摘要：為什么是斐波那契談到生成器迭代器，人們總是喜歡用斐波那契數(shù)列來(lái)舉例。那么，換句話來(lái)說(shuō)，即能由推導(dǎo)式得出的數(shù)列，其實(shí)都可以用來(lái)做生成器迭代器的例子。然而，生成器和生成器類的實(shí)例都屬于迭代器。

“Python有什么好學(xué)的”這句話可不是反問(wèn)句，而是問(wèn)句哦。

主要是煎魚(yú)覺(jué)得太多的人覺(jué)得Python的語(yǔ)法較為簡(jiǎn)單，寫出來(lái)的代碼只要符合邏輯，不需要太多的學(xué)習(xí)即可，即可從一門其他語(yǔ)言跳來(lái)用Python寫（當(dāng)然這樣是好事，誰(shuí)都希望入門簡(jiǎn)單）。

于是我便記錄一下，如果要學(xué)Python的話，到底有什么好學(xué)的。記錄一下Python有什么值得學(xué)的，對(duì)比其他語(yǔ)言有什么特別的地方，有什么樣的代碼寫出來(lái)更Pythonic。一路回味，一路學(xué)習(xí)。

談到生成器/迭代器，人們總是喜歡用斐波那契數(shù)列來(lái)舉例。

斐波那契數(shù)列，數(shù)學(xué)表示為a(1)=0, a(2)=1, a(i)=a(i-1)+a(i-2) (i>=3)：
0 1 1 2 3 5 8 13 21 ...
用一句話說(shuō)，就是第三位數(shù)起，當(dāng)前這位數(shù)是前兩位的和。

當(dāng)然，使用斐波那契來(lái)舉例是一個(gè)很合適的選擇。

那么，為什么說(shuō)到生成器/迭代器就喜歡斐波那契，而不是其他呢？

斐波那契數(shù)列有一個(gè)特征：當(dāng)前這位數(shù)的值，可以通過(guò)前兩位數(shù)的值推導(dǎo)出來(lái)。比如，我知道了第n位數(shù)是5，第n+1位數(shù)是8，那我就可以輕易地得出，第n+2位必然是5+8=13。

即，斐波那契數(shù)是可以通過(guò)推導(dǎo)式得出的。

就是這樣一種類似于冥冥注定的感覺(jué)：當(dāng)前的平行空間，是由你之前的選擇決定的。而且是欽定好的，你接下來(lái)的每一步，其實(shí)都已經(jīng)被決定了，由什么決定呢，由你以前走過(guò)的路決定的。

那么，換句話來(lái)說(shuō)，即能由推導(dǎo)式得出的數(shù)列，其實(shí)都可以用來(lái)做生成器/迭代器的例子。例如，煎魚(yú)用一條式子y(n)=y(n-1)^2 + 1 (n>=1), y(1)=1，一樣能拿來(lái)當(dāng)例子。

既然這樣，那就用y(n)=y(n-1)^2 + 1 (n>=1), y(1)=1吧。

一開(kāi)始，人們的思想很簡(jiǎn)單，如果要求y(n)=y(n-1)^2 + 1 (n>=1), y(1)=1中y數(shù)列的第13位，即y(13)，那很簡(jiǎn)單，就輪詢到13個(gè)就好了。

def y():
    y_current = 1
    n = 1
    while n < 13:
        y_current = y_current ** 2 + 1
        n += 1
        print(n, y_current)

輸出也挺長(zhǎng)的，就截個(gè)圖算了：

這個(gè)時(shí)候，這個(gè)代碼是完全夠用的。接下來(lái)，煎魚(yú)加點(diǎn)需求（PM般的獰笑）：

暴露n的值，n值可以作為參數(shù)輸入，即我需要控制數(shù)列計(jì)算到哪

函數(shù)返回（輸出）整個(gè)數(shù)列

接下來(lái)，函數(shù)改成：

def y(n_max):
    y_current = 0
    n = 0
    ret_list = []
    while n < n_max:
        y_current = y_current ** 2 + 1
        n += 1
        ret_list.append(y_current)

    return ret_list


if __name__ == "__main__":
    for i in y(13):
        print(i)

看起來(lái)沒(méi)什么毛病，完全符合要求。但是，問(wèn)題出現(xiàn)在當(dāng)函數(shù)的參數(shù)n_max較大的時(shí)候。要多大呢，煎魚(yú)嘗試輸出n_max=13000000，即：

if __name__ == "__main__":
    for i in y(13000000):
        print(i)

我們看得出來(lái)，這個(gè)函數(shù)的計(jì)算量十分大，以煎魚(yú)當(dāng)前的電腦配置（Macbook pro 2017 i5 8G RAM），等了一兩分鐘還沒(méi)結(jié)束，只好強(qiáng)行中斷了。

程序?yàn)槭裁纯敲淳媚亍Ｒ驗(yàn)樵诤瘮?shù)的邏輯中，程序試圖將13000000個(gè)值都計(jì)算出來(lái)再返回list以供外接輪詢，而且這13000000個(gè)一個(gè)比一個(gè)難算（越來(lái)越大，指數(shù)增長(zhǎng)）。同時(shí)，該list也占了龐大的內(nèi)存空間。

到了這個(gè)時(shí)候，煎魚(yú)終于要引入生成器了。

其實(shí)煎魚(yú)就加入了一個(gè)yield，并稍作修改：

def y_with_yield(n_max):
    y_current = 0
    n = 0
    while n < n_max:
        y_current = y_current ** 2 + 1
        n += 1
        yield y_current
        
if __name__ == "__main__":
    for i in y_with_yield(13000000):
        print(i)

雖然屏幕滾動(dòng)得很慢，但是起碼是在實(shí)時(shí)地滾動(dòng)的。

加入了yield變成這樣，其實(shí)就是搞成了一個(gè)簡(jiǎn)單的生成器。在這里，生成器的作用有：

for i in y_with_yield(13000000)的循環(huán)中，每一次循環(huán)程序才會(huì)進(jìn)入函數(shù)去計(jì)算，而不會(huì)把全部結(jié)果都計(jì)算出來(lái)再返回

由于不會(huì)把全部結(jié)果都計(jì)算出來(lái)再返回，程序運(yùn)行所需的內(nèi)存也大幅地減少

暫時(shí)給出初步結(jié)論：

這個(gè)小生成器在較大數(shù)據(jù)的計(jì)算量時(shí)，有較大的優(yōu)勢(shì)

程序把推導(dǎo)式的計(jì)算通過(guò)yield分散了，降低了cpu和內(nèi)存的壓力

如果沒(méi)有煎魚(yú)的需求，這一切都白搭且多余

我們?cè)賮?lái)看下生成器的其他用途吧。

在讀文件或處理文件時(shí)使用緩存是很有必要的，因?yàn)槲覀兛偸遣恢牢募?huì)有多大，文件的大小會(huì)不會(huì)把程序給拖垮。

煎魚(yú)新建一個(gè)文件（假設(shè)叫test.txt），并往其中寫入文本，運(yùn)行以下代碼：

def read_file(file_path):

    BLOCK_SIZE = 100
    with open(file_path, "rb") as f:
        while True:
            block = f.read(BLOCK_SIZE)
            if block:
                yield block
            else:
                return


if __name__ == "__main__":
    for i in read_file("./test.txt"):
        print(i)
        print("--------------block-split--------------")

我們把100個(gè)長(zhǎng)度分為一個(gè)block，這個(gè)block就相當(dāng)于我們的緩存：先從文件中讀100個(gè)，然后讓程序處理這100個(gè)字符（此處處理為print），再讀下一個(gè)100。其中block-split的輸出是為了讓我們更好地辯識(shí)出block的頭尾。

通過(guò)yield瞎搞出來(lái)的簡(jiǎn)易生成器有一個(gè)很大的限制，就是必須要在循環(huán)內(nèi)。

雖然“迭代”和“循環(huán)”有關(guān)聯(lián)，但是當(dāng)生成器的生成邏輯無(wú)比復(fù)雜時(shí)，比如“推導(dǎo)”的方法已經(jīng)無(wú)法用數(shù)學(xué)推導(dǎo)式表達(dá)時(shí)，或者某種場(chǎng)景下的業(yè)務(wù)邏輯比較復(fù)雜以至于無(wú)法直接通過(guò)循環(huán)表達(dá)時(shí)，生成器類來(lái)了。

生成器類看起來(lái)很簡(jiǎn)單，其實(shí)就是將煎魚(yú)在上面寫的簡(jiǎn)單生成器寫成一個(gè)類。

重點(diǎn)就是，我們得找到“推導(dǎo)”，推導(dǎo)在這里是指next函數(shù) —— 我們實(shí)現(xiàn)的生成器類最重要的就是next()。

我們來(lái)實(shí)現(xiàn)上面的y函數(shù)的生成器類：

class Y(object):

    def __init__(self, n_max):
        self.n_max = n_max
        self.n = 0
        self.y = 0

    def __iter__(self):
        return self

    def next(self):
        if self.n < self.n_max:
            self.y = self.y ** 2 + 1
            self.n += 1
            return self.y
        raise StopIteration()


if __name__ == "__main__":
    y = Y(13)
    for i in y:
        print(i)

有幾點(diǎn)是需要注意的：

類需要包含__iter__()函數(shù)，而返回的不一定是self，但是需要生成器

實(shí)現(xiàn)next方法，“迭代”的邏輯請(qǐng)放到該函數(shù)里面

如果需要引入別的庫(kù)或者寫別的函數(shù)，可以在類中隨便加

接下來(lái)，煎魚(yú)帶來(lái)一段很無(wú)聊的表演，來(lái)表示__iter__()函數(shù)而返回的不一定是self：

class SuperY(object):

    def __init__(self, n_max):
        self.n_max = n_max

    def __iter__(self):
        return Y(self.n_max)

if __name__ == "__main__":
    sy = SuperY(13)
    for i in sy:
        print(i)

這段代碼的輸出和上一段一模一樣。

這里照妖鏡的意思，指一個(gè)能鑒別某對(duì)象（甚至不是對(duì)象）是否一個(gè)生成器的東西。

說(shuō)起來(lái)，可能會(huì)有點(diǎn)多余而且零碎。

其中有三個(gè)函數(shù)：

isgeneratorfunction()，字面意思，是否生成器函數(shù)

isgenerator()，還是字面意思，是否生成器

isinstance()，這個(gè)指某對(duì)象是否為某個(gè)類的實(shí)例

我們把前面寫過(guò)的y（帶yield的函數(shù)），和Y（生成器類）導(dǎo)入后，進(jìn)行實(shí)驗(yàn)觀察：

from use_yield import y_with_yield as y
from iter_obj import Y
from inspect import isgeneratorfunction, isgenerator
from types import GeneratorType
from collections import Iterator

if __name__ == "__main__":
    print(isgeneratorfunction(y))  # True
    print(isgeneratorfunction(Y))  # False
    print(isgeneratorfunction(y(5)))  # False
    print(isgeneratorfunction(Y(5)))  # False
    print(isgenerator(y))  # False
    print(isgenerator(Y))  # False
    print(isgenerator(y(5)))  # True
    print(isgenerator(Y(5)))  # False

    print("")

    print(isinstance(y, GeneratorType))  # False
    print(isinstance(y(5), GeneratorType))  # True
    print(isinstance(Y, GeneratorType))  # False
    print(isinstance(Y(5), GeneratorType))  # False

    print("")

    print(isinstance(y, Iterator))  # False
    print(isinstance(y(5), Iterator))  # True
    print(isinstance(Y, Iterator))  # False
    print(isinstance(Y(5), Iterator))  # True

實(shí)驗(yàn)的結(jié)論為：

帶yield的y函數(shù)是一個(gè)生成器函數(shù)，帶yield的y函數(shù)帶上參數(shù)5后，稱為了生成器。因?yàn)閥是函數(shù)的引用，而帶上了參數(shù)5后，y(5)就不再是函數(shù)了，而是通過(guò)yield進(jìn)化成了生成器。

生成器是類GeneratorType的實(shí)例，但很遺憾的是，生成器類的實(shí)例不是生成器（黑人問(wèn)號(hào)）。

然而，生成器y(5)和生成器類的實(shí)例都屬于迭代器。

Python里面，range和xrange有什么不同，用哪個(gè)更好，為什么？

對(duì)的，就是和生成器有關(guān)系，嘿嘿。

先這樣吧

若有錯(cuò)誤之處請(qǐng)指出，更多地請(qǐng)關(guān)注造殼。