Python生成器的详细介绍

　　Python生成器的详细介绍，首先生成器是Python初级开发者最难理解的概念之一，虽被认为是Python编程中的高级技能，但在各类项目中能够随处见到生成器的身影，你得不得去理解它、使用它、甚至爱上它。
　　提到生成器，总不可避免地要把迭代器拉出来对比着讲，生成器就是一个在行为上和迭代器很是相似的对象，若是把迭代器比做Android系统，那么生成器就是iOS，两者功能上差很少，可是生成器更优雅。
　　什么是迭代器
　　顾名思义，迭代器就是用于迭代操做（for循环）的对象，它像列表同样能够迭代获取其中的每个元素，任何实现了__next__方法（python2是next）的对象均可以称为迭代器。
　　它与列表的区别在于，构建迭代器的时候，不像列表把全部元素一次性加载到内存，而是以一种延迟计算（lazyevaluation）方式返回元素，这正是它的优势。好比列表含有中一千万个整数，须要占超过400M的内存，而迭代器只须要几十个字节的空间。由于它并无把全部元素装载到内存中，而是等到调用next方法时候才返回该元素（按需调用callbyneed的方式，本质上for循环就是不断地调用迭代器的next方法）。
以斐波那契数列为例来实现一个迭代器：
class Fib:
def __init__(self, n):
self.prev = 0
self.cur = 1
self.n = n
def __iter__(self):
return self
def __next__(self):
if self.n > 0:
value = self.cur
self.cur = self.cur + self.prev
self.prev = value
self.n -= 1
return value
else:
raise StopIteration()

兼容python2

def __next__(self):
return self.next()
f = Fib(10)
print([i for i in f])

[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

什么是生成器
知道迭代器以后，就能够正式进入生成器的话题了。普通函数用return返回一个值，和Java等其余语言是同样的，然而在Python中还有一种函数，用关键字yield来返回值，这种函数叫生成器函数，函数被调用时会返回一个生成器对象，生成器本质上仍是一个迭代器，也是用在迭代操做中，所以它有和迭代器同样的特性，惟一的区别在于实现方式上不同，后者更加简洁
最简单的生成器函数：

def func(n):
... yield n*2
...
func
<function func at 0x00000000029F6EB8>
g = func(5)
g
<generator object func at 0x0000000002908630>

func就是一个生成器函数，调用该函数时返回对象就是生成器g，这个生成器对象的行为和迭代器是很是类似的，能够用在for循环等场景中。注意yield对应的值在函数被调用时不会马上返回，而是调用next方法时（本质上for循环也是调用next方法）才返回
g = func(5)
next(g)
10
g = func(5)
for i in g:
... print(i)
...
10
那为何要用生成器呢？显然，用生成器在逼格上要比迭代器高几个等级，它没有那么多冗长代码了，并且性能上同样的高效，为何不用呢？来看看用生成器实现斐波那契数列有多简单。
def fib(n):
prev, curr = 0, 1
while n > 0:
n -= 1
yield curr
prev, curr = curr, curr + prev
print([i for i in fib(10)])

[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

生成器表达式
在前面一期「这样写代码更优雅」的文章里面曾经介绍过列表推导式（listcomprehension），生成器表达式与列表推导式长的很是像，可是它俩返回的对象不同，前者返回生成器对象，后者返回列表对象。

g = (x*2 for x in range(10)) type(g) <type 'generator'> l = [x*2 for x in range(10)] type(l) <type 'list'>