本文實例分析了Python中xrange與yield的用法。分享給大家供大家參考，具體如下：

range和xrange

Python提供了生成和返回整數(shù)序列的內(nèi)置函數(shù)range及xrange，雖然這兩個函數(shù)在功能上是差不多的，但其實現(xiàn)原理還是有差別的。range(n, m)返回的是一個從n到(m-1)的連續(xù)的整數(shù)列表，而xrange(n, m)返回的卻是一個特殊的目的對象，即xrange對象本身.

>>> 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返回的卻不是一個迭代器，所以 x = xrange(n, m), x.next()會出錯。假如需要返回一個迭代器，需要調(diào)用iter(xrange(….))

>>> x = iter(xrange(1, 5))
>>> x.next()
1
>>> x.next()
2

也就是，調(diào)用range和xrange程序在運行中占用的內(nèi)存是不一樣的。使用range，程序將首先生成一個list，然后再隱含調(diào)用list的iter獲取元素。而使用xrange，程序在每次循環(huán)產(chǎn)生的是一個xrange對象，這個對象是iterable，根據(jù)返回的這個xrange對象我們可以獲取元素。

生成器與yield

借助python的生成器，我們可以實現(xiàn)像內(nèi)置xrange函數(shù)的生成器，但這個生成器返回的是一個又浮點型值組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，在函數(shù)體出現(xiàn)一個或者多個yield，這個函數(shù)就是生成器(generator)。在調(diào)用生成器的時，系統(tǒng)不會執(zhí)行該生成器函數(shù)體。生成器被調(diào)用時將返回一個特殊的迭代器對象，這個個對象包含了生成器函數(shù)體、函數(shù)體的本地變量（包括函數(shù)體參數(shù)）以及當前的執(zhí)行位置。

在調(diào)用返回的迭代器對象的next方法時，生成器將執(zhí)行到下一個yield語句。

在執(zhí)行完yield語句時，函數(shù)的執(zhí)行將被“凍結”，保留執(zhí)行的當前位置和未經(jīng)使用的本地變量，并將yield語句的執(zhí)行結果返回作為next方法的結果。繼續(xù)調(diào)用next則繼續(xù)調(diào)用yield，直到函數(shù)體運行結束或者執(zhí)行了return語句（return語句不能含有表達式）。

最常見的，生成器可以用來構建迭代器。假如我們需要一個從1到N，然后從N到1的數(shù)字組成的序列，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,

當一個函數(shù)需要返回一個列表的時候，使用生成器可能更靈活。生成器可以構建一個誤解的迭代器，返回一個無限的結果序列。更進一步，生成器構建的迭代器執(zhí)行的是懶計算:只有函數(shù)需要時才會計算結果。

所以假如需要對一個序列進行迭代功能，可以考慮迭代器。

更多關于Python相關內(nèi)容感興趣的讀者可查看本站專題：《Python數(shù)學運算技巧總結》、《Python數(shù)據(jù)結構與算法教程》、《Python函數(shù)使用技巧總結》、《Python字符串操作技巧匯總》、《Python入門與進階經(jīng)典教程》及《Python文件與目錄操作技巧匯總》

希望本文所述對大家Python程序設計有所幫助。

最新評論