何をするのかを理解するには、ジェネレーターyieldとは何かを理解する必要があります。ジェネレーターを理解する前に、iterablesを理解する必要があります。
イテラブル
リストを作成すると、その項目を 1 つずつ読み取ることができます。その項目を 1 つずつ読み取ることを反復と呼びます。
>>> mylist = [1, 2, 3]
>>> for i in mylist:
... print(i)
1
2
3
mylist反復可能なです。リスト内包表記を使用すると、リストが作成され、イテラブルが作成されます。
>>> mylist = [x*x for x in range(3)]
>>> for i in mylist:
... print(i)
0
1
4
" " を使用できるものはすべてfor... in...イテラブルです。lists、strings、ファイル...
これらのイテラブルは、必要なだけ読み取ることができるため便利ですが、すべての値をメモリに保存するため、多くの値がある場合は常にこれが必要になるとは限りません。
発電機
ジェネレーターはイテレーターであり、 1 回だけ反復できるイテラブルの一種です。ジェネレーターはすべての値をメモリに保存するのではなく、オンザフライで値を生成します。
>>> mygenerator = (x*x for x in range(3))
>>> for i in mygenerator:
... print(i)
0
1
4
()の代わりに使用したことを除いて、まったく同じです[]。ただし、ジェネレーターは 1 回しか使用できないためfor i in mygenerator、2 回目の実行はできません。ジェネレーターは 0 を計算し、それを忘れて 1 を計算し、4 の計算を 1 つずつ終了します。
収率
yieldreturn関数がジェネレーターを返すことを除いて、 のように使用されるキーワードです。
>>> def create_generator():
... mylist = range(3)
... for i in mylist:
... yield i*i
...
>>> mygenerator = create_generator() # create a generator
>>> print(mygenerator) # mygenerator is an object!
<generator object create_generator at 0xb7555c34>
>>> for i in mygenerator:
... print(i)
0
1
4
これは役に立たない例ですが、関数が一度だけ読み取る必要がある膨大な値のセットを返すことがわかっている場合に便利です。
をマスターするには、関数を呼び出すと、関数本体に記述したコードが実行されyieldないことを理解する必要があります。関数はジェネレータ オブジェクトのみを返します。これは少し注意が必要です。
forその後、ジェネレーターを使用するたびに、中断したところからコードが続行されます。
今難しい部分：
関数から作成されたジェネレーター オブジェクトを初めてfor呼び出すと、関数内のコードが最初からヒットするまで実行されyield、ループの最初の値が返されます。次に、後続の各呼び出しは、関数に記述したループの別の反復を実行し、次の値を返します。これは、ジェネレーターが空であると見なされるまで続きます。これは、関数が をヒットせずに実行された場合に発生しますyield。これは、ループが終了したか、 を満たさなくなったことが原因である可能性があります"if/else"。
コードの説明
発生器：
# Here you create the method of the node object that will return the generator
def _get_child_candidates(self, distance, min_dist, max_dist):
# Here is the code that will be called each time you use the generator object:
# If there is still a child of the node object on its left
# AND if the distance is ok, return the next child
if self._leftchild and distance - max_dist < self._median:
yield self._leftchild
# If there is still a child of the node object on its right
# AND if the distance is ok, return the next child
if self._rightchild and distance + max_dist >= self._median:
yield self._rightchild
# If the function arrives here, the generator will be considered empty
# there is no more than two values: the left and the right children
発信者:
# Create an empty list and a list with the current object reference
result, candidates = list(), [self]
# Loop on candidates (they contain only one element at the beginning)
while candidates:
# Get the last candidate and remove it from the list
node = candidates.pop()
# Get the distance between obj and the candidate
distance = node._get_dist(obj)
# If distance is ok, then you can fill the result
if distance <= max_dist and distance >= min_dist:
result.extend(node._values)
# Add the children of the candidate in the candidate's list
# so the loop will keep running until it will have looked
# at all the children of the children of the children, etc. of the candidate
candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))
return result
このコードには、いくつかのスマート パーツが含まれています。
ループはリストを反復しますが、ループの反復中にリストが拡張されます。無限ループになってしまう可能性があるため、少し危険ではありますが、これらすべてのネストされたデータを処理するための簡潔な方法です。この場合、candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))ジェネレーターのすべての値を使い果たしますがwhile、同じノードに適用されないため、以前のものとは異なる値を生成する新しいジェネレーター オブジェクトを作成し続けます。
このextend()メソッドは、イテラブルを想定し、その値をリストに追加するリスト オブジェクト メソッドです。
通常、リストを渡します。
>>> a = [1, 2]
>>> b = [3, 4]
>>> a.extend(b)
>>> print(a)
[1, 2, 3, 4]
しかし、あなたのコードでは、ジェネレーターを取得します。これは次の理由で優れています。
- 値を 2 回読み取る必要はありません。
- 多くの子供がいて、それらすべてをメモリに保存したくない場合があります。
Python はメソッドの引数がリストかどうかを気にしないため、これが機能します。Python はイテラブルを想定しているため、文字列、リスト、タプル、およびジェネレーターで動作します! これはダックタイピングと呼ばれ、Python が優れている理由の 1 つです。しかし、これは別の話です。別の質問については...
ここで停止するか、少し読んでジェネレーターの高度な使用方法を確認できます。
発電機の枯渇を制御する
>>> class Bank(): # Let's create a bank, building ATMs
... crisis = False
... def create_atm(self):
... while not self.crisis:
... yield "$100"
>>> hsbc = Bank() # When everything's ok the ATM gives you as much as you want
>>> corner_street_atm = hsbc.create_atm()
>>> print(corner_street_atm.next())
$100
>>> print(corner_street_atm.next())
$100
>>> print([corner_street_atm.next() for cash in range(5)])
['$100', '$100', '$100', '$100', '$100']
>>> hsbc.crisis = True # Crisis is coming, no more money!
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # It's even true for new ATMs
>>> print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # The trouble is, even post-crisis the ATM remains empty
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # Build a new one to get back in business
>>> for cash in brand_new_atm:
... print cash
$100
$100
$100
$100
$100
$100
$100
$100
$100
...
注: Python 3 の場合は、print(corner_street_atm.__next__())またはprint(next(corner_street_atm))
リソースへのアクセスを制御するなど、さまざまなことに役立ちます。
Itertools、あなたの親友
itertools モジュールには、イテラブルを操作するための特別な関数が含まれています。ジェネレーターを複製したいと思ったことはありませんか? 2 つのジェネレーターをチェーンしますか? ワンライナーでネストされたリストの値をグループ化しますか? Map / Zip別のリストを作成せずに？
それからちょうどimport itertools。
例？4 頭の競走で考えられる着順を見てみましょう。
>>> horses = [1, 2, 3, 4]
>>> races = itertools.permutations(horses)
>>> print(races)
<itertools.permutations object at 0xb754f1dc>
>>> print(list(itertools.permutations(horses)))
[(1, 2, 3, 4),
(1, 2, 4, 3),
(1, 3, 2, 4),
(1, 3, 4, 2),
(1, 4, 2, 3),
(1, 4, 3, 2),
(2, 1, 3, 4),
(2, 1, 4, 3),
(2, 3, 1, 4),
(2, 3, 4, 1),
(2, 4, 1, 3),
(2, 4, 3, 1),
(3, 1, 2, 4),
(3, 1, 4, 2),
(3, 2, 1, 4),
(3, 2, 4, 1),
(3, 4, 1, 2),
(3, 4, 2, 1),
(4, 1, 2, 3),
(4, 1, 3, 2),
(4, 2, 1, 3),
(4, 2, 3, 1),
(4, 3, 1, 2),
(4, 3, 2, 1)]
反復の内部メカニズムを理解する
反復は、イテラブル (メソッドを実装する__iter__()) とイテレータ (メソッドを実装する) を意味するプロセス__next__()です。イテラブルは、イテレータを取得できるオブジェクトです。イテレータは、イテラブルを反復できるオブジェクトです。
ループの仕組みforについては、この記事で詳しく説明しています。