目錄
**演示：
# 列表生成式
list_1 = [x**2 for x in range(10)] # x**2處也可以放函式
print(list_1) #[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
# **等價於
list_2 =
for x in range(10):
list_2.append(x**2)
print(list_2)
通過列表生成式，我們可以直接建立乙個列表。但是，受到記憶體限制，列表容量肯定是有限的。而且，建立乙個包含100萬個元素的列表，不僅占用很大的儲存空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素占用的空間都白白浪費了。
所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在迴圈的過程中不斷推算出後續的元素呢？這樣程式設計客棧就不必建立完整的list，從而節省大量的空間。在python中，這種一邊迴圈一邊計算的機制，稱為生成器：generator。
要建立乙個generator，有很多種方法。第一種方法很簡單，只要把乙個列表生成式的改成()，就建立了乙個generator：
**演示：
list_1 = (x*2 for x in range(10) )
比較生成器和列表生成式
**演示：
import time
start_time = time.time()
list_1 = (x*2 for x in range(10) )
stop_time = time.time()
print(list_1)
print("the list_1 run time is %s" % (stop_time-start_time))
start_time = time.time()
list_2 = [x*2 f程式設計客棧or x in range(10) ]
stop_time = time.time()
print(list_2)
print("the list_2 run time is %s" % (stop_time-start_time))
執行結果：
at 0x0000011facd1ed60> 生成器只有乙個列表位址，並沒有具體的數值
the list_1 run time is 0.0
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
the list_2 run time is 0.0
>>>list_1 = (x*2 for x in range(100000000))
>>>for x in list_1:
print(x)
>>>list_
>>>list_1.__next__
>>>list_1.__next__
只有乙個__next()__用來記錄當前位置，沒有方法訪問前面的元素，只能往後面走
generator非常強大。如果推算的演算法比較複雜，用類似列表生成式的for迴圈無法實現的時候，還可以用函式來實現。
比如，著名的斐波拉契數列（fibonacci），除第乙個和第二個數外，任意乙個數都可由前兩個數相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契數列用列表生成式寫不出來，但是，用函式把它列印出來卻很容易：
def fib(sum):
a, b, c = 0, 1, 0
while c < sum:
print(b)
a, b = b, a + b
c += 1
fib(6)
仔細觀察，可以看出，fib函式實際上是定義了斐波拉契數列的推算規則，可以從第乙個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。
也就是說，上面的函式和generator僅一步之遙。要把fib函式變成generator，只需要把print(b)改為yieldb就可以了：
def fib(sum):
a, b, c = 0, 1, 0
while c < sum:
#print(b)
yield b # **執行到這裡，會跳出這個函式，並將b的值返回到使用next的**處
a, b = b, a + b
c += 1
# print(fib(6)) # 這裡得到的就是生成器
p = fib(6)
print(next(p))
print(next(p))
print("做點別的事情")
print(next(p))
print(p.__next__())
print(
print(p.__next__())
這就是定義generator的另一種方法。如果乙個函式定義中包含yield關鍵字，那麼這個函式就不再是乙個普通函式，而是乙個generator：
>>> f = fib(6)
>>> f
這裡，最難理解的就是generator和函式的執行流程不一樣。函式是順序執行，遇到return語句或者最後一行函式語句就返回。而變成generator的函式，在每次呼叫next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。
在上面fib的例子，我們在迴圈過程中不斷呼叫yield，就會不斷中斷。當然要給迴圈設定乙個條件來退出迴圈，不然就會產生乙個無限數列出來。
同樣的，把函式改成generator後，我們基本上從來不會用next()來獲取下乙個返回值，而是直接使用for迴圈來迭代：
for n in fib(6):
print(n)
但是用for迴圈呼叫generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲stopiteration錯誤，返回值包含在stopiteration的value中：
def fib(sum):
a, b, c = 0, 1, 0
while c < sum:
yield b
a, b = b, a + b
c += 1
return "返回值只能傳遞給異常"
g = fib(3)
while true:
try:
x = next(g)
print('g:', x)
except stopiteration as e:
print('generator return value:', e.value)
break
"""執行結果：
g: 1
g: 1
g: 2
generator return value: 返回值只能傳遞給異常
"""還可通過yield實現在單執行緒的情況下實現併發運算的效果：
next()和__next__()：效果相同，只是使用方式不同，都可以喚醒yield,並接收yield傳過來的值。
send()：也可以喚醒yield，也可以接收yield傳遞過來的值，而且，還可以在喚醒yield的同時，為yield傳遞乙個值
#_*_coding:utf-8_*_
#通過生成器實現協程並行運算
import time
def consumer(name):
print("%s 準備吃包子啦!" %name)
while true:
baozi = yield
print("包子[%s]來了,被[%s]吃了!" %(baozi,name))
def producer(name):
c = consumer(name)
c2 = consumer('b')
c.__next__()
c2.__next__()
print("老子開始準備做包子啦!")
for i in range(10):
time.sleep(1)
print("做了2個包子!")
c.send(i)
c2.send(iznxui)
producer("飛某人")
python 生成器作用 Python生成器
生成器介紹 在函式內部包含yield關鍵字，那麼該函式執行的結果是生成器，生成器就是迭代器。生成器的功能 把函式結果做成迭代器 以一種優雅的方式封裝好iter,next 提供了一種自己定義迭代器的方式。使用生成器建立乙個迭代器 def a print a yield 11 使用yield，執行後返回...
python生成器好處 Python生成器筆記
python中三大器有迭代器，生成器，裝飾器，本文主要講述生成器。主要從生成器的概念，本質，以及yield關鍵字的使用執行過程。本質 生成器是一類特殊的迭代器，使用了yield關鍵字的函式不再是函式，而是生成器。使用了yield的函式就是生成器 1.yield關鍵字有兩點作用 1.1 yield語句...
python生成器函式 Python 生成器函式
一 生成器 生成器指的是生成器物件，可由生成器表示式得到，也可使用 yield 關鍵字得到乙個生成器函式，呼叫這個函式得到乙個生成器物件 生成器物件，是乙個可迭代物件，是乙個迭代器 生成器物件，是延遲計算 惰性求值的 1.1 生成器函式 函式體重包含 yield 語句的函式，就是生成器函式，呼叫後返...