Python惰性求值的特点|极客教程

Python惰性求值的特点

在编程中，惰性求值是一种计算模式，它在需要时才进行计算，而不是在赋值或者调用时立即计算。惰性求值可以提高程序的性能，节省资源，并且使代码更加简洁和易读。在Python中，惰性求值通常体现在生成器、迭代器和装饰器等特性中。本文将详细介绍Python中惰性求值的特点和用法。

生成器

生成器是一种特殊的迭代器，它可以按需生成值，而不是一次性生成所有值。生成器使用yield关键字来定义，每次调用生成器的__next__()方法或者迭代生成器时，都会执行生成器内部的代码，直到遇到yield语句。生成器暂停执行并返回一个值，下次再调用生成器时则从上次暂停的位置继续执行。

下面是一个简单的生成器示例，用于生成斐波那契数列：

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

fib = fibonacci()
for _ in range(10):
    print(next(fib))

输出：

在上面的代码中，fibonacci函数定义了一个生成器，每次调用生成器的next(fib)方法时，都会生成下一个斐波那契数列的值。

迭代器

迭代器是一种惰性求值的数据结构，它可以逐个返回元素，而不会一次性将所有元素存储在内存中。在Python中，迭代器是支持__iter__()和__next__()方法的对象，通常可以通过iter()函数来创建迭代器。

下面是一个自定义迭代器的示例，用于迭代一个列表并返回其中大于指定值的元素：

class GreaterThan:
    def __init__(self, iterable, threshold):
        self.iterable = iter(iterable)
        self.threshold = threshold

    def __iter__(self):
        return self

    def __next__(self):
        while True:
            value = next(self.iterable)
            if value > self.threshold:
                return value

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
gt = GreaterThan(numbers, 5)
for num in gt:
    print(num)

输出：

在上面的代码中，GreaterThan类定义了一个自定义迭代器，每次调用迭代器的__next__()方法时，都会返回列表中大于指定值的元素。

装饰器

装饰器是一种Python函数，用于修改其他函数的行为。装饰器经常被用于懒加载、延迟计算和缓存等场景，以实现惰性求值的特性。

下面是一个简单的装饰器示例，用于在第一次调用时计算并缓存结果，在后续调用时直接返回缓存的结果：

def lazy_compute(func):
    cache = {}

    def wrapper(*args):
        if args not in cache:
            cache[args] = func(*args)
        return cache[args]

    return wrapper

@lazy_compute
def expensive_calculation(x, y):
    print("Calculating...")
    return x + y

print(expensive_calculation(1, 2))
print(expensive_calculation(1, 2))

输出：