这是一个关于Python内部的问题。 以下代码取自this video about laziness in python:
def nats(n):
yield n
yield from nats(n + 1)
def sieve(s):
n = next(s)
yield n
yield from sieve(i for i in s if i % n != 0)
s = sieve(nats(2))
print(next(s), next(s), next(s), next(s), next(s)) # Primes: 2, 3, 5, 7, 11...
sieve函数惰性地生成素数(对于原始概念,读取this)。从概念上讲,我们将过滤器添加到“筛子”中,因此每个数字(比如10)都将根据之前找到的所有素数(so2、3、5和7)进行测试,直到找到下一个素数,即11。然后将11添加到过滤器的“列表”中,依此类推
这部分{
我的问题涉及Python用来“嵌套”这些生成器表达式的机制。例如,让我们在表达式中使用两个可能的过程:
第一次检查时,我们使用nats(对于自然数)并向其添加2过滤器
第二次,我们将已经“通过”nats和2过滤器的生成器添加到3过滤器中。我们从[3,2,nats]
中产生,从[2,nats]
中产生,从[nats]
中产生。要点是,显然,每个层过程都需要保留一些变量上下文,例如,每个层“看到”不同的n
但是Python到底在这里做什么呢?以下是我认为可行的几个选项:
i % 2 != 0 and i % 3 != 0 and i % 4 !=0
李>或者我错过了一些关于这里发生的事情的基本信息
是的,这不是特定于生成器的,而是特定于任何函数调用:如果该函数调用函数(可能本身),则其局部变量将保留在堆栈帧中,并且新函数执行上下文将获得其自己的局部变量集
对。因此,在
sieve
的情况下,sieve
的每个执行上下文都有自己的n
和s
变量在
sieve
传递给递归调用的表达式中,它从作为参数获得的现有迭代器创建了一个新的、限制性更强的迭代器。我们可以倒过来看看完整的迭代器是什么样子第一个递归调用可以扩展为:
我写
nat(3)
而不是nat(2)
,因为值2已经从该迭代器中使用然后,该递归调用将产生3,并进行下一个递归调用:
同样,我添加了
and i != 3
,因为3已经被一个单独的next(s)
调用使用了…因此它继续存在
实际限制
正如你所能想象的,这是非常消耗内存的。在每次递归调用时,调用堆栈的使用率都会增加,迭代器的嵌套构造中的每个迭代器都是
s
的一个执行上下文中的变量sieve
,并且必须执行其任务虽然从理论角度来看这看起来很优雅,但在实际实现中并不实用:在遇到“超出最大递归深度”类错误之前,可以生成的素数将少得令人失望。在repl.it上运行它时,错误之前生成的最后一个素数是3559
FWIW,您可以通过删除递归并在生成器中使用循环来避免堆栈溢出。这将允许您生成更大的素数,但这不是免费的午餐。您仍然通过捕获所有生成器对象来消耗内存,而不是通过递归来实现。它将逐渐变慢,并最终耗尽资源:
如你所见in this visual demonstration of your code
每
yield from
创建一个新的堆栈帧和一个新的生成器对象我认为
nats
可以很容易地重写为使用循环而不是递归。然而sieve
可能更难优雅地重写,以保留这个想法相关问题 更多 >
编程相关推荐