Python中xrange与yield的用法实例分析
本文实例分析了Python中xrange与yield的用法。分享给大家供大家参考,具体如下:
range和xrange
Python提供了生成和返回整数序列的内置函数range及xrange,虽然这两个函数在功能上是差不多的,但其实现原理还是有差别的。range(n, m)
返回的是一个从n到(m-1)的连续的整数列表,而xrange(n, m)
返回的却是一个特殊的目的对象,即xrange对象本身.
>>> range(1, 5) [1, 2, 3, 4] >>> xrange(1, 5) xrange(1, 5) >>> type(xrange(1, 5)) <type 'xrange'>
但在python2.x中xrange返回的却不是一个迭代器,所以 x = xrange(n, m), x.next()
会出错。假如需要返回一个迭代器,需要调用iter(xrange(….))
>>> x = iter(xrange(1, 5)) >>> x.next() 1 >>> x.next() 2
也就是,调用range和xrange程序在运行中占用的内存是不一样的。使用range,程序将首先生成一个list,然后再隐含调用list的iter获取元素。而使用xrange,程序在每次循环产生的是一个xrange对象,这个对象是iterable,根据返回的这个xrange对象我们可以获取元素。
生成器与yield
借助python的生成器,我们可以实现像内置xrange函数的生成器,但这个生成器返回的是一个又浮点型值组成的序列而不是整型序列。
>>> def frange(start, stop, step=1.0): while start < stop: yield start start += step >>> frange(1.0, 5.0) <generator object frange at 0x01343148> >>> for i in frange(1.0, 5.0): print i, 1.0 2.0 3.0 4.0 >>> x = iter(frange(1.0, 5.0)) >>> x.next() 1.0 >>> x.next() 2.0
在python中,在函数体出现一个或者多个yield,这个函数就是生成器(generator)。在调用生成器的时,系统不会执行该生成器函数体。生成器被调用时将返回一个特殊的迭代器对象,这个个对象包含了生成器函数体、函数体的本地变量(包括函数体参数)以及当前的执行位置。
在调用返回的迭代器对象的next方法时,生成器将执行到下一个yield语句。
在执行完yield语句时,函数的执行将被“冻结”,保留执行的当前位置和未经使用的本地变量,并将yield语句的执行结果返回作为next方法的结果。继续调用next则继续调用yield,直到函数体运行结束或者执行了return语句(return语句不能含有表达式)。
最常见的,生成器可以用来构建迭代器。假如我们需要一个从1到N,然后从N到1的数字组成的序列,可以使用生成器:
>>> def updown(N): for x in xrange(1, N): yield x for x in xrange(N, 0, -1): yield x >>> for i in updown(5): print i,
当一个函数需要返回一个列表的时候,使用生成器可能更灵活。生成器可以构建一个误解的迭代器,返回一个无限的结果序列。更进一步,生成器构建的迭代器执行的是懒计算:只有函数需要时才会计算结果。
所以假如需要对一个序列进行迭代功能,可以考虑迭代器。
更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。