


Wie wirkt sich Return auf das Generatorverhalten in Python 3.3 aus?
Return Inside Generator with Yield
In Python 3.3 wurde eine wesentliche Änderung hinsichtlich der Verwendung von Return neben Yield innerhalb von Generatorfunktionen eingeführt. Im Gegensatz zu Python 2, wo ein solcher Code einen Fehler auslösen würde, ist dies in Python 3.3 möglich. Das Verhalten unterscheidet sich jedoch von dem, was man erwarten könnte.
Betrachten Sie den folgenden Python 3.3-Code:
<code class="python">def f(): return 3 yield 2 x = f() print(x.__next__())</code>
Wenn Sie diesen Code ausführen, werden Sie feststellen, dass eine Ausnahme ausgelöst wird: StopIteration: 3. Diese Ausnahme hat zwei Hauptaspekte:
-
StopIteration wird ausgelöst: Die Return-Anweisung innerhalb der Generatorfunktion entspricht jetzt dem Auslösen von StopIteration(
). - Wert, auf den über eine Ausnahme zugegriffen werden kann: Auf den zurückgegebenen Wert (in diesem Fall 3) kann über das Wertattribut des Ausnahmeobjekts zugegriffen werden.
Also, wenn ein Generator Wenn die Funktion sowohl return als auch yield enthält, ist das so, als würde man eine StopIteration-Ausnahme mit dem angegebenen Rückgabewert auslösen. Dies bedeutet, dass der Generator beendet wird und der zurückgegebene Wert über das Wertattribut der Ausnahme verfügbar ist.
Mit anderen Worten: Während die Rückgabe in einer Generatorfunktion zuvor ein Fehler war, hat sie jetzt einen bestimmten Zweck: zu Beenden Sie den Generator und geben Sie einen Wert über den Ausnahmebehandlungsmechanismus zurück.
Dieses Verhalten hat Auswirkungen auf die Generatordelegierung unter Verwendung der neuen Yield-from-Syntax in Python 3.3. Zum Beispiel:
<code class="python">def f(): return 1 yield 2 def g(): x = yield from f() print(x) # Iterate over generator to run it for _ in g(): pass</code>
In diesem Code gibt der Generator f 1 zurück und delegiert dann an den Generator g, der den zurückgegebenen Wert ausgibt. Sie sehen jedoch nur 1 gedruckt, was darauf hinweist, dass die Yield-Anweisung die Delegation stoppt, bevor die Yield-Anweisung in f den Wert 2 erzeugen kann.
Das obige ist der detaillierte Inhalt vonWie wirkt sich Return auf das Generatorverhalten in Python 3.3 aus?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen











Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Zu den Anwendungen von Python im wissenschaftlichen Computer gehören Datenanalyse, maschinelles Lernen, numerische Simulation und Visualisierung. 1.Numpy bietet effiziente mehrdimensionale Arrays und mathematische Funktionen. 2. Scipy erweitert die Numpy -Funktionalität und bietet Optimierungs- und lineare Algebra -Tools. 3.. Pandas wird zur Datenverarbeitung und -analyse verwendet. 4.Matplotlib wird verwendet, um verschiedene Grafiken und visuelle Ergebnisse zu erzeugen.

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code
