Python生成器通过yield、生成器表达式或类实现，可惰性产出值以节省内存。1. 生成器函数用yield返回值并暂停执行；2. 生成器表达式语法简洁，适合简单转换；3. 类实现__iter__和__next__方法，适用于复杂状态管理；4. 支持send、close、throw等高级操作，用于协程与异常控制。
Python生成器是一种特殊的函数，能够按需产生值，节省内存并提升性能。它在遍历大量数据时特别有用。以下是创建Python生成器的几种常用方法整理。
1. 使用生成器函数（yield关键字）
最常见的方式是定义一个包含 yield 的函数。调用该函数时返回一个生成器对象，每次迭代时逐个产出值。
函数中使用 yield 而不是 return每次遇到 yield 暂停执行，保存状态，下次从该位置继续适合实现惰性计算和无限序列
示例：
uBrand Logo生成器
uBrand Logo生成器是一款强大的AI智能LOGO设计工具。
57 查看详情 
def count_up_to(n): num = 1 while num <= n: yield num num += 1gen = count_up_to(5)for value in gen:print(value) # 输出 1 到 5
2. 使用生成器表达式
类似于列表推导式，但使用圆括号 ()，返回的是生成器对象，不立即占用全部内存。
立即学习“Python免费学习笔记（深入）”；
语法简洁，适合简单数据转换或过滤不会像列表推导那样一次性生成所有元素
示例：
squares = (x**2 for x in range(1, 6))for sq in squares: print(sq) # 输出 1, 4, 9, 16, 25
3. 使用类定义生成器（__iter__ 和 __next__）
通过定义类并实现迭代协议，手动控制生成逻辑。适用于需要维护复杂状态的场景。
类中实现 __iter__() 返回自身实现 __next__() 定义每次返回的值，到末尾抛出 StopIteration灵活性高，但代码量比函数方式多
示例：
class CountDown: def __init__(self, start): self.start = startdef __iter__(self): return selfdef __next__(self): if self.start <= 0: raise StopIteration self.start -= 1 return self.start + 1gen = CountDown(3)for n in gen:print(n) # 输出 3, 2, 1
4. 生成器中的高级用法
生成器支持一些进阶操作，如传值、关闭、异常处理等。
send()：向生成器传递值，用于协程场景close()：手动关闭生成器，触发 GeneratorExit 异常throw()：在生成器内部抛出异常
send() 示例：
def echo_generator(): while True: received = yield print(f"Received: {received}")gen = echo_generator()next(gen) # 启动生成器gen.send("Hello") # 输出: Received: Hellogen.send("World")
基本上就这些。掌握这几种方法，就能灵活应对各种需要延迟加载或高效处理数据流的场景。不复杂但容易忽略细节，比如必须先调用 next() 才能使用 send()。
以上就是python生成器创建的方法整理的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/570416.html
微信扫一扫 
支付宝扫一扫 
