关于python：生成器理解究竟是如何工作的？

How exactly does a generator comprehension work?

生成器理解有什么作用？它是如何工作的？我找不到关于它的教程。

你明白清单的理解吗？如果是这样，生成器表达式就像一个列表理解，但它不会查找所有感兴趣的项并将它们打包到列表中，而是等待，并从表达式中逐个生成每个项。

python2版本：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

>>> my_list = [1, 3, 5, 9, 2, 6]
>>> filtered_list = [item for item in my_list if item > 3]
>>> print filtered_list
[5, 9, 6]
>>> len(filtered_list)
3
>>> # compare to generator expression
...
>>> filtered_gen = (item for item in my_list if item > 3)
>>> print filtered_gen # notice it's a generator object
<generator object at 0xb7d5e02c>
>>> len(filtered_gen) # So technically, it has no length
Traceback (most recent call last):
File"<stdin>", line 1, in <module>
TypeError: object of type 'generator' has no len()
>>> # We extract each item out individually. We'll do it manually first.
...
>>> filtered_gen.next()
5
>>> filtered_gen.next()
9
>>> filtered_gen.next()
6
>>> filtered_gen.next() # Should be all out of items and give an error
Traceback (most recent call last):
File"<stdin>", line 1, in <module>
StopIteration
>>> # Yup, the generator is spent. No values for you!
...
>>> # Let's prove it gives the same results as our list comprehension
...
>>> filtered_gen = (item for item in my_list if item > 3)
>>> gen_to_list = list(filtered_gen)
>>> print gen_to_list
[5, 9, 6]
>>> filtered_list == gen_to_list
True
>>>

python3版本：

将next()改为__next__()。

因为生成器表达式一次只需要生成一个项，所以可以大大节省内存使用量。生成器表达式在需要一次获取一个项、基于该项进行大量计算，然后转到下一个项的情况下最有意义。如果需要多个值，还可以使用生成器表达式，一次获取几个值。如果在程序进行之前需要所有值，请使用列表理解。

相关讨论

生成器理解是列表理解的懒惰版本。

它就像一个列表理解，只是它返回一个迭代器而不是列表，即一个带有next()方法的对象，该方法将生成下一个元素。

如果您不熟悉列表理解，请参见此处，对于生成器，请参见此处。

列表/生成器理解是一种构造，您可以使用它从现有列表/生成器创建新的列表/生成器。

假设您希望生成从1到10的每个数字的平方列表。在python中可以这样做：

1 2	>>> [x**2 for x in range(1,11)] [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

这里，range(1,11)生成列表[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]，但是range函数不是python 3.0之前的生成器，因此我使用的构造是列表理解。

如果我想创建一个执行相同操作的生成器，我可以这样做：

1 2	>>> (x**2 for x in xrange(1,11)) <generator object at 0x7f0a79273488>

然而，在Python3中，range是一个生成器，因此结果只取决于您使用的语法(方括号或圆括号)。

相关讨论

生成器理解是创建具有特定结构的生成器的简单方法。假设您想要一个逐条输出your_list中所有偶数的generator。如果使用函数样式创建它，则如下所示：

1
2
3
4
5
6

def allEvens( L ):
for number in L:
if number % 2 is 0:
yield number

evens = allEvens( yourList )

使用这个生成器理解表达式可以获得相同的结果：

1	evens = ( number for number in your_list if number % 2 == 0 )

在这两种情况下，当您调用next(evens)时，会在your_list中得到下一个偶数。

发电机理解的另一个例子：

1
2
3
4
5
6
7
8

print 'Generator comprehensions'

def sq_num(n):
for num in (x**2 for x in range(n)):
yield num

for x in sq_num(10):
print x

生成器理解是一种创建iterables的方法，类似于在资源上移动的光标。如果您知道mysql cursor或mongodb cursor，那么您可能会意识到整个实际数据不会一次加载到内存中，而是一次加载一个。光标来回移动，但内存中始终有一个单行/列表元素。

简而言之，通过使用生成器理解，您可以轻松地在Python中创建游标。