python中的yield和return的區別
return返回的是一個list列表，而yield每次調用只返回一個數值，毫無疑問，使用return空間開銷比較大，尤其是操作巨量數據的時候，操作一個大列表時間開銷也會得不償失
yield 生成器相比 return一次返回所有結果的優勢：
（1）反應更迅速
（2）更節省空間
（3）使用更靈活
yield和return的關係和區別：帶yield的函數是一個生成器，而不是一個函數了，這個生成器有一個函數就是next函數，next就相當於“下一步”生成哪個數，這一次的next開始的地方是接着上一次的next停止的地方執行的，所以調用next的時候，生成器並不會從foo函數的開始執行，只是接着上一步停止的地方開始，然後遇到yield後，return出要生成的數，此步就結束。
可以看出，yield 輸出的是一個對象，相當於是一個容器，想取什麼數據就取出什麼，而return 只會返回一個值，且return後面的代碼不會執行。
迭代器Iterables
迭代器就是你創建一個列表，你可以一個個的讀取。
lists,strings,files 等都是可以迭代的，只要你可以用for ... in ...,但是你必須把它們的值放到內存裏,當它們有很多值時就會消耗太多的內存.
lists = [1,2,3,4]
mys = [x*x for x in range(3)]
for i in mylist:
print(i)
生成器generator
生成器也是迭代器,即迭代器包括生成器，但是你只能迭代他們一次，因爲他們不是全部在內存中，他們只有在調用的時候在內存中生成。
mygenerator = (x*x for x in range(3))
for i in mygenerator:
print(i)
但是生成器是用（）而不是用[]
還有你不能用for i in mygenerator第二次調用生成器
因爲其計算完就丟棄。
Yield
Yield的用法和關鍵字return差不多,下面的函數將會返回一個生成器
def createGenerator():
... mylist = range(3)
... for i in mylist:
... yield i*i
...
>>> mygenerator = createGenerator() # 創建生成器
>>> print(mygenerator) # mygenerator is an object!
<generator object createGenerator at 0xb7555c34>
>>> for i in mygenerator:
... print(i)
當for語句第一次調用函數裏返回的生成器對象,函數裏的代碼就開始運作,直到碰到yield,然後會返回本次循環的第一個返回值.所以下一次調用也將運行一次循環然後返回下一個值,直到沒有值可以返回.
一旦函數運行並沒有碰到yeild語句就認爲生成器已經爲空了.原因有可能是循環結束或者沒有滿足if/else之類的.
extend()是一個列表對象的方法,它可以把一個迭代對象添加進列表
生成器的好處
- 你不需要讀這個值兩次
- 你能得到許多孩子節點但是你不希望他們全部存入內存.
- 這種方法之所以能很好的運行是因爲Python不關心方法的參數是不是一個列表.它只希望接受一個迭代器,所以不管是strings,lists,tuples或者generators都可以!
- 這種方法叫做duck typing,
控制迭代器窮盡
class Bank(): # 讓我們建個銀行,生產許多ATM
... crisis = False
... def create_atm(self):
... while not self.crisis:
... yield "$100"
>>> hsbc = Bank() # 當一切就緒了你想要多少ATM就給你多少
>>> corner_street_atm = hsbc.create_atm()
>>> print(corner_street_atm.next())
$100
>>> print(corner_street_atm.next())
$100
>>> print([corner_street_atm.next() for cash in range(5)])
['$100', '$100', '$100', '$100', '$100']
>>> hsbc.crisis = True # cao,經濟危機來了沒有錢了!
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # 對於其他ATM,它還是True
>>> print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # 麻煩的是,儘管危機過去了,ATM還是空的
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # 只能重新新建一個bank了
>>> for cash in brand_new_atm:
... print cash
迭代進階 itertools
設置起點和步長
itertools.count(start=0, step=1)
from itertools import *
for i in izip(count(1), ['a', 'b', 'c']):
print i
(1, 'a')
(2, 'b')
(3, 'c')
itertools.cycle(iterable)
from itertools import *
i = 0
for item in cycle(['a', 'b', 'c']):
i += 1
if i == 10:
break
print (i, item)
(1, 'a')
(2, 'b')
(3, 'c')
(4, 'a')
(5, 'b')
(6, 'c')
(7, 'a')
(8, 'b')
(9, 'c')
itertools.repeat(object[, times])
from itertools import *
for i in repeat('over-and-over', 5):
print i
over-and-over
over-and-over
over-and-over
over-and-over
over-and-over
itertools.chain(*iterables)
將多個迭代器作爲參數, 但只返回單個迭代器, 它產生所有參數迭代器的內容, 就好像他們是來自於一個單一的序列.
from itertools import *
for i in chain([1, 2, 3], ['a', 'b', 'c']):
print i
1
2
3
a
b
c
itertools.groupby(iterable[, key])
from itertools import groupby
qs = [{'date' : 1},{'date' : 2}]
[(name, list(group)) for name, group in itertools.groupby(qs, lambda p:p['date'])]
Out[77]: [(1, [{'date': 1}]), (2, [{'date': 2}])]
>>> from itertools import *
>>> a = ['aa', 'ab', 'abc', 'bcd', 'abcde']
>>> for i, k in groupby(a, len):
... print i, list(k)
...
2 ['aa', 'ab']
3 ['abc', 'bcd']
5 ['abcde']
itertools.permutations
horses = [1, 2, 3, 4]
>>> races = itertools.permutations(horses)
>>> print(races)
<itertools.permutations object at 0xb754f1dc>
>>> print(list(itertools.permutations(horses)))
[(1, 2, 3, 4),
(1, 2, 4, 3),
(1, 3, 2, 4),
...
更多的見
(http://www.wklken.me/posts/2013/08/20/python-extra-itertools.html)