Python协程深入理解 光环大数据Python基础教程
从语法上来看，协程和生成器类似，都是定义体中包含yield关键字的函数。
yield在协程中的用法：
- 在协程中yield通常出现在表达式的右边 ，例如：datum = yield,可以产出值，也可以不产出–如果yield关键字后面没有表达式，那么生成器产出None.
- 协程可能从调用方接受数据，调用方是通过send(datum)的方式把数据提供给协程使用，而不是next(…)函数，通常调用方会把值推送给协程。
- 协程可以把控制器让给中心调度程序，从而激活其他的协程
所以总体上在协程中把yield看做是控制流程的方式。
了解协程的过程
先通过一个简单的协程的例子理解：
对上述例子的分析：
yield 的右边没有表达式，所以这里默认产出的值是None
刚开始先调用了next(…)是因为这个时候生成器还没有启动，没有停在yield那里，这个时候也是无法通过send发送数据。所以当我们通过 next(…)激活协程后 ，程序就会运行到x = yield，这里有个问题我们需要注意， x = yield这个表达式的计算过程是先计算等号右边的内容，然后在进行赋值，所以当激活生成器后，程序会停在yield这里，但并没有给x赋值。
当我们调用send方法后yield会收到这个值并赋值给x,而当程序运行到协程定义体的末尾时和用生成器的时候一样会抛出StopIteration异常
如果协程没有通过next(…)激活(同样我们可以通过send(None)的方式激活)，但是我们直接send，会提示如下错误：
关于调用next(…)函数这一步通常称为”预激(prime)“协程，即让协程向前执行到第一个yield表达式，准备好作为活跃的协程使用
协程在运行过程中有四个状态：
- GEN_CREATE:等待开始执行
- GEN_RUNNING:解释器正在执行，这个状态一般看不到
- GEN_SUSPENDED:在yield表达式处暂停
- GEN_CLOSED:执行结束
通过下面例子来查看协程的状态：
接着再通过一个计算平均值的例子来继续理解：
这里是一个死循环，只要不停send值给协程，可以一直计算下去。
通过上面的几个例子我们发现，我们如果想要开始使用协程的时候必须通过next(…)方式激活协程，如果不预激，这个协程就无法使用，如果哪天在代码中遗忘了那么就出问题了，所以有一种预激协程的装饰器，可以帮助我们干这件事
预激协程的装饰器
下面是预激装饰器的演示例子：
1 from functools import wraps 2 3 4 def coroutine(func): 5 @wraps(func) 6 def primer(*args,**kwargs): 7 gen = func(*args,**kwargs) 8 next(gen) 9 return gen10 return primer11 12 13 @coroutine14 def averager():15 total = 0.016 count = 017 average = None18 while True:19 term = yield average20 total += term21 count += 122 average = total/count23 24 25 coro_avg = averager()26 from inspect import getgeneratorstate27 print(getgeneratorstate(coro_avg))28 print(coro_avg.send(10))29 print(coro_avg.send(30))30 print(coro_avg.send(5))
关于预激，在使用yield from句法调用协程的时候，会自动预激活，这样其实与我们上面定义的coroutine装饰器是不兼容的，在python3.4里面的asyncio.coroutine装饰器不会预激协程，因此兼容yield from
终止协程和异常处理
协程中为处理的异常会向上冒泡,传给next函数或send函数的调用方(即触发协程的对象)
拿上面的代码举例子，如果我们发送了一个字符串而不是一个整数的时候就会报错，并且这个时候协程是被终止了
从python2.5开始客户端代码在生成器对象上调用两个方法，显示的把异常发送给协程
分别为： throw和close
generator.throw:会让生成器在暂停的yield表达式处抛出指定的异常，如果生成器处理了抛出的异常，代码会向前执行到下一个yield表达式，而产出的值会成为调用generator.throw方法代码的返回值。如果生成器没有处理抛出的异常，异常会向上冒泡，传到调用方的上下文中。
generator.close:会让生成器在暂停的yield表达式处抛出GeneratorExit异常。如果生成器没有处理这个异常，或者抛出了StopIteration异常，调用方不会报错，如果收到GeneratorExit异常，生成器一定不能产出值，否则解释器会抛出RuntimeError异常。生成器抛出的异常会向上冒泡，传给调用方。
下面是一个例子：
当传入我们定义的异常时不会影响协程，协程不会停止，可以继续send,但是如果是没有处理的异常的时候，就会报错，并且协程会被终止
让协程返回值
通过下面的例子进行演示如何获取协程的返回值：
1 from collections import namedtuple 2 3 4 Result = namedtuple("Result","colunt average") 5 6 7 def averager(): 8 total = 0.0 9 count = 010 average = None11 while True:12 term = yield13 if term is None:14 break15 total += term16 count+=117 average = total/count18 return Result(count,average)19 20 coro_avg = averager()21 next(coro_avg)22 coro_avg.send(10)23 coro_avg.send(30)24 coro_avg.send(5)25 try:26 coro_avg.send(None)27 except StopIteration as e:28 result = e.value29 print(result)
这样就可以获取到最后的结果：
其实相对来说上面这种方式获取返回值比较麻烦，而yield from 结构会自动捕获StopIteration异常，这种处理方式与for循环处理StopIteration异常的方式一样，循环机制使我们更容易理解处理异常，对于yield from来说，解释器不仅会捕获StopIteration异常，还会把value属性的值变成yield from表达式的值
关于yield from
在生成器gen中使用yield from subgen()时，subgen会获得控制权，把产出的值传给gen的调用方，即调用方可以直接控制subgen,同时，gen会阻塞，等待subgen终止
yield from x表达式对x对象所做的第一件事是，调用iter(x),从中获取迭代器，因此x可以是任何可迭代的对象
下面是yield from可以简化yield表达式的例子：
1 def gen(): 2 for c in "AB": 3 yield c 4 for i in range(1,3): 5 yield i 6 7 print(list(gen())) 8 9 def gen2():10 yield from "AB"11 yield from range(1,3)12 13 print(list(gen2()))
这两种的方式的结果是一样的，但是这样看来yield from更加简洁，但是yield from的作用可不仅仅是替代产出值的嵌套for循环。
yield from的主要功能是打开双向通道，把最外层的调用方与最内层的子生成器连接起来，这样二者可以直接发送和产出值，还可以直接传入异常，而不用再像之前那样在位于中间的协程中添加大量处理异常的代码
通过yield from还可以链接可迭代对象
委派生成器在yield from 表达式处暂停时，调用方可以直接把数据发给子生成器，子生成器再把产出产出值发给调用方，子生成器返回之后，解释器会抛出StopIteration异常，并把返回值附加到异常对象上，此时委派生成器会恢复。
下面是一个完整的例子代码
1 from collections import namedtuple 2 3 4 Result = namedtuple('Result', 'count average') 5 6 7 # 子生成器 8 def averager(): 9 total = 0.010 count = 011 average = None12 while True:13 term = yield14 if term is None:15 break16 total += term17 count += 118 average = total/count19 return Result(count, average)20 21 22 # 委派生成器23 def grouper(result, key):24 while True:25 result[key] = yield from averager()26 27 28 # 客户端代码，即调用方29 def main(data):30 results = {}31 for key,values in data.items():32 group = grouper(results,key)33 next(group)34 for value in values:35 group.send(value)36 group.send(None) #这里表示要终止了37 38 report(results)39 40 41 # 输出报告42 def report(results):43 for key, result in sorted(results.items()):44 group, unit = key.split(';')45 print('{:2} {:5} averaging {:.2f}{}'.format(46 result.count, group, result.average, unit47 ))48 49 data = {50 'girls;kg':51 [40.9, 38.5, 44.3, 42.2, 45.2, 41.7, 44.5, 38.0, 40.6, 44.5],52 'girls;m':53 [1.6, 1.51, 1.4, 1.3, 1.41, 1.39, 1.33, 1.46, 1.45, 1.43],54 'boys;kg':55 [39.0, 40.8, 43.2, 40.8, 43.1, 38.6, 41.4, 40.6, 36.3],56 'boys;m':57 [1.38, 1.5, 1.32, 1.25, 1.37, 1.48, 1.25, 1.49, 1.46],58 }59 60 61 if __name__ == '__main__':62 main(data)
关于上述代码着重解释一下关于委派生成器部分，这里的循环每次迭代时会新建一个averager实例，每个实例都是作为协程使用的生成器对象。
grouper发送的每个值都会经由yield from处理，通过管道传给averager实例。grouper会在yield from表达式处暂停，等待averager实例处理客户端发来的值。averager实例运行完毕后，返回的值会绑定到results[key]上，while 循环会不断创建averager实例，处理更多的值
并且上述代码中的子生成器可以使用return 返回一个值，而返回的值会成为yield from表达式的值。
关于yield from的意义
关于yield from 六点重要的说明：
- 子生成器产出的值都直接传给委派生成器的调用方(即客户端代码)
- 使用send()方法发送给委派生成器的值都直接传给子生成器。如果发送的值为None,那么会给委派调用子生成器的__next__()方法。如果发送的值不是None,那么会调用子生成器的send方法，如果调用的方法抛出StopIteration异常，那么委派生成器恢复运行，任何其他异常都会向上冒泡，传给委派生成器
- 生成器退出时，生成器(或子生成器)中的return expr表达式会出发StopIteration(expr)异常抛出
- yield from表达式的值是子生成器终止时传给StopIteration异常的第一个参数。yield from 结构的另外两个特性与异常和终止有关。
- 传入委派生成器的异常，除了GeneratorExit之外都传给子生成器的throw()方法。如果调用throw()方法时抛出StopIteration异常，委派生成器恢复运行。StopIteration之外的异常会向上冒泡，传给委派生成器
- 如果把GeneratorExit异常传入委派生成器，或者在委派生成器上调用close()方法，那么在子生成器上调用clsoe()方法，如果它有的话。如果调用close()方法导致异常抛出，那么异常会向上冒泡，传给委派生成器，否则委派生成器抛出GeneratorExit异常
Python培训、Python培训班、Python培训机构，就选光环大数据！
大数据培训、人工智能培训、Python培训、大数据培训机构、大数据培训班、数据分析培训、大数据可视化培训，就选光环大数据！光环大数据，聘请专业的大数据领域知名讲师，确保教学的整体质量与教学水准。讲师团及时掌握时代潮流技术，将前沿技能融入教学中，确保学生所学知识顺应时代所需。通过深入浅出、通俗易懂的教学方式，指导学生更快的掌握技能知识，成就上万个高薪就业学子。 更多问题咨询，欢迎点击------>>>>在线客服！
