生成器理解如何工作？

问题描述：

生成器理解有什么用？它是如何工作的？我找不到关于它的教程。

解决方案 1：

你理解列表推导式吗？如果理解的话，生成器表达式就像列表推导式，但它不会找到你感兴趣的所有项并将它们打包到列表中，而是等待，然后逐一从表达式中生成每个项。

>>> 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 <genexpr> at 0x7f2ad75f89e0>
>>> 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.
... 
>>> next(filtered_gen)
5
>>> next(filtered_gen)
9
>>> next(filtered_gen)
6
>>> next(filtered_gen) # 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
>>> 

由于生成器表达式每次只需生成一个项，因此可以大大节省内存使用量。在需要每次获取一个项、基于该项进行大量计算，然后转到下一个项的情况下，生成器表达式最有意义。如果需要多个值，也可以使用生成器表达式并一次获取几个值。如果在程序继续运行之前需要所有值，请改用列表推导式。

解决方案 2：

生成器推导是列表推导的惰性版本。

它就像一个列表推导，只是它返回一个迭代器而不是列表，即一个具有 next() 方法的对象，它将产生下一个元素。

如果您不熟悉列表推导，请参见此处；如果您不熟悉生成器，请参见此处。

解决方案 3：

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。

假设你想要生成从 1 到 10 的每个数字的平方列表。你可以在 Python 中执行此操作：

>>> [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]，但是该range函数在 Python 3.0 之前不是生成器，因此我使用的构造是列表推导式。

如果我想创建一个执行相同操作的生成器，我可以这样做：

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

然而，在 Python 3 中range是一个生成器，因此结果仅取决于您使用的语法（方括号或圆括号）。

解决方案 4：

生成器理解是一种创建具有特定结构的生成器的简单方法。假设您想要一个generator逐个输出 中的所有偶数your_list。如果您使用函数样式创建它，它将如下所示：

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

evens = allEvens( yourList )

你可以用这个生成器理解表达式获得相同的结果：

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

在这两种情况下，当您调用时，next(evens)您会得到下一个偶数your_list。

解决方案 5：

生成器理解是一种创建可迭代对象的方法，类似于在资源上移动的游标。如果您了解 mysql 游标或 mongodb 游标，您可能知道整个实际数据永远不会一次加载到内存中，而是一次加载一个。您的游标来回移动，但内存中始终有一个行/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。

解决方案 6：

生成器理解的另一个例子：

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 

解决方案 7：

生成器与列表完全相同，细微的差别在于，在列表中，我们一次获得列表中所有需要的数字或项目，但在生成器中，需要的数字是一次产生一个。因此，为了获得所需的项目，我们必须使用 for 循环来获取所有需要的项目。

#to get all the even numbers in given range
 
def allevens(n):
    for x in range(2,n):
        if x%2==0:
            yield x

for x in allevens(10)
print(x)

#output
2
4
6
8

解决方案 8：

我们可以将其理解为列表推导的生成器版本。在列表推导的情况下，我们使用单行代码或短代码创建，而对于生成器推导，我们为生成器编写单行代码或小代码。它们具有相同的语法，只需将 []（方括号）替换为 () 花括号即可。

generator_composition_object = (num**3 for num in range(5))
print(generator_composition_object)

这将给出类型生成器对象的地址。我们还可以在此使用 next() 之类的功能。