当前位置：首页 > news >正文

python函数的高级1——深拷贝+yeild

news 2025/5/29 12:14:53

一、浅拷贝和深拷贝(copy模块中的区分)

区分拷贝和赋值

拷贝：将原始的数据复制一份，本质上是在开辟一个空间存储拷贝的数据（两份数据的存储地址是不同的）
赋值：仅仅是改变指向数据的变量，数据的存储地址并没有发生变化

浅拷贝和深拷贝的不同（只有在嵌套数据类型的时候才有有本质的区别）

浅拷贝：对嵌套的可变数据类型：将表层的数据进行，从新开辟一个存储空间进行存储，而深层的数据并不会被重新存储。
深拷贝：对于嵌套的可变数据类型：将所有的数据全部进行一次新的存储

二者的相同点

copy.copy（浅拷贝）和copy.deepcopy（深拷贝）对不可变数据类型不会进行拷贝（即：对不可变数据类型使用copy的话，相当于赋值的操作）
对于可变数据类型的单层数据（未嵌套数据的数据）两个操作是相同的

二、生成器函数–函数中带有yield的可迭代对象

yield的含义

yield 是 Python 中的一个关键字，用于定义生成器函数（Generator Function）。
它的作用是暂停函数的执行，并返回（生成）一个值，但函数的状态会被保留，以便下次调用时从暂停的位置继续执行。

yield的核心概念

当一个函数包含 yield 时，它就不再是普通函数，而是一个生成器函数。
调用生成器函数时，它不会立即执行，而是返回一个生成器对象（可迭代对象）。
生成器对象可以通过 next() 或 for 循环逐步执行，知道生成器对象迭代完毕。

暂停与恢复

执行到 yield 时，函数会暂停到yield生成器生成的这一步，并返回 yield 生成的值。
下次调用 next() 时，函数会从上次暂停的位置（yield生成器后的一步）继续执行，直到遇到下一个 yield 或函数结束。

与 return 的区别

return 会终止函数并返回一个值，函数状态被销毁。
yield 会暂停函数，保留所有局部变量，下次继续执行。

基本yield的示例用法（创建一个生成器，并用 for 循环自动迭代生成数字）

def count_up_to(n):i = 1while i <= n:yield i  i += 1
f = count_up_to(5)
next(f) 
# f.send(值)，在恢复生成器的时候给生成器内部发送一个值，这个值会当成yelid表达式的返回值
# 自动调用 next() 直到 StopIteration
# 每次 next() 都是调用一次生成器
for num in f:print(num)  # 输出 1, 2, 3, 4, 5

生成器中的send()

send()让生成器能够从外部接收值
generator.send(value) 是 Python 生成器（Generator）的一个重要方法，它允许在恢复生成器执行的同时，向生成器内部发送一个值，这个值会成为当前 yield 表达式的返回值。
next(生成器)== 生成器.send("值")
第一次调用 send() 必须发送 None，用于激活生成器。
生成器刚开始执行时，还没有 yield 可以接收值，所以第一次必须用 next(generator) 或 generator.send(None) 启动生成器。
后续 send() 可以传任意值
生成器会从上次 yield 的位置恢复，并且 send(value) 的参数会成为 yield 的返回值。

生成器结束后再 send() 会抛出 StopIteration
和 next() 一样，生成器执行完毕后不能继续 send()

def echo():print("Start")x = yield "Ready"  # 第一次 yieldprint(f"Received: {x}")yield x * 2       # 第二次 yieldgen = echo()# 第一次调用必须用 next() 或 send(None) 启动生成器
print(gen.send(None))  # 输出 "Start"，返回 "Ready"# 发送数据并继续执行
print(gen.send(10))    # 输出 "Received: 10"，返回 20# 输出
Start
Ready
Received: 10
20

yield from 的用法

替代 for 循环 + yield，让代码更简洁。
支持生成器之间的双向通信（send()、throw()、close()）。
自动处理 StopIteration，并获取子生成器的返回值。

# 简单的嵌套生成器
def sub_generator():yield 1yield 2def main_generator():yield "Start"yield from sub_generator()  # 委托给 sub_generatoryield "End"for item in main_generator():print(item)
# 输出：Start, 1, 2, End

yield 的用途

惰性计算（Lazy Evaluation）
适用于大数据处理，避免一次性加载所有数据到内存（如读取大文件）。

def read_large_file(file_path):with open(file_path, "r") as file:for line in file:yield line  # 逐行生成，不一次性读取全部

生成无限序列（如斐波那契数列）：

def fibonacci():a, b = 0, 1while True:yield aa, b = b, a + b

协程（Coroutine）
yield 可以用于实现简单的协程（协作式多任务）。

def coroutine():while True:received = yieldprint(f"Received: {received}")co = coroutine()
next(co)  # 启动协程（执行到第一个 yield）
co.send("Hello")  # 输出 "Received: Hello"
co.send("World")  # 输出 "Received: World"

yield和return的比较

特性	`yield`	`return`
执行方式	暂停函数，下次继续执行	终止函数
返回值	每次 `yield` 生成一个值	只返回一次
内存占用	低（惰性计算，不一次性存储所有数据）	高（需存储所有结果）
适用场景	大数据处理、无限序列、协程	普通函数返回值