Python迭代器，生成器详解

本质上，生成器也是一种迭代器。但生成器只能迭代一次，因为值是在迭代过程生成，而所有的值没有保存在内存。这里先介绍下迭代器的概念，迭代器分为3部分：

• 可迭代对象： python中的任意对象，只要它定义了可以返回一个迭代器iter方法，或者支持下标索引的getitem方法，那它就是一个可迭代对象。简单来说可迭代对象就是可以提供迭代器的任意对象。

• 迭代器： python中的任意对象有next方法就是一个迭代器。

• 迭代： 简单来说就是从某个地方取出一个元素的过程，像使用循环遍历一个列表这个过程就叫迭代。

了解迭代器的概念，我们再来细究生成器的原理：生成器是只能迭代一次的迭代器。大多数时候生成器都是通过函数来实现的。使用生成器“生成”一个值可以通过for循环，或者将它们传递给可以进行迭代的函数和结构。
（注：这个过程并不是return返回一个值，而是“生成”一个值，且所有值不保存在内存里面）

这里有个简单的例子：

def  gen_fun():
    for i in range(10):
        yield(i)

先解释下以上的代码，gen_fun（）其实是一个很普通的函数，但是函数中没有return语句，函数的返回值是一个生成器，我们可以使用生成器生成数值。

1、生成器通过for循环生成数值

（注：这个案例并不实用，一次性生成大量数值占用内存资源。生成器的应用场景在于，你不想一次性计算出大量结果集分配到内存。特别是结果集还有循环的情况）

2、实例生成器对象使用next方法

从上图，可以看出生成器迭代一次仅生成一个值，迭代完抛出StopIteration异常。

3、列表生成表达式

总之，使用Python生成器，我们可以设计出更优美、简洁的代码，同时更加地节省内存资源，CPU更高效。
如下面是一个计算斐波那契数列的生成器，当数值很大时，我们也可以不用担心它会使用大量资源：

def Fibon(n):
    a = b =1
    for i in range(n):
        yield a
        a,b = b,a+b

生成器通过for循环生成数值

for item in Fibon(100000):
    print（item）

参考文献：
http://docs.pythontab.com/interpy/Generators/Generators/ 作者 @yasoob《Intermediate Python》
http://python.jobbole.com/86258/ 可迭代对象 vs 迭代器 vs 生成器