前言：

之前学习Python自动化，接触了不少python的学习，对生成器印象尤其深，网上也看了很多介绍，下面主要是这些概念的个人学习整理(如侵删)。

正文：

如要创建一个非常大的列表，受到内存限制，列表容量肯定也是有限的，而且很多时候，访问只是几个元素，剩余的空间更是白白浪费，

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，Python的生成器就为之而生。

Python这门语言中，生成器毫无疑问是最有用的特性之一,也是使用的最不广泛的Python特性之一。因为其他很多语言并无生成器这个概念

生成器(generator)：一边循环一边计算的机制，不会把结果保存在一个系列中，而是保存生成器的状态，在每次进行迭代时返回一个值，直到遇到StopIteration异常结束。

创建一个generator：

方案一：

只要把一个列表生成式的[]改成()，就创建了一个generator：

>>> 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 at 0x1022ef630>

创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator，可以通过next()函数获得generator的下一个返回值：

>>>next(g)

0>>>next(g)1

>>>next(g)4

.

.

.

>>>next(g)64

>>>next(g)81

>>>next(g)

Traceback (most recent call last):

File"", line 1, in StopIteration

方案二：

yield的使用：

在python中，当你定义一个函数，使用了yield关键字时，这个函数就是一个生成器，yield是一个关键词，类似return, 不同之处在于，yield返回的是一个生成器,以斐波拉契数列(Fibonacci)为例

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, ...

deffib(max):

a, b= 0, 1

while a

a, b= b, a + b

运行：

for n in fib(6):

print(n)

1

1

2

3

5

8

迭代器(Iterator)

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。

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

查看帮助文档help(Iterator)，可知道，Iterable继承自object,Iterator继承自Iterable

可以使用isinstance()判断一个对象是否是Iterator

>>> from collections import Iterator

>>> isinstance((x for x in range(10)), Iterator)

True

>>> isinstance([], Iterator)

False

>>> isinstance({}, Iterator)

False

>>> isinstance('abc', Iterator)

False

生成器既能使用for循环，也能被next()函数调用并不断返回下一个值，所有：

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

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。