생성기는 내부적으로 __iter__ 및 __next__ 메서드를 갖는 특수 반복자입니다. >StopIteration 예외는 루프를 종료하지만 반복자와 비교하여 생성기는 "중간 값"을 저장하는 기능도 있으며 다음에 실행될 때 이 "중간 값"을 사용합니다. 생성기의 키워드는 yield입니다. 아래에서 가장 간단한 생성기를 작성해 보겠습니다. __iter__方法和__next__方法，在终止生成器的时候，还是会抛StopIteration异常以此来退出循环，只不过相比于迭代器，生成器还有特性会保存“中间值”，下次运行的时候，还会借助这个“中间值”来操作。生成器的关键字是yield，我们下面来写一个最简单的生成器。
#!/usr/bin/env python
def printNums():
i = 0
while i<10:
yield i
i = i + 1
def main():
for i in printNums():
print(i)
if __name__ == '__main__':
main()粗看代码，可能会觉着这个是个啥啊，为啥不直接用range来生成，偏偏要用yield，哎，不急，我们接着往下看为什么需要生成器，或者说，生成器解决了什么问题。
在说明这个问题之前，我们先来写一个需求，输出 0——10000000 以内的数据，而后运行查看导出内存运行截图。
这里可以借助python的memory_profiler模块来检测程序内存的占用情况。
安装memory_profiler库:
pip3 install memory_profiler
使用方法很简单，在需要检测的函数或者是代码前添加@profile装饰器即可，例如:
@profile
def main():
pass生成.dat文件
mprof run
导出图示，可以使用
mprof plot --output=filename
以下2个程序，都是输出0—9999999之间的数据，不同的是，第一个程序是使用range而后给append进list中，第二个则是使用迭代器来生成该数据。
main.py程序
@profile
def main():
data = list(range(10000000))
for i in data:
pass
if __name__ == '__main__':
main()main_2.py程序
def printNum():
i = 0
while i < 10000000:
yield i
i = i + 1
@profile
def main():
for i in printNum():
pass
if __name__ == '__main__':
main()代码也有了，就可以按照上述来运行一下程序，并且导出内存信息
main.py 运行内存图
main_2.py 运行内存图
如上2张对比图，当我们将数据叠加进列表，再输出的时候，占用内存接近400M，而使用迭代器来计算下一个值内存仅使用16M。
通过上述案例，我们应该知道为什么要使用生成器了吧。
由于生成器表达式yield语句涉及到了python解释权内部机制，所以很难查看其源码，很难获取其原理，不过我们可以利用yield的暂停机制，来探寻一下生成器。
可以编写如下代码：
def testGenerator():
print("进入生成器")
yield "pdudo"
print("第一次输出")
yield "juejin"
print("第二次输出")
def main():
xx = testGenerator()
print(next(xx))
print(next(xx))
if __name__ == '__main__':
main()运行后效果如下
通过上述实例，再结合下面这段生成器的运行过程，会加深对生成器的感触。
当python遇到yield语句时，会记录当前函数的运行状态，并且暂停执行，将结果抛出。会持续等待下一次调用__next__方法，该方法调用后，会恢复函数的运行，直至下一个yield语句或者函数结束，执行到最后没有yield函数可执行的时候，会抛StopIteration来标志生成器的结束。
在python中，生成器除了写在函数中，使用yield返回之外，还可以直接使用生成器表达式，额。。。可能很抽象，但是你看下面这段代码，你就明白了。
def printNums():
for i in [1,2,3,4,5]:
yield i
def main():
for i in printNums():
print(i)
gener = (i for i in [1,2,3,4,5])
for i in gener:
print(i)
if __name__ == '__main__':
main()其中，代码(i for i in [1,2,3,4,5])就等同于printNums函数，其类型都是生成器，我们可以使用typerrreee
range를 사용하여 생성하지 않고 yield를 사용하면 될까요? 걱정하지 마세요. 그러면 발전기가 왜 필요한지, 즉 발전기가 어떤 문제를 해결하는지 살펴보겠습니다. 파이썬 생성기가 필요한 이유
이 문제를 설명하기 전에 먼저 0-10000000 범위의 데이터를 출력하라는 요구 사항을 작성한 다음 실행하여 내보낸 메모리 작업의 스크린샷을 살펴보겠습니다.
python의 memory_profiler 모듈을 사용하여 프로그램의 메모리 사용량을 감지할 수 있습니다. 🎜🎜memory_profiler 라이브러리 설치: 🎜rrreee🎜 사용법은 매우 간단합니다. 감지해야 하는 함수나 코드 앞에 @profile 데코레이터를 추가하면 됩니다. 예를 들면 다음과 같습니다. 🎜rrreee🎜 .dat 파일 생성 🎜🎜mprof run🎜다이어그램을 내보내려면 🎜🎜
🎜mprof 플롯 --output=을 사용할 수 있습니다. filename🎜
range를 사용한 다음 list에 >append를 추가하고 두 번째는 반복자를 사용하여 데이터를 생성합니다. 🎜🎜main.pyProgram🎜rrreee🎜main_2.pyProgram🎜rrreee🎜main.py 메모리 그래프 실행🎜🎜
🎜🎜main_2.py 메모리 그래프 실행🎜🎜
🎜🎜위의 두 비교사진처럼 겹쳐보면 데이터를 목록에 추가하고 출력할 때 거의 400M의 메모리를 차지하지만 반복자를 사용하여 다음 값을 계산하는 데는 16M의 메모리만 사용됩니다. 🎜🎜위의 사례를 통해 우리가 발전기를 사용하는 이유를 알아야 합니다. 🎜🎜Python 생성기 원리🎜🎜생성기 표현식 yield 문은 python 해석 능력의 내부 메커니즘을 포함하기 때문에 소스 코드를 보고 원리를 파악하기가 어렵습니다. , yield의 일시 중지 메커니즘을 사용하여 생성기를 탐색할 수 있습니다. 🎜🎜다음 코드를 작성할 수 있습니다. 🎜rrreee🎜실행 후 효과는 다음과 같습니다🎜🎜🎜🎜위의 예를 통해 다음 생성기 작동 과정과 결합하여 생성기에 대한 이해가 깊어질 것입니다. 🎜🎜python이 yield 문을 발견하면 현재 함수의 실행 상태를 기록하고 실행을 일시 중지한 다음 결과를 발생시킵니다. __next__ 메서드에 대한 다음 호출을 계속 기다립니다. 이 메서드가 호출된 후 함수는 다음 yield 문이나 함수가 끝날 때까지 실행을 재개합니다. . 실행이 끝나면 가 없습니다. 항복 함수가 실행 가능하면 생성기의 끝을 표시하기 위해 StopIteration이 발생합니다. 🎜🎜생성기 표현식🎜🎜python에서는 함수에 생성기를 작성하고 yield를 사용하여 반환하는 것 외에도 생성기 표현식을 직접 사용할 수도 있습니다. . . 추상적일 수도 있지만, 아래 코드를 보시면 이해가 되실 겁니다. 🎜rrreee🎜그 중 (i for i in [1,2,3,4,5]) 코드는 printNums 함수와 동일하며 해당 유형은 다음과 같습니다. type을 사용하여 출력하여 살펴볼 수 있습니다. 🎜🎜코드를 변경하면 출력 결과는 다음과 같습니다.🎜🎜🎜🎜위 내용은 Python의 생성기는 어떻게 작동하나요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
