Python中的生成器

Python中的生成器就像是一个有‘按钮’的工具，你点一下‘按钮’它就给你一个反应。并且它还是‘一次性的’，这里的一次性是指它只能遍历一次，也就是这个工具的按钮只能按有限次。当然按了n次之后不是说它不能用了。话不多说上代码：

首先定义一个产生斐波那契数列的生成器：

def fib(max):
    n,a,b=0,0,1
    while n<max:
         yield b
         a,b=b,a+b
         n=n+1

将生成器赋值给一个变量a：

a = fib(6)

通过a.next()来点击生成器的‘按钮’：

a.next()

当生成器的按钮的被按的次数大于有限次时，它就会报一个StopIteration（停止迭代）的异常告诉你这个生成器已经不能用了

看图

此时我们可以通过a=fib(6),生成一个新的生成器

说了这么多，生成器到底有什么好处呢？我们前面说了生成器只有你按一下它才给你反应，这里的意思就是你通过调用a.next(),a这个生成器才会根据你给它定义的算法进行计算，并且返回一个值。这样可以节省空间，不过这样会花费更多的时间，所以这是在用时间换空间。

说起生成器就不得不提起列表表达式和函数，因为它们之中有很多相似之处，和不同之处。我们通过类比记忆，就可以更加容易的记住它们。

列表表达式:

L=[x*x for x in range(10)]

这是产生一个0到9的平方的列表

生成器表达式：

G = (x*x for x in range(10)) 

这是生成一个0到9的平方的生成器的表达式

区别：直观上看就是一个是[],一个是（），一个返回的是列表list，一个返回的是生成器generator

这里要说一下，我们可以用for循环去自动迭代生成器，而不止是调用它的next()方法去一个一个地迭代

而生成器与函数的区别在于，用于返回的语句不同，函数用的return，生成器用的yield

用函数来实现斐波那契数列：

def fib(max):
    n,a,b=0,0,1
    while n<max:
         print b
         a,b=b,a+b
         n=n+1

运行结果：

可以看到我们调用fib(6)时，程序直接将所有结果输出，这与生成器的‘按一下’返回一个值是有区别的。

总结：

生成器有两大特点‘一次性’和‘健忘性’，这在处理大量数据时有着很重要的作用，例如处理我们处理一个文本文件，就可以一行一行地处理，处理完一行‘忘掉’一行。而不是把整个文件都读取到内存从而占用大量的内存。

参考资料：

生成器-廖雪峰的官方网站

python生成器到底有什么优点？（知乎）

PS：个人学习记录，仅供参考，如有错误请留言