正文
Python——通过斐波那契数列来理解生成器
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
一、生成器（generator）
先来看看一个简单的菲波那切数列，出第一个和第二个外，任意一个数都是由前两个数相加得到的。如：0,1,1,2,3,5,8,13......
输入斐波那契数列前N个数：
def fab(max):
n, a, b = 0, 0, 1
while n < max:
print b
a, b = b, a + b
n = n + 1
结果：
>>> fib(100)
1
1
2
3
5
8
13
但是，要提高 fib 函数的可复用性，最好不要直接打印出数列，而是返回一个 List。每次循环将b的值append到一个list中。
然而，问题又来了。。。
该函数在运行中占用的内存会随着参数 max 的增大而增大，如果要控制内存占用，最好不要用 List来保存中间结果，而是通过 iterable 对象来迭代。
在python2 中：
for i in range(1000): pass
range会生成一个含有1000个元素的list，极大地浪费了内存空间。
for i in xrange(1000): pass
而改进后的xrange则生成一个可迭代（iterable）对象，每次迭代时返回下一个数值，占用空间极少。
如此，我们可以利用iterable来写一个fib类：
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()
然后,for循环会在每次循环中自动调用next()方法，不断返回数列的下一个数。占用内存始终为常数。
>>> for n in Fab(5):
... print(n)
虽然实现了需求，但用class实现的fib并不简洁，由此我们可以引入yield。
def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b
# print(b)
a, b = b, a + b
n = n + 1
然后：
>>> for n in fab(5):
... print(n)
yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 fib(5) 不会执行 fab 函数，而是返回一个 iterable 对象在 for 循环执行时，每次循环都会执行 fib 函数内部的代码，执行到 yield b 时，fib 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。
手动执行过程：
>>> f = fab(5)
>>> f.next()
1
>>> f.next()
1
>>> f.next()
2
>>> f.next()
3
>>> f.next()
5
>>> f.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
当函数执行结束时，generator 自动抛出 StopIteration 异常，表示迭代完成。在 for 循环里，无需处理 StopIteration 异常，循环会正常结束。
一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭代值，下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。
