python3分叉生成器

Question

我正在寻找一个代码来复制生成器，然后继续使用新的生成器。它就像发电机的分叉。

def Generator():
    myNumbers=range(3)
    for i in myNumbers:
        yield i

for i in Generator():
    bifurcatedGenerator = Generator
    for j in bifurcatedGenerator():
        print (i, j)

这段代码作为输出给出：

0 0
0 1
0 2
1 0
1 1
1 2 <- wrong
2 0
2 1 <- wrong
2 2 <- wrong

而分散的输出应该是：（分叉的生成器需要是一个新实例，但在旧生成器停止的同一点继续。）

0 0
0 1
0 2
1 1
1 2
2 2

应用程序本身要复杂得多，这里只是一个代码示例。

Important（仅对我自己而言）是一个语义优美的解决方案，第三方可读性很好。效率并不那么重要

Answer 1

为什么不使用带有启动参数的生成器（当您使用它时使用停止参数）？

def Generator(start=0, stop=3):
    for i in range(start, stop):
        yield i

for i in Generator():
    for j in Generator(start=i):
        print (i, j)

也给出了输出：

0 0
0 1
0 2
1 1
1 2
2 2

Answer 2

有些人会告诉你使用itertools.tee。不要使用itertools.tee。

使用list

要跟踪生成器之前的状态，您需要将之前生成的值存储在 list 中。这就是函数itertools.tee 在复制生成器时所做的事情。

不幸的是，这消除了使用生成器的所有内存优势。所以你最好使用list。

def generator():
    yield from range(3)

lst = list(generator())

for i in range(len(lst)):
    for j in range(i, len(lst)):
        print(lst[i], lst[j])

输出：

0 0
0 1
0 2
1 1
1 2
2 2

那为什么不使用itertools.tee呢？

仍然可以使用itertools.tee，但不应该。

from itertools import tee

def generator():
    yield from range(3)

lst = list(generator())

main_gen, bif_gen = tee(generator())

for i in main_gen:
    for j in bif_gen:
        print(i, j)
    _, bif_gen = tee(main_gen) # Yes, you *must* use the second item here

前面的代码工作的原因很微妙，实际上与itertools.tee 在给定tee 对象时返回相同的tee 对象作为第一个输出值这一事实有关。这就是为什么应该使用第二个生成器的原因。

这与doc 明确指定list 在这种情况下更好的事实相结合，表明必须首选第一个解决方案：

这个 itertool 可能需要大量的辅助存储（取决于 需要存储多少临时数据）。一般来说，如果一个 迭代器在另一个迭代器启动之前使用大部分或全部数据， 使用list() 比使用tee() 更快。