Question

我查看了问题Difference between function and generator?，但标记为重复。所以我在这里发布我的答案版本。

最初的问题是：

我正在寻找正常功能和发电机之间的确切区别。我已经用谷歌搜索了它。但所有结果都令人困惑。我是初学者，所以我期待一些简短而精确的例子。

我试过这个What is the difference between normal function and generator function?但没有使用。

我已经完成了这个What does the "yield" keyword do in Python?，但它纯粹是在谈论生成器，没有关于函数和生成器之间的区别。我需要一些帮助？

Answer 1

原则上，生成器对于其惰性求值是有效的内存。

生成器与返回数组的函数非常相似，因为生成器具有参数，可以调用，并生成一系列值。但是，不是生成包含所有值并一次返回所有值的数组，而是生成器yields一次一个值，这需要更少的内存并允许调用者立即开始处理前几个值。

简而言之，生成器看起来像function但行为类似于iterator。

from itertools import count

itertools提供count来生成无限的整数流。您可以给出开始和步骤来告知生成的流的开始和步进值。我将在以下示例中使用它。

for i in count(start=0, step=1):    
    print i

生成偶数列表的简单示例。

构建并返回一个列表：

def find_even_number_function(number_stream):
    even_number = []
    for n in number_stream:
        if n % 2 == 0:
            even_number.append(n)
    return even_number

for i in find_even_number_function(count()):
    print i

代码非常简单明了，但它在内存中构建了完整列表。在我们的例子中，这显然是不可接受的，因为我们不能将所有无限整数保留在内存中。如您所见，该功能永远不会停止。在这种情况下，我们将使用发电机。

yields项而不是返回列表的生成器

def find_even_number_generator(number_stream):
    for n in number_stream:
        if n % 2 == 0:
            yield n

for i in find_even_number_generator(count()):
    print i

请注意，数字生成逻辑的表达式清晰自然。它与在内存中构建列表的实现非常相似，但具有迭代器实现的内存使用特性。

使用生成器的性能提升是懒惰（按需）生成值的结果，这意味着更低的内存使用率。此外，在开始使用它们之前，我们不需要等到所有元素都已生成。这类似于迭代器提供的好处，但是生成器使构建迭代器变得容易。

所以简单来说，如果你对上面的情况使用普通函数，你将会耗尽内存。或者，如果您使用生成器功能，则会耗尽时间。

功能和发电机之间的区别？

1 个答案: