函数和生成器的区别？

Question

我查看了问题/sf/ask/2090490251/但它被标记为重复。所以我在这里发布我的答案版本。

原来的问题是：

我正在寻找普通函数和生成器之间的确切区别。我已经用谷歌搜索过了。但所有的结果都令人困惑。我是初学者，所以我期待一些简短而精确的例子。

我试过这个普通函数和生成器函数有什么区别？但没有用。

我已经经历过这个“yield”关键字有什么作用？但这纯粹是在谈论生成器，函数和生成器之间没有任何区别。我需要帮助？

Answer 1

原则上，生成器因其惰性求值而具有内存效率。

甲发生器是非常相似的，返回一个阵列，在一个发生器具有的参数，可以被称为功能，并且生成值的序列。然而，生成器不是构建一个包含所有值的数组并一次返回它们，而是一次生成yields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 afunction但行为像iterator。

from itertools import count

itertools提供count生成整数的无限流。您可以提供 start 和 step 来告诉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。在我们的情况下，这显然是不可接受的，因为我们无法将所有无限整数保存在内存中。如您所见，该功能永远不会停止。在这种情况下，我们将使用生成器。

一个生成yields项目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

注意数字生成逻辑的表达是清晰自然的。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。

使用生成器的性能改进是惰性（按需）生成值的结果，这转化为更低的内存使用。此外，我们不需要等到所有元素都生成后才开始使用它们。这类似于迭代器提供的好处，但生成器使构建迭代器变得容易。

所以简单来说，如果你在上面的情况下使用正常的函数，你就会耗尽内存。或者，如果您使用生成器功能，您将耗尽时间。