共计 1703 个字符，预计需要花费 5 分钟才能阅读完成。
生成器是 Python 高级开发者最难了解的概念之一，虽被认为是 Python 编程中的高级技能，但在各种我的项目中能够随处见到生成器的身影，你得不得去了解它、应用它、甚至爱上它。
提到生成器，总不可避免地要把迭代器拉进去比照着讲，生成器就是一个在行为上和迭代器十分相似的对象，如果把迭代器比作 Android 零碎，那么生成器就是 iOS，二者性能上差不多，然而生成器更优雅。
什么是迭代器
顾名思义，迭代器就是用于迭代操作（for 循环）的对象，它像列表一样能够迭代获取其中的每一个元素，任何实现了 next 办法
（python2 是 next）的对象都能够称为迭代器。
它与列表的区别在于，构建迭代器的时候，不像列表把所有元素一次性加载到内存，而是以一种提早计算（lazy evaluation）形式返回元素，这正是它的长处。比方列表含有中一千万个整数，须要占超过 400M 的内存，而迭代器只须要几十个字节的空间。因为它并没有把所有元素装载到内存中，而是等到调用 next 办法时候才返回该元素（call by need 的形式），实质上 for 循环就是一直地调用迭代器的 next 办法。
以斐波那契数列为例来实现一个迭代器：
class Fib:
def __init__(self, n):
self.prev = 0
self.cur = 1
self.n = n
def __iter__(self):
return self
def __next__(self):
if self.n > 0:
value = self.cur
self.cur = self.cur + self.prev
self.prev = value
self.n -= 1
return value
else:
raise StopIteration()
f = Fib(10)
print([i for i in f])
#[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
什么是生成器
晓得迭代器之后，就能够正式进入生成器的话题了。一般函数用 return 返回一个值，和 Java 等其余语言是一样的，然而在 Python 中还有一种函数，用关键字 yield 来返回值，这种函数叫生成器函数，函数被调用时会返回一个生成器对象，生成器实质上还是一个迭代器，也是用在迭代操作中，因而它有和迭代器一样的个性，惟一的区别在于实现形式上不一样，后者更加简洁
最简略的生成器函数：
>>> def func(n):
... yield n*2
...
>>> func
<function func at 0x00000000029F6EB8>
>>> g = func(5)
>>> g
<generator object func at 0x0000000002908630>
>>>
func 就是一个生成器函数，调用该函数时返回对象就是生成器 g，这个生成器对象的行为和迭代器是十分类似的，能够用在 for 循环等场景中。留神 yield 对应的值在函数被调用时不会立即返回，而是调用 next 办法时（实质上 for 循环也是调用 next 办法）才返回
>>> g = func(5)
>>> next(g)
10
>>> g = func(5)
>>> for i in g:
... print(i)
...
10
那为什么要用生成器呢？显然，用生成器在逼格上要比迭代器高几个等级，它没有那么多简短代码了，而且性能上一样的高效，为什么不必呢？来看看用生成器实现斐波那契数列有多简略。
def fib(n):
prev, curr = 0, 1
while n > 0:
n -= 1
yield curr
prev, curr = curr, curr + prev
print([i for i in fib(10)])
#[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
生成器表达式
生成器表达式与列表推导式长的十分像，然而它俩返回的对象不一样，前者返回生成器对象，后者返回列表对象。
>>> g = (x*2 for x in range(10))
>>> type(g)
<type 'generator'>
>>> l = [x*2 for x in range(10)]
>>> type(l)
<type 'list'>
后面曾经介绍过生成器的劣势，迭代大数据时，显然生成器更适合。
以上就是本次分享的全部内容，当初想要学习编程的小伙伴欢送关注 Python 技术大本营，获取更多技能与教程。
