发电机效率

Question

我正在写一些软件来创建一个复杂的波形（实际上是声波）作为一个阵列。从一些原始波形（正弦波等）开始，会有一些函数将它们组合起来以产生更复杂的波，还有更多的函数将这些波组合起来，等等

它可能看起来像：

f(mult(sine(), env(square(), ramp()))

但要复杂得多。在

一种方法是使每个函数成为一个生成器，这样整个函数树对每个元素执行一次，每个生成器每次生成一个值。在

数组可以有几百万个元素，而函数树的深度很容易达到10。这样做发电机的效率会低得离谱吗？在

另一种方法是让每个函数创建并返回整个数组。这可能会更有效，但也有缺点（mesier实现，在计算结束之前没有可用的结果，可能会占用大量内存）。在

他们总是说你不应该再去猜测Python的效率，但是在这种情况下，生成器会花费很长时间吗？在

Answer 1

生成器是惰性序列。当你有很长的序列时，它们非常适合使用，只要你可以分段操作（无论是元素级的，还是大小合理的块）。在

这会减少你的峰值内存使用。只是不要把序列的所有元素都存储在某个地方而破坏了它。在

Answer 2

在我看来，发电机很适合这项任务。在

有些信号具有有限的时间（如包络线或斜坡），但有些信号是无限的（如振荡器）。在

使用生成器，您不必担心这一点，因为-就像zip()函数一样，一个将振荡器与包络线结合（例如相乘）的函数只会消耗振荡器gen中的有限数量的项，因为至少有一个生成器生成有限数量的样本。在

然而，使用发电机是非常优雅和Python。在

回想一下这样的发电机：

def sine(freq):
    phase = 0.0
    while True:
        yield math.sin(phase)
        phase += samplerate/freq

对这样的类来说只是语法上的甜点：

^{pr2}$

因此，性能开销并不比其他任何可以手工制作的解决方案多（比如块处理，通常在DSP算法中使用）。在

如果不生成单个样本，而是生成多个样本块（例如，一次生成1024个样本），也许可以获得一些效率。在