generator

生成器generator：一邊循環一邊計算的機制。

生成器是一個特殊的程序，可以被用於控制循環的叠代行為。python中的生成器是叠代器的一種，使用yield返回值函數，每次調用yield會暫停，可以使用next()函數和send()函數恢復生成器。

生成器類似於返回值為數組的一個函數，這個函數可以接受參數，可以被調用。但是，不同於一般函數會一次性返回包括了所有數值的數組，生成器一次只能產生一個值，這個消耗的內存數量將大大減小。因此，生成器看起來像是一個函數，但是表現得像叠代器。

創建generator

方法一：生成器表達式

生成器表達式：返回一個對象，這個對象只有在需要的時候才產生結果。

>>> list(x*x for x in range(5))
[0, 1, 4, 9, 16]
>>> list[x*x for x in range(5)]
  File "<stdin>", line 1
    list[x*x for x in range(5)]
               ^
SyntaxError: invalid syntax
>>> #列表解析生成列表
... [ x**3 for x in range(5)]
[0, 1, 8, 27, 64]
>>> #生成器表達式
... ( x**3 for x in range(5))
<generator object <genexpr> at 0x105d8ba50>
>>> list( x**3 for x in range(5))
[0, 1, 8, 27, 64]
 

方法二：生成器函數

也是用def定義，如果一個函數至少包含一個yield聲明(當然它也可以包含其他yield或return)，那麽它就是一個generator.
yield和return都會讓函數返回一些東西，區別在於，return聲明徹底結束一個函數，而yield聲明是暫停函數，保存它的所有狀態，並且後續被調用後會繼續執行。

>> def my_gen():
...     n=1
...     print "first"
...     yield n
...     n+=1
...     print "second"
...     yield n
... 
>>> for item in my_gen():
...     print item
... 
first
1
second
2
>>
 

一個叠代可以被寫成生成器函數，也可以被寫成生成器表達式，均支持自動和手動叠代。而且這些生成器只支持一個active叠代，也就是生成器的叠代器就是生成器本身。

叠代器（叠代就是循環）

可以直接作用於for循環的數據類型：

• 集合數據類型，如list、tuple、dict、set、str
• generator，包括生成器函數和表達式？
• 這些可以直接作用於for循環對象的統稱為可叠代對象：Iterable
• 可以被next()函數調用並不斷返回下一個值的對象成為叠代器：Iterator
• 生成器都是Iterator對象，但list、dict、str雖然是Iterable（可叠代對象），卻不是Iterator（叠代器）。
• 把list、dict、str等Iterable變成Iterator可以使用iter()函數。

Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用並不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它才會計算。

小結

• 凡是可作用於for循環的對象都是Iterable類型；
• 凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；
• 集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。

Python之生成器(generator)和叠代器(Iterator)