最近接触到了python生成器的具体使用场景，很有必要对之进行总结，下面就python生成器的原理和业务场景下的使用做一个简单的分析和记录。

目录

一、什么是生成器

二、生成器的实现和优点

2.1生成器表达式

2.2生成器函数

2.3 生成器的优点

三、生成器的应用实战

四、可迭代对象、迭代器和生成器

4.1可迭代对象（iterable）

4.2迭代器(iterator)

4.3生成器generator

五、yield关键字

一、什么是生成器

Python中有一种机制或者类型，它能够实现循环过程中，在有需要的时候进行生成做后续处理的一种机制——这个就是generator——生成器。

print(g)
print(type(g))*******************
<generator object <genexpr> at 0x7f02713e8a50>
<class 'generator'>

如在代码中输出的形式，这个时候我们就称g是生成器。

二、生成器的实现和优点

我们已经知道了生成器的一个模糊的定义，那么生成器是如何实现的呢？在Python中，常常有2种方式。

2.1生成器表达式

"""
计算1到5之间数的平方
"""
(ele*ele for ele in range(1,6))

如上面的代码中，()这种类似[]列表的表达式，最后生成的结果就是一个生成器——生成器表达式。遍历的时候一般都是直接使用for循环来遍历的，假如使用next()，会在结尾的时候抛出一个停止的异常，这种遍历方式就不太友好。直接for循环：

"""
计算1到5之间数的平方
"""
s = (ele*ele for ele in range(1,6))
print(s)
#生成器的遍历
for ele in s:print(ele)

结果如下：

2.2生成器函数

生成器函数这里和普通函数有一些差别，普通函数在返回值的时候，使用的return关键字，而在生成器函数中就是用的是yield关键字。可以理解为，只要函数中有yield关键字那么该函数就是一个生成器函数。

"""
生成器函数
"""
def produce_generator():temp = []for ele in range(1,5):s = list(range(1,ele+1))temp.extend(s)if len(temp)>=3:yield temptemp = []

代码中的produce_generator()就使用了yield关键字，这里的含义就是每当程序执行到yield的时候，程序就暂停在这里，处于挂起状态，有点JAVA中多线程的挂起的意味。然后把返回的东西返回以后，再继续执行原来的程序，不是重新开始，而是接着暂停的地方继续执行，有点断点续传的意味。

那么这个生成器函数返回的东西也是需要for循环遍历，才能获取到其中的值的。

"""
生成器函数
"""
def produce_generator():temp = []for ele in range(1,5):s = list(range(1,ele+1))temp.extend(s)if len(temp)>=3:yield temptemp = []gen = produce_generator()
print(gen)
#生成器遍历
for ele in gen:print(type(ele))print(len(ele))print(ele)print('*'*len(ele))

遍历结果如下：

2.3 生成器的优点

就上而言，看了生成器的定义和实现方式，那么生成器到底具有什么样的优点呢？

首先从代码可读性上来说，有人说合理使用生成器会增加代码的可读性，但是我个人觉得，这个几乎算不上生成器的优点。当然我也不认为生成器能增加代码的可读性，不管是生成器表达式还是生成器函数，感觉并没有和其他非生成器在代码可读性上有什么不一样。

那么优点我认为就是生成器在没有牺牲很多的速度情况下，释放了内存，再一定的业务场景下，支持大数据的操作。举例,上代码：

if __name__ == '__main__':a = []for i in tqdm(range(100000000)):temp = ['你好']*2000a.append(temp)for ele in a:continue

list a得到结果后，做下游处理——下游处理的时候应该是单次处理的。这里是1亿词次循环，每次往list a中添加一个list元素，这样最后的结果是list a非常巨大，消耗内存就要爆炸呀。如图：

可以看到32G内存已经占用了80%左右的内存，而数据才跑了1%。这里就可以使用生成器来解决这个问题——这个就是生成器的核心优势——不一次全部把数据加载进来，在需要的时候才加载进来。这样就能够避免大量的内存消耗，当然这里肯定是有一部分速度的损失的。

那么改用生成器来实现

def get_list_element():for i in tqdm(range(100000000)):temp = ['你好']*2000yield tempif __name__ == '__main__':a = get_list_element()for ele in a:# print(ele)continue

看看运行内存情况：

可以看到数据运行了27%，内存占用还是4G，没有增大。这就使得这个程序能够正常的运行下去，而不用生成器的话就会导致内存爆炸，从而程序中断，电脑卡死。

三、生成器的应用实战

OK，来感受一下，实战的魅力！

场景需求

一个保存了400W条分词后的中文文本数据的文件，每条数据大概200-400个词，电脑内存32G，现在需要统计词频，用做后续算法的处理。

这个问题该怎么处理呢？我理解到的方法，就是很简单直接用生成器，然后喂给Collection.Counter()就可以统计出词频了，也恰好Collection.Counter()支持生成器输入。

上代码：

def get_sentence_words(path):files = os.listdir(path)for file in files:file_path = os.path.join(path, file)with open(file_path, 'r') as f:for line in tqdm(f, desc='read sentence_cuts'):line = line.strip().split(' ')for word in line:yield wordif __name__ == '__main__':words_gen = get_sentence_words('data_set/sentence_cut')weight_dict = Counter(words_gen)print('len(weight_dict)',len(weight_dict))total = 0for v in weight_dict.values():total += vprint('total words is %d'% total)

看结果显示：

可以看到490W条数据84秒读完，总计4.17亿词，去重还剩下91W词。内存也没有爆炸

四、可迭代对象、迭代器和生成器

在Python中，这三个概念还是容易混淆的，很有必要做一个学习总结。

4.1可迭代对象（iterable）

什么是可迭代对象，简单的理解就是可以用作for循环上的一些对象就是可迭代对象。常见的可以迭代对象有哪些呢？

列表、元组、字典、集合字符串和open()打开的文件

从代码角度来说，对象内部实现了__iter__()方法或者实现了__getitem__()的方法。

4.2迭代器(iterator)

迭代器是相对于可迭代对象(iterable)来说的，迭代器是继承了可迭代对象的。它相对于It而able而言，它实现了__iter__()和__next()__方法。另外，迭代器不会一次性把所有的元素都加载到内存中，只是在需要的时候才返回结果。可以把一个可迭代对象通过一定的方法转变为迭代器。

pro_lau = ['Python','Java','C++'] # 列表是一个可迭代对象a = iter(pro_lau) # 由可迭代对象的iter方法返回一个迭代器

4.3生成器generator

生成器就是一种特殊的迭代器，可以由关键字yield来实现；同时迭代器并不是生成器，因为迭代器并没有生成器的部分功能，如数据传入功能。

总之迭代器和生成器在一定的功能上具有很高的相似性，都能起到节约内存的作用——就这个特点，就值得我们去学习，然后应用到编程中。

最后附上一张图，来自博客——Python中的可迭代对象、迭代器和生成器的异同点

五、yield关键字

这个知识点对我来说感觉有点冷门，我也是第一次看到生成器了才遇到它。语义上，屈服让步，产出等，我的理解它的作用就是让步，让某个任务先执行。常见的一些用途和用法主要有以下4个：

1、形成生成器

2、协程

3.上下文管理器

4、yield from

推荐知乎上有关yield关键字的一个全面的回到——Python 的关键字 yield 有哪些用法和用途？