上一节（6.3生产者/消费者）|下一节（7个高级主题）6.4更多关于生成器本节介绍其他与生成器相关的主题，包括生成器表达式和itertools模块。生成器表达式生成器表达式可以理解为生成器版本的列表理解：>>>a=[1,2,3,4]>>>b=(2*xforxina)>>>b>>>foriinb:...print(i,end='')...2468>>>generatorexpression和listlistcomprehension区别：唯一有用的目的是不构造alist一旦被消费就迭代，不能重复使用生成器表达式语法：(foriinsif)生成器表达式也可以作为函数参数：sum(x*xforxina)生成器表达式可以应用于任何迭代：>>>a=[1,2,3,4]>>>b=(x*xforxina)>>>c=(-xforxinb)>>>foriinc:...print(i,end='')...-1-4-9-16>>>代码中的生成器表达式中的主要用途之一是对序列进行计算，但只使用一次结果。例如，跳过文件中的所有注释。f=open('somefile.txt')lines=(lineforlineinfifnotline.startswith('#'))forlineinlines:...f.close()使用生成器，代码运行速度更快并且占用更少的内存，类似于应用于流的过滤器。WhyUseGenerators很多问题都表现为迭代的形式，遍历集合中的元素，进行一些操作（如查找、替换、修改等）。处理流水线可以应用于各种数据处理问题。更高效的内存只在需要时生成值。不要构建庞大的列表。对流数据进行操作。生成器表达式通过将迭代与使用它的代码分开来鼓励代码重用。构建迭代函数的工具箱，混合和匹配（mix-n-match）各种工具。itertools模块itertools是Python自带的库模块，包含各种旨在帮助开发迭代器/生成器的函数。itertools.chain(s1,s2)itertools.count(n)itertools.cycle(s)itertools.dropwhile(predicate,s)itertools.groupby(s)itertools.ifilter(predicate,s)itertools.imap(function,s1,...sN)itertools.repeat(s,n)itertools.tee(s,ncopies)itertools.izip(s1,...,sN)itertools模块中的所有函数迭代处理数据。此外，这些函数实现了各种迭代模式。有关生成器的更多信息，请参阅PyCon'08的系统程序员生成器技巧教程。练习在前面的练习中，我们编写了代码来监视写入日志文件的数据并将其解析为一系列行。本练习将基于上一个练习的代码，因此请确保Data/stocksim.py仍在运行。练习6.13：生成器表达式生成器表达式是列表推导式的生成器版本。示例：>>>nums=[1,2,3,4,5]>>>squares=(x*xforxinnums)>>>squaresat0x109207e60>>>>forninsquares:...print(n)...1491625与列表理解不同，生成器表达式只能使用一次。因此，如果在遍历生成器中的所有元素之后再遍历生成器，你将一无所获。>>>forninsquares:...print(n)...>>>练习6.14：函数参数中的生成器表达式有时生成器表达式用作函数参数。虽然这看起来很奇怪，但试试这个实验：>>>nums=[1,2,3,4,5]>>>sum([x*xforxinnums])#Alistcomprehension55>>>sum(x*xforxinnums)#Ageneratorexpression55>>>在上面的例子中，如果你正在操作巨大的列表，使用生成器的第二个版本将占用更少的内存。在portfolio.py文件中，我们执行一些与列表相关的计算，尝试用生成器表达式替换它们。练习6.15：简化代码通常，简单的生成器函数可以用生成器表达式代替。例如，与其编写这样的函数：deffilter_symbols(rows,names):forrowinrows:ifrow['name']innames:yieldrow，而是使用生成器表达式：rows=(rowforrowinrowsifrow['name']innames)请修改ticker.py程序以适当地使用生成器表达式。目录|上一节（6.3生产者/消费者）|NextSection(7AdvancedTopics)注：完整翻译见https://github.com/codists/practical-python-zh
