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？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。
>>> L = [ x * x for x inrange(2,8)] --列表生成表达式
>>> L
[4, 9, 16, 25, 36, 49]
>>> G = (x * x for x in range(2,8)) --[]符号变成了()，即生成器
>>> G
<generator object <genexpr> at0x2b25180303b8>
>>> next(G)
4
>>> next(G) --依次计算下个元素
9
>>> next(G)
16
别忘generator也是个可迭代对象
>>> G = ( x * x for x inrange(2,8))
>>> for i in G:
... print(i)
...
4
9
16
25
36
49
这里yield理解成生产，产生的意思。
generator和函数的执行流程不一样。函数是顺序执行，遇到第一个return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
>>> def step():
... print(‘step 1‘)
... yield 1
... print(‘step 2‘)
... yield 2
... print(‘step 3‘)
... yield 3
...
>>>
>>>
>>> next(step())
step 1
1
>>> next(step())
step 1
1
>>> o = step()
>>> next(o)
step 1
1
>>> next(o)
step 2
2
>>> next(o)
step 3
3
>>> next(o) --迭代溢出
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
定义一个yield生成器
>>> def fib(max):
... n, a, b = 0, 0, 1
... while n < max:
... yield b
... a, b = b, a + b
... n = n + 1
... return ‘done‘
...
>>>
>>>
for迭代生成器中的元素
>>> for i in fib(6):
... print(i)
...
1
1
2
3
5
8
>>>
生成器中return返回值
>>> g = fib(6)
>>> while True:
... try:
... x = next(g)
... print(‘x =‘,x)
... except StopIteration as e:
... print(‘Generator return value: ‘,e.value)
... break
...
x = 1
x = 1
x = 2
x = 3
x = 5
x = 8
Generator return value: done
可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
可以使用isinstance()判断一个对象是否是Iterable对象：
>>> fromcollections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance(‘abc‘, Iterable)
True
>>> isinstance(((1, 2), (3, 4)),Iterable)
True
>>> isinstance((x for x inrange(10)), Iterable)
True
>>> isinstance(100, Iterable)
False
生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
可以使用isinstance()判断一个对象是否是Iterator对象：
>>> fromcollections import Iterator
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance(((1, 2), (3, 4)),Iterator)
False
>>> isinstance((x for x inrange(10)), Iterator)
True
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数：
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter(‘abc‘),Iterator)
True
你可能会问，为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
Python的for循环本质上就是通过不断调用next()函数实现的，例如：
for x in [1, 2, 3, 4, 5]:
pass
实际上完全等价于：
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4,5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break
本文出自 “90SirDB” 博客，请务必保留此出处http://90sirdb.blog.51cto.com/8713279/1811660
原文地址：http://90sirdb.blog.51cto.com/8713279/1811660
