生成器generator在循环过程中，按照某种算法推算数据，不必创建容器存储完整的结果，从而节省内存空间。数据量越大，优势越明显。以上作用也称之为延迟操作或惰性操作，通俗的讲就是在需要的时候才计算结果，而不是一次构建出所有结果

一、创建生成器

通过列表⽣成式，我们可以直接创建⼀个列表。

但是，受到内存限制，列表容量肯定是有限的。

⽽且，创建⼀个包含100万个元素的列表，不仅占⽤很⼤的存储空间，如果我们仅仅需要访问前⾯⼏个元素，那后⾯绝⼤多数元素占⽤的空间都⽩⽩浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？

# 列表生成式
lst = [i for i in range(10)]
print(lst)
print(type(lst))
# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# <class 'list'>

1.创建生成器的方式1

• 生成式

g = (i for i in range(10))
print(g)
print(type(g))
# <generator object <genexpr> at 0x00000190CC886350> g是一个生成器对象
# <class 'generator'> g的类型是生成器

这样就不必创建完整的list，从⽽节省⼤量的空间。在Python中，这种⼀边循环⼀边计算的机制，称为⽣成器：generator。

创建 列表 和 生成器 的区别仅在于最外层的 [ ] 和 ( ) ， lst 是⼀个列表，⽽ g 是⼀个⽣成器。我们可以直接打印出 lst 的每⼀个元素，但我们怎么打印出 g 的每⼀个元素呢？如果要⼀个⼀个打印出来，可以通过 next() 函数获得⽣成器的下⼀个返回值：

print(next(g))  # 0
print(next(g))  # 1
print(next(g))  # 2
print(next(g))  # 3
print(next(g))  # 4
print(next(g))  # 5
print(next(g))  # 6
print(next(g))  # 7
print(next(g))  # 8
print(next(g))  # 9
print(next(g))  '''
Traceback (most recent call last):
  File "E:/Python Project/直播答疑/5.生成器.py", line 47, in <module>
    print(next(f))
StopIteration '''

也可以通过for-in循环打印出来

for i in g:
    print(i)
'''
0
1
2
3
4
5
6
7
8
9
'''

⽣成器保存的是算法，每次调⽤ next(g) ，就计算出 g 的下⼀个元素的值，直到计算到最后⼀个元素，没有更多的 元素时，抛出 StopIteration 的异常。 当然，这种不断调⽤ next() 实在是太繁琐了，虽然是点一次出现一次，但正 确的⽅法是使⽤ for 循环，因为⽣成器也是可迭代对象。 所以，我们创建了⼀个⽣成器后，基本上永远不会调⽤ next() ，⽽是通过 for 循环来迭代它，并且不需要关心StopIteration 异常。 所以，我们创建了一个生成器后，基本上不会调用 next() ，而是通过 for 循环来迭代它，并且不需要关心 StopIteration 的错误。generator非常强大。如果推算的算法比较复杂，用类似列表生成式的 for 循环无法实 现的时候，还可以用函数来实现。比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个 数都可由前两个数相加得到： 1, 1, 2, 3, 5, 8, 13, 21, 34, ... 斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易： 代码如下

# 定义一个斐波那契函数
def fib(times):
    # 初始化
    n = 0
    a, b = 0, 1
    while n < times:
        print(b)
        a, b = b, a+b
        n += 1
fib(6)
'''
1
1
2
3
5
8
'''

仔细观察，可以看出，fifib_a函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。 也就是说，上面的函数generator仅一步之遥。要把 fib 函数变 成generator，只需要把 print(b) 改为 yield(b) 就可以了：

2.创建生成器的方式2

• yield

def fib(times):
    # 初始化
    n = 0
    a, b = 0, 1
    while n < times:
        yield b
        a, b = b, a+b
        n += 1
f = fib(6)
print(f)
# <generator object fib at 0x00000197C5E56350>
# f 是一个生成器对象
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
'''
1
1
2
3
5
8
'''
print(next(f))
'''
Traceback (most recent call last):
  File "E:/Python Project/直播答疑/5.生成器.py", line 47, in <module>
    print(next(f))
StopIteration
'''

在上⾯fifib 的例⼦，我们在循环过程中不断调⽤ yield ，就会不断中断。当然要给循环设置⼀个条件来退出循环，不然就会产⽣⼀个⽆限数列出来。同样的，把函数改成generator后，我们基本上从来不会⽤ next() 来获取下⼀个返 回值，⽽是直接使⽤ for 循环来迭代：

def fib(times):
    # 初始化
    n = 0
    a, b = 0, 1
    while n < times:
        yield b
        a, b = b, a+b
        n += 1
f = fib(6)
for i in f:
    print(i)
'''
1
1
2
3
5
8
'''

二、遍历生成器的方式

1.通过next（）函数

2.通过循环打印 for- in

3.objict内置的__next__（）方法

4.send（） 方法，生成器的第一个值必须是send(None),后面没有限制

# 创建一个生成器
g = (i for i in range(10))
print(next(g))
print(next(g))
# 0
# 1
print(g.__next__())
print(g.__next__())
# 2
# 3
print(g.send(None))
print(g.send(''))
print(g.send(1))
# 4
# 5
# 6
for i in g:
    print(i)
'''
7
8
9
'''

三、总结

⽣成器是这样⼀个函数，它记住上⼀次返回时在函数体中的位置。对⽣成器函数的第⼆次（或第 n 次）调⽤跳转⾄该函数中间，⽽上次调⽤的所有局部变量都保持不变。 ⽣成器不仅“记住”了它数据状态；⽣成器还“记住”了它在流 控制构造（在命令式编程中，这种构造不只是数据值）中的位置。 ⽣成器的特点：

'''
1. 节约内存 
2. 迭代到下⼀次的调⽤时，所使⽤的参数都是第⼀次所保留下的，在整个所有函数调⽤的参数都是第⼀次所调⽤
时保 留的，⽽不是新创建的