发电机的效率

Question

我正在编写一些软件来创建复杂波形（实际上是声波）作为数组。从一些原始波形（正弦波等）开始，会有将它们组合起来创建更复杂波的函数，还有更多将这些波组合起来的函数，等等。

它可能看起来像：

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

但要复杂得多。

这样做的一种方法是让每个函数成为一个生成器，这样整个函数树每个元素执行一次，每个生成器每次都产生一个值。

数组可能有几百万个元素，函数树很容易达到 10 层。发电机这样做会不会效率低得离谱？

另一种方法是让每个函数都创建一个 return 整个数组。这可能会更有效，但也有缺点（实现更混乱，计算结束前没有可用的结果，可能会使用大量内存）。

他们总是说你不应该尝试猜测 Python 效率，但在这种情况下生成器会花费很长时间吗？

Answer 1

在我看来，生成器非常适合这项任务。

一些信号的时间有限（如包络线或斜坡），但其他一些信号是无限的（如振荡器）。

使用生成器你不必担心这方面的问题，因为 - 就像 zip() 函数一样 - 将振荡器与包络相结合（例如相乘）的函数只会消耗来自振荡器生成器的有限数量的项目，因为至少有一个生成器可以生成有限数量的样本。

然而，使用生成器非常优雅和 pythonic。

回想一下这样的生成器：

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

只是 class 的语法糖，如下所示：

class sine:
    def __init__(self, freq):
        self.freq = freq
        self.phase = 0.0

    def __iter__(self):
        return self

    def __next__(self):
        v = math.sin(self.phase)
        self.phase += samplerate/freq
        return v
        # for this infinite gen we never raise StopIteration()

因此性能开销并不比您可以手工制作的任何其他解决方案（如块处理，通常用于 DSP 算法）。

如果不是生成单个样本，而是生成样本块（例如一次 1024 个样本），也许您可以获得一些效率。

Answer 2

生成器是惰性序列。当您的序列可能很长时，只要您可以分段操作（按元素或在合理大小的块上），它们就非常适合使用。

这往往会减少您的内存使用峰值。只是不要通过将序列的所有元素存储在某处来破坏它。

发电机的效率

Efficiency of generators

python

performance

generator