时，fab会resume，
即被被调用者函数能回复到上次程序suspension是的状态。调用者通过使用next方法来resume 被调用函数，被调用函数在遇到yield时，suspension自己。
还有一点需要强调的就是 yield 是表达式，那么表达式就是可以求值的，因此调用者此时就可以获取返回者，此例中为斐波那契值
在前面文章中，我们介绍了函数有很多属性，貌似generator 还有有点不一样，测试几个，结果如下：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | def fab(): """this is doc string """ a,b = 0,1 while 1: a,b=b,a+b yield bgf=fab()g=fab()print g,gffor i in xrange(10): print '%4d' % gf.next(), print gf.__doc__,gf.__name__print gf.__class__,gf.__format__, |
<generator object fab at 0x01E38620> <generator object fab at 0x01E385F8>
1 2 3 5 8 13 21 34 55 89 None fab
<type 'generator'> <built-in method __format__ of generator object at 0x01E385F8>
程序输出的第一行说明，每次调用generator function，都是返回 generator，但是二者的地址是不同的对象，这样在各自调用的时候就互不影响了~~~~~~~~~~~~~~~~·属性的部分由知道的比较详细的可以告诉我
PS：
Generator functions
A function or method which uses the yield statement (see section The yield statement) is called a generator function. Such a function, when called, always returns an iterator object which can be used to execute the body of the function: calling the iterator’s next()method will cause the function to execute until it provides a value using the yield statement. When the function executes a returnstatement or falls off the end, a StopIteration exception is raised and the iterator will have reached the end of the set of values to be returned.
generator A function which returns an iterator. It looks like a normal function except that it contains yield statements for producing a series a values usable in a for-loop or that can be retrieved one at a time with the next() function. Each yield temporarily suspends processing, remembering the location execution state (including local variables and pending try-statements). When the generator resumes, it picks-up where it left-off (in contrast to functions which start fresh on every invocation).
参考文档：
http://www.ibm.com/developerworks/cn/opensource/os-cn-python-yield/
python manual
来自 http://blog.chinaunix.net/uid-22334392-id-3480710.html