Python基础：生成器（Generators）和生成器表达式（Generator Expressions)详解

  生成器（Generators）和 生成器表达式（Generator Expressions）是 Python 中用于处理迭代器和序列数据的强大工具。它们允许你按需生成值，而不是一次性生成所有值，从而节省内存和提高性能。

1. 生成器（Generators）

  生成器 是一个用于创建迭代器的简单而强大的工具。 它们的写法类似于标准的函数，但当它们要返回数据时（返回一个generator iterator的函数）会使用 yield语句。 每次在生成器上调用 next() 时，它会从上次离开的位置恢复执行（它会记住上次执行语句时的所有数据值）。

1.1 语法

def my_generator():
    yield 1
    yield 2
    yield 3

  生成器使用函数中的yield 语句来生成值，每次调用生成器的__next__() 方法时，函数会执行到 yield，返回值并暂停，下一次调用会从上次暂停的地方继续执行。

   1. yield: 返回一个值，并暂停生成器的执行。
   2. __next__(): 获取生成器的下一个值。
   3. 生成器可以使用for 循环来遍历。

1.2 应用场景

   1. 处理大数据集： 生成器适合处理大量数据，因为它们一次只生成一个值，而不是一次性生成所有值。
   2. 无限序列： 适用于表示无限序列，例如斐波那契数列。
   3. 懒加载： 用于按需加载大文件中的数据。
   4. 状态机： 生成器可以用于实现状态机，处理一系列有序事件。
   5. 异步编程： 在异步编程中，生成器可以用于实现协程。

1.3 简单示例

  按照指定的模式生成一系列字符串

def pattern_generator(n):
    for i in range(1,n+1):
        yield '  A  ' * i

# 使用生成器生成一系列字符串
pattern_gen = pattern_generator(5)
for pattern in pattern_gen:
    print(pattern)

1.4 应用场景示例

1.4.1 处理大数据集

"""
    1）处理大数据集
"""
def read_large_file(file_path):
    with open(file_path, 'r') as file:
        for line in file:
            yield line

# 使用生成器遍历大文件
for data in read_large_file('large_data.txt'):
    process_data(data)

1.4.2 无限序列

"""
    无限序列
    实现斐波那契数列
"""
def fibonacci():
    a, b = 0, 1
    while