百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 热门文章 > 正文

理解python3中的yield from

bigegpt 2024-09-17 12:34 4 浏览

“yield from”语句是在python3.3版本中引入的,见PEP 380 -"Syntax for Delegating to a Subgenerator",从标题上看使用"yield from"涉及两个生成器。

在"yield from"出现前我们需要使用for循环迭代生成器,像下面这样,

for item in iterable:
    yield item

有了"yield from",你可以这样写,

yield from iterable

是不是很简洁,但这仅是其中一个功能,如果"yield from"仅有这一个功能,它可能不会在Python 3.3中被引入。其实引入"yield from"语句最大的作用是在调用者和子生成器之间建立双向的透明通道,依赖这个通道可以向子生成器发送数据并接受返回的结果,调用者还可以通过管道向子生成器传递异常(使用"生成器的throw方法")。

下面通过两个实例展示"yield from"的常见使用场景。在正式开始之前,有几个概念需要说明:

  • 委派生成器:包含"yield from <iterable>"表达式的生成器函数
  • 子生成器:从"yield from"表达式中<iterable>部分获取的生成器
  • 调用方:调用委派生成器的客户端代码

发送数据到生成器

#!/usr/bin/python3
def my_printer():
    while True:
        w = yield
        print('>> ', w)

def my_wrapper(coro):
    yield from coro

w = my_printer()
wrap = my_wrapper(w)
wrap.send(None)    #启动生成器,不可少
for i in range(4):
    wrap.send(i)

my_wrapper即为“委派生成器”,my_printer是上面所说的子生成器,调用者是指10-14行的代码,调用者通过"yield from"产生的透明管道将数据传输给子生成器,传输过程中委派生成器不知道里面的内容是什么,它就像一个敬业的快递员。

代码输出:

>>  0
>>  1
>>  2
>>  3

发送异常到子生成器

#!/usr/bin/python3
def my_printer():
    while True:
        try:
            w = yield
        except MyException:
            print("Oh bug!")
        else:
            print('>> ', w)

def my_wrapper(coro):
    yield from coro

class MyException(Exception):
    pass

w = my_printer()
wrap = my_wrapper(w)
wrap.send(None)  #启动生成器,不可少
for i in [0, 1, 2, 'E', 4]:
    if i == 'E':
        wrap.throw(MyException) #异常会传给my_printer
    else:
        wrap.send(i)

上面的代码在子生成器中增加了异常处理的逻辑,当调用者抛给(通过"throw"方法)子生成器自定义异常时子生成器会收到并处理,如果子生成器没有处理,异常会冒泡返回给调用者。

代码输出:

>>  0
>>  1
>>  2
Oh bug!
>>  4

总结

"yield from"是全新的语言结构,它的作用比yield多很多。"yield from x"表达式对x对象所作的第一件事是,调用iter(x),从中获取迭代器。因此x可以是任何可迭代的对象。"yield from"的主要功能是产生双向通道,把最外层的调用方与最内层的子生成器连接起来,这样两者可以直接发送和产出值,还可以直接传入异常,而不用在位于中间的委派生成器中添加大量处理异常的样板代码。

希望这篇文章能帮到正在努力的你,欢迎点赞评论!

相关推荐

方差分析简介(方差分析通俗理解)

介绍方差分析(ANOVA,AnalysisofVariance)是一种广泛使用的统计方法,用于比较两个或多个组之间的均值。单因素方差分析是方差分析的一种变体,旨在检测三个或更多分类组的均值是否存在...

正如404页面所预示,猴子正成为断网元凶--吧嗒吧嗒真好吃

吧嗒吧嗒,绘图:MakiNaro你可以通过加热、冰冻、水淹、模塑、甚至压溃压力来使网络光缆硬化。但用猴子显然是不行的。光缆那新挤压成型的塑料外皮太尼玛诱人了,无法阻挡一场试吃盛宴的举行。印度政府正...

Python数据可视化:箱线图多种库画法

概念箱线图通过数据的四分位数来展示数据的分布情况。例如:数据的中心位置,数据间的离散程度,是否有异常值等。把数据从小到大进行排列并等分成四份,第一分位数(Q1),第二分位数(Q2)和第三分位数(Q3)...

多组独立(完全随机设计)样本秩和检验的SPSS操作教程及结果解读

作者/风仕在上一期,我们已经讲完了两组独立样本秩和检验的SPSS操作教程及结果解读,这期开始讲多组独立样本秩和检验,我们主要从多组独立样本秩和检验介绍、两组独立样本秩和检验使用条件及案例的SPSS操作...

方差分析 in R语言 and Excel(方差分析r语言例题)

今天来写一篇实际中比较实用的分析方法,方差分析。通过方差分析,我们可以确定组别之间的差异是否超出了由于随机因素引起的差异范围。方差分析分为单因素方差分析和多因素方差分析,这一篇先介绍一下单因素方差分析...

可视化:前端数据可视化插件大盘点 图表/图谱/地图/关系图

前端数据可视化插件大盘点图表/图谱/地图/关系图全有在大数据时代,很多时候我们需要在网页中显示数据统计报表,从而能很直观地了解数据的走向,开发人员很多时候需要使用图表来表现一些数据。随着Web技术的...

matplotlib 必知的 15 个图(matplotlib各种图)

施工专题,我已完成20篇,施工系列几乎覆盖Python完整技术栈,目标只总结实践中最实用的东西,直击问题本质,快速帮助读者们入门和进阶:1我的施工计划2数字专题3字符串专题4列表专题5流程控制专题6编...

R ggplot2常用图表绘制指南(ggplot2绘制折线图)

ggplot2是R语言中强大的数据可视化包,基于“图形语法”(GrammarofGraphics),通过分层方式构建图表。以下是常用图表命令的详细指南,涵盖基本语法、常见图表类型及示例,适合...

Python数据可视化:从Pandas基础到Seaborn高级应用

数据可视化是数据分析中不可或缺的一环,它能帮助我们直观理解数据模式和趋势。本文将全面介绍Python中最常用的三种可视化方法。Pandas内置绘图功能Pandas基于Matplotlib提供了简洁的绘...

Python 数据可视化常用命令备忘录

本文提供了一个全面的Python数据可视化备忘单,适用于探索性数据分析(EDA)。该备忘单涵盖了单变量分析、双变量分析、多变量分析、时间序列分析、文本数据分析、可视化定制以及保存与显示等内容。所...

统计图的种类(统计图的种类及特点图片)

统计图是利用几何图形或具体事物的形象和地图等形式来表现社会经济现象数量特征和数量关系的图形。以下是几种常见的统计图类型及其适用场景:1.条形图(BarChart)条形图是用矩形条的高度或长度来表示...

实测,大模型谁更懂数据可视化?(数据可视化和可视化分析的主要模型)

大家好,我是Ai学习的老章看论文时,经常看到漂亮的图表,很多不知道是用什么工具绘制的,或者很想复刻类似图表。实测,大模型LaTeX公式识别,出乎预料前文,我用Kimi、Qwen-3-235B...

通过AI提示词让Deepseek快速生成各种类型的图表制作

在数据分析和可视化领域,图表是传达信息的重要工具。然而,传统图表制作往往需要专业的软件和一定的技术知识。本文将介绍如何通过AI提示词,利用Deepseek快速生成各种类型的图表,包括柱状图、折线图、饼...

数据可视化:解析箱线图(box plot)

箱线图/盒须图(boxplot)是数据分布的图形表示,由五个摘要组成:最小值、第一四分位数(25th百分位数)、中位数、第三四分位数(75th百分位数)和最大值。箱子代表四分位距(IQR)。IQR是...

[seaborn] seaborn学习笔记1-箱形图Boxplot

1箱形图Boxplot(代码下载)Boxplot可能是最常见的图形类型之一。它能够很好表示数据中的分布规律。箱型图方框的末尾显示了上下四分位数。极线显示最高和最低值,不包括异常值。seaborn中...