一、列表生成器

列表生成式即List Comprehensions

>>>list(range(1,5))
[1, 2, 3, 4]

>>>[x * x for x in range(1, 5)] // 即直接生成x平方的列表
[1, 4, 9, 16]

// 加判斷 只生成偶數的平方

[x * x for x in range(1, 11) if x % 2 == 0]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

// 兩層迴圈
// range(1,5)為[1,2,3,4]  range(5,9)為[5,6,7,8
 
]

>>>x + y for x in range(1, 5) for y in range(5, 9)
[6, 8, 10, 12]

二、生成器

上面我們提到的列表生成器，是直接建立了一個列表，顯而易見，當數量很大時，直接建立一個列表，相當佔記憶體。
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。

我們用列表生成器的時候用的是 [ ]，而我們如果用( )，那麼我們就建立了一個生成器。

參考廖老師的例子

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

我們可以通過 next() 函式來獲得生成器內的資料

>>> next(g)
0
>>> next(g)
1
>>> next
 
(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

當我們建立好了一個生成器之後，可以用for迴圈讀取資料
此外：
當一個函式內，我們用到了 yeild 函式，那麼這個函式就變成了一個generator
比如，斐波拉契數列（Fibonacci）:

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

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。
獲得數列的結果：

>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8