Python的生成器Generator小结

一. 生成器的介绍

在介绍生成器（Generator）之前，我们首先需要熟悉列表生成式，列表生成式是Python内置的简单又强大的用来创建列表的生成式。

举个例子，

如果我们想生成[1*1,2*2,3*3,4*4,5*5,6*6,7*7,8*8,9*9]

比较笨的方法是

l = []
for i in range(1,10):
    l.append(i*i)

而列表生成式可以用一句语句代替上述的循环语句：

[i*i for i in range(1,10)]

更方便的是我们可以添加条件判断，或者使用多层循环，达成我们想要的结果：

#用if判断来获取偶数的平方
[ i*i for i in range(1,10) if i%2==0 ]
 
#二重循环实现排列组合
[ x + y for x in 'abc' for y in '' ]

言归正传，回到生成器。生成器典型的应用场景是这样的： 假如我们需要生成100万个元素，但是我们需要用到的往往只有几个怎么办？如果用列表生成式全部创建的话，则会浪费大量的空间： 为了需要用到的几个元素，我们创建了100万个元素的列表。

而生成器正是这样可以不必创建完成列表，可以一边循环一边计算出后续元素的机制。

创建生成器的方法很简单，只需要把创建列表生成式时的'[]'改成'()'即可

#List
l = [ i*i for i in range(1,10) if i%2==0 ]
 
#Generator
g = ( i*i for i in range(1,10) if i%2==0 )

生成器的用法：通过next()函数获得下一个生成的值。直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

>>> next(g)
4
>>> next(g)
16
>>> next(g)
36
>>> next(g)
64
>>> next(g)
Traceback (most recent call last):
  File "<pyshell#73>", line 1, in <module>
    next(g)
StopIteration

更科学的方法是使用for循环，因为generator也是可迭代对象，并且不需要关心StopIteration的错误。

>>> for i in g:
    print(i)
 
4
16
36
64

当我们的生成器的需要计算的比较复杂，无法通过类似列表生成式的for循环实现时，则需要另外一种实现生成器的方法：在函数中使用'yield'关键字

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

对上述代码有以下几点：

1. 代码的作用是用生成器的方法实现斐波那契数列

2. 函数中使用关键字''yield"之后，函数就不再是普通的函数了，而变成了生成器

3. generator和函数的执行流程不一样。函数是顺序执行，遇到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。

4. 生成器中可以没有return语句，并不影响生成器的功能。上述代码例子中带的return 'Done'，将会在抛出StopIteration的错误时打印出来。你可以用next()函数触发StopIteration错误试一试。

二. 迭代器和可迭代对象

迭代器：迭代器就是Iterator，意思指可以作用于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。毫无疑问，我们的生成器就属于迭代器(Iterator)。

可迭代对象：Iterable Object，可以直接作用于for循环的对象统称为可迭代对象：Iterable Object。显然，生成器也属于可迭代对象。list, tuple, dict, set, str因为可以直接作用于for循环，所以也是可迭代对象；但是无法被next()函数调用返回下一个值，所以不属于迭代器。

总结： 生成器Generator即是迭代器(Iterator)，也是可迭代对象(Iterable Object)。其实从定义上分析，迭代器一定是可迭代对象。

list, tuple, dict, set, str是可迭代对象(Iterable Object)，但不是迭代器(Iterator)。