借random模块聊一下生成器的好处

下面的例子是一个生成指定书目的随机数的函数，这个函数的返回值是一个可迭代的对象，也就是生成器，在使用生成器的过程中，我感受到了两个生成器带来的好处，第一个是生成器返回一个可迭代对象，每一次迭代产生一个值，然后去处理这个值，这样在处理大数据的时候可以很好的节省内存，另一方面，使用生成器可以让代码更加简洁易懂，如果我们的函数要返回一个列表，那么我们需要事先先定义一个空的list，然后通过循环逐个加入到列表中，最终使用return 返回list，但是生成器的好处在于，我们不需要事先指定空的list，只需要通过yield关键词返回一个生成器，然后通过list(生成器)直接将所有的结果放到一个list当中，可以说，让我们的代码变得更加简洁了，因为少了几行，且更容易懂，我是这样理解的。 

import random

def makerandom(limit,random_range):
    for i in range(limit):
        yield random.randrange(random_range)


random.seed(1)
print(list(makerandom(10,8)))

# [2, 1, 4, 1, 7, 7, 7, 6, 3, 1]

下面的这段代码是不使用生成器的版本

def makerandom(limit,random_range):
    random_list = []
    for i in range(limit):
        random_list.append(random.randrange(random_range))
    return random_list

可以看到多了两行代码。

不过事实上，我们也可以通过列表解析式来简化代码，如下所示

def makerandom(limit,random_range):
        return [random.randrange(random_range) for i in range(limit)]