初识生成器
通过前面学习的迭代器，我们知道，迭代器十分节省内存。如果在某些情况下，我们也需要节省内存，就只能自己写，我们自己用python代码实现的迭代器就称为生成器。
生成器：生成器就是自己用python代码写的迭代器，生成器的本质就是迭代器。
（1）因为本质是迭代器，所以自带了__iter__方法和__next__方法。
（2）特点：惰性运算，开发者自定义。
python中提供的两种方法构建生成器：
（1）生成器函数：与普通函数的return不同，而是使用yield关键字。yield语句一次返回一个结果，在每个结果中间挂起函数，以便下次从它离开的地方再次运行。
（2）生成式推导式：类似于列表推导式，但是不是一次性构建一个列表，而是按需每次返回一个值。
构建生成器方式一:生成器函数
一个包含yield关键字的函数就称为生成器函数。与普通函数的return不同，函数一遇到return就会结束函数并给函数的执行者返回值；但是yield不会结束函数，而是返回值给'生成器对象.__next__（）'，每次获得可迭代对象，就会推动函数的进行。
#一。回顾普通函数与return
def func1(x):
x +=1
return x #函数遇到return关键字，就会结束函数并返回值给函数的执行者。
res = func1(6) #函数的执行命令，并且接受函数的返回值
print(res)
#二。生成器函数，yield关键字。
def gen1(x):
x +=1
print(1111)
yield x #带有yield关键字的函数，称为生成器函数。
print(2222)
yield x
gen_obj = gen1(5) #此时这个就不是函数的执行者了，是生成器的对象
print(gen_obj)
>>><generator object gen1 at 0x000001DFD052FE08>
print(gen_obj.__next__())
>>> #一个yield关键字，会把值返回个一个next，并且把函数挂起。
1111
6
print(gen_obj.__next__()) #第二个生成器对象，会从挂起处继续向下执行，遇到第二个yield返回。
>>>
2222
6
print(gen_obj.__next__()) #生成器本质就是迭代器，只能一路走到黑，不能回头，所以报错。
>>>
StopIteration
#生成器范例二：
def func1(x):
x +=1
yield x
x +=3
yield x
x +=5
yield x
g1 = func1(5) #g1为生成器对象
print(g1.__next__()) #一个yield对应一个next，yield把值返回，所以x为6
print(g1.__next__()) #一个yield对应一个next，yield把值返回，所以6+3=9
print(g1.__next__()) #一个yield对应一个next，yield把值返回，所以9+5=14
'''因为生成器本质就是迭代器，所以符合迭代协议'''
for i in g1:
print(i)
>>>
6
9
14
总结1：yield与return的区别？
答：return结束函数，给函数的执行者返回值。yield不会结束函数，一个next调用对应一个yield，yield把值返回给"生成器对象.__next__()"
总结2：生成器与迭代器的差别？
答：从内存级别来看，迭代器需要可迭代对象来进行转化，可迭代对象非常占内存；生成器直接创建，不需要转换，从本质上就节省内存。
send与next
send ： send与next在取值上是一样的，执行一个yield方法。但是send可以给上一个yield传递值。
谨记：（1）第一次取值永远都是next。
（2）最后一个yield永远也得不到send传的值。
#一。send与next在取值上是一样的，都是对应一个yield关键字。
def func1():
print(1)
yield 6
print(2)
yield 7
print(3)
yield 8
g1 = func1()
print(next(g1))
print(g1.send('alex'))
print(next(g1))
>>>
1
6
2
7
3
8
#二。但是send可以给上一个yield传递值
def func1():
count = yield 6
print(count)
yield 7
yield 8
g1 = func1()
print(next(g1)) #遇到next调用一个yield，此时yield返回值为6，所以next(g1)为6，yield无实体值，
所以count为None
g1.send('alex') #遇到send取值与next一致，对一个yield，但是会给上一个yield赋值，所以
count=‘alex
print(next(g1)) #同上。
>>>
6
alex
8
构建生成器方式二：生成器推导式
前提知识：列表生成式/列表推导式
1.一行代码几乎搞掂需求简单的任何列表，方便。
2.不易排错，不建议超过三次循环。
#一。循环模式 [ 变量 for 变量 in iterable ]
list = [x for x in range(101)]
print(list)
>>>
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100]
l2 = [i**2 for i in range(1,11)]
print(l2)
>>>
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
#二。筛选模式 [ 加工后的变量 for 变量 in Iterable if 条件]
'''30以内被3整除的数'''
print([ i for i in range(1,30) if i%3==0])
>>>
[3, 6, 9, 12, 15, 18, 21, 24, 27]
'''30以内被3整除的数的平方'''
print([ i**2 for i in range(1,30) if i%3==0])
>>>
[9, 36, 81, 144, 225, 324, 441, 576, 729]
'''找出嵌套列表中名字含有两个'e'的所有名字'''
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
print([j for i in names for j in i if j.count('e') >= 2])
>>>
['Jefferson', 'Wesley', 'Steven', 'Jennifer']
生成器推导式
1.十分简单，只需要把列表推导式[]换成（）即可
# 通过生成式推导式构建生成器generator g1 = (i for i in range(1,10000)) print(g1) print(g1.__next__()) print(g1.__next__()) print(g1.__next__()) print(g1.__next__()) >>> <generator object <genexpr> at 0x00000253C09DFE08> 1 2 3 4