概要

python中的生成器是一種特殊的迭代器，如果按照c語言的說法，就是一種特殊的指針，但是python語言的一個語言特性是兼容了函數化編程，類似lambda匿名函數機制。

本文重點介紹生成器表達式的使用，是一種很快捷，節約內存的寫法。

生成器（Generator）是一種特殊的迭代器，它能讓你用一種非常高效的方式遍歷序列。它的核心思想是：按需生成數據，而不是一次性創建所有數據。

想象一下你有一百萬個數字要處理。如果你把它們全部加載到內存中，可能會導致程序變慢甚至崩潰。生成器就像一個“懶惰”的工廠，它只在你需要下一個數字時，才生產并提供給你，用完就丟棄，因此它能大大節省內存。

生成器和普通函數的區別

生成器看起來像一個普通的函數，但它最大的不同是使用 yield 關鍵字而不是 return。

• return：當你調用一個普通函數時，它會執行到 return 語句，然后返回一個值，并徹底結束。下次再調用這個函數時，它會從頭開始執行。

• yield：當你調用一個生成器函數時，它會執行到 yield 語句，然后返回一個值并暫停。它的狀態（包括所有局部變量和執行位置）會被保存下來。下次你再次要求它提供值時，它會從上次暫停的地方繼續執行，直到遇到下一個 yield。

怎么創建生成器？

有兩種主要方式創建生成器：

1. 生成器函數

這是最常見的方式，和定義普通函數一樣，只是將 return 換成 yield。

def simple_generator():yield 1yield 2yield 3# 調用生成器函數，會返回一個生成器對象
gen = simple_generator()# 每次調用 next()，它都會繼續執行到下一個 yield
print(next(gen))  # 輸出: 1
print(next(gen))  # 輸出: 2
print(next(gen))  # 輸出: 3# 當沒有更多的 yield 語句時，會引發 StopIteration 異常
# print(next(gen))  # 這行會報錯

通常，我們會用 for 循環來遍歷生成器，因為 for 循環會自動處理 StopIteration 異常。

for item in simple_generator():print(item)
# 輸出:
# 1
# 2
# 3

2. 生成器表達式

偽代碼演示：

(你想生成什么 for 你要迭代什么 in 哪個序列 if 你的條件)

這是一種更簡潔的寫法，類似于列表推導式，但用圓括號 () 而不是方括號 []。

• 列表推導式（List Comprehension）：一次性生成所有數據，并存入列表。

squares_list = [x*x for x in range(10)]
print(squares_list) # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

• 生成器表達式（Generator Expression）：按需生成數據，返回一個生成器對象。

squares_gen = (x*x for x in range(10))
print(squares_gen) # <generator object <genexpr> at ...># 只有當你遍歷它時，數據才會被生成
for item in squares_gen:print(item)

生成器與列表的區別

從整體來看，區別最大的就是生成器的內存占用是很小的，下面看一個例子：

列表 (List) 的內存消耗

當你使用列表推導式或手動構建一個列表時，Python 會立即分配足夠的內存來存儲所有的元素。

例如：

all_squares = [x*x for x in range(1, 1000001)]

要執行這行代碼，Python 會一次性計算 100 萬個數字的平方，并將它們全部存儲在一個列表中。如果每個整數占用 4 字節，那么這個列表至少需要 1,000,000 * 4 = 4 MB 的內存，再加上列表本身的一些開銷。

這個過程是立即的、一次性的。這很方便，但如果數據量非常大，它可能會耗盡你的系統內存，導致程序崩潰或運行緩慢。

生成器 (Generator) 的內存消耗

與列表不同，生成器是惰性求值的。它不會一次性計算并存儲所有元素。它只在需要時才計算下一個值。

例如：

all_squares_gen = (x*x for x in range(1, 1000001))

當你執行這行代碼時，Python 并沒有做任何計算。它只是創建了一個生成器對象。這個對象只存儲了如何計算下一個值的指令（即 x*x）以及當前的狀態（即 x 的值）。

當你開始迭代這個生成器時，比如在一個 for 循環中，它會一個接一個地生成值，并且只在內存中保留當前正在使用的那個值。

生成器有這樣的優點，歸功于python這樣高級語言的自動垃圾回收機制

生成器：即時分配，即時銷毀

當生成器在 for 循環中被調用時，它會：

1. 計算下一個值。

2. 返回這個值。

3. 立即釋放與這個值相關的內存。

上面的例子里，生成器每計算一次，就會把上一次的計算好的數據刪除回收，節約了空間。

生成器具體應用例子

下面是兩端程序，實現的內容是一樣的，但是第一個使用一般的函數定義寫的，第二個是用匿名函數lambda和生成器寫的，比較兩者的區別

def count_fives(n):"""Return the number of values i from 1 to n (including n)where sum_digits(n * i) is 5.>>> count_fives(10)  # Among 10, 20, 30, ..., 100, only 50 (10 * 5) has digit sum 51>>> count_fives(50)  # 50 (50 * 1), 500 (50 * 10), 1400 (50 * 28), 2300 (50 * 46)4"""i = 1count = 0while i <= n:if sum_digits(n * i) == 5:count += 1i += 1return countdef count_primes(n):"""Return the number of prime numbers up to and including n.>>> count_primes(6)   # 2, 3, 53>>> count_primes(13)  # 2, 3, 5, 7, 11, 136"""i = 1count = 0while i <= n:if is_prime(i):count += 1i += 1return count

第二段

def sum_digits(y):"""Return the sum of the digits of non-negative integer y."""total = 0while y > 0:total, y = total + y % 10, y // 10return totaldef is_prime(n):"""Return whether positive integer n is prime."""if n == 1:return Falsek = 2while k < n:if n % k == 0:return Falsek += 1return Truedef count_cond(condition):"""Returns a function with one parameter N that counts all the numbers from1 to N that satisfy the two-argument predicate function Condition, wherethe first argument for Condition is N and the second argument is thenumber from 1 to N.>>> count_fives = count_cond(lambda n, i: sum_digits(n * i) == 5)>>> count_fives(10)   # 50 (10 * 5)1>>> count_fives(50)   # 50 (50 * 1), 500 (50 * 10), 1400 (50 * 28), 2300 (50 * 46)4>>> is_i_prime = lambda n, i: is_prime(i) # need to pass 2-argument function into count_cond>>> count_primes = count_cond(is_i_prime)>>> count_primes(2)    # 21>>> count_primes(3)    # 2, 32>>> count_primes(4)    # 2, 32>>> count_primes(5)    # 2, 3, 53>>> count_primes(20)   # 2, 3, 5, 7, 11, 13, 17, 198""""*** YOUR CODE HERE ***"return lambda n: sum(1 for i in range(1,n+1) if condition(n,i))

套用生成器表達式：

(你想生成什么 for 你要迭代什么 in 哪個序列 if 你的條件)

這個代碼意味著遍歷1到n的序列，如果條件滿足condition，則生成1，而外部的sum()函數就會把1加起來，實現計數。

一行就解決了這個問題，函數式編程的泛用性可見一斑

為什么使用生成器？

1. 節省內存：這是最大的優勢。它不會一次性把所有數據都存到內存里，特別適合處理大數據集。

2. 延遲計算：數據只在需要時才被生成，這對于某些計算密集型任務非常有用。

3. 可讀性高：生成器函數比編寫一個自定義迭代器類要簡單得多。

總結

• 生成器是按需生成數據的迭代器。

• 用 yield 關鍵字創建生成器函數。

• 用圓括號 () 創建生成器表達式。

• 它們的主要優點是內存高效和延遲計算。

如果你需要處理大量數據或者進行無限序列的操作，生成器是 Python 中一個非常有用的工具。