生成器

生成器

生成器

　　生成器的本质就是迭代器

　　Python的生成器提供了一种方便的方法来实现迭代器协议。如果容器对象的__iter__()方法被实现为生成器，它将自动返回提供__iter__()和__next__()方法的迭代器对象（技术上是一个生成器对象）。有关生成器的更多信息，请参见yield表达式的文档。

# 通过函数变成一个生成器

def func():
    
    print(1)
    yield 5     # 函数碰到return会结束，生成器碰到yield不结束会挂起

print(func().__next__)

生成器使用总结：

1.生成器的好处是可以一边循环一边进行计算，不用一下子就生成一个很大的集合，占用内存空间。生成器的使用节省内存空间。

2.生成器保存的是算法，而列表保存的计算后的内容，所以同样内容的话生成器占用内存小，而列表占用内存大。每次调用 next(G) ，就计算出 G 的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出 StopIteration 的异常。

3.使用for 循环来遍历生成器内容，因为生成器也是可迭代对象。通过 for 循环来迭代它，不需要关心 StopIteration 异常。但是用for循环调用generator时，得不到generator的return语句的返回值。如果想要拿到返回值，必须用next()方法，且捕获StopIteration错误，返回值包含在StopIteration的value中。

4.在 Python 中，使用了 yield 的函数都可被称为生成器（generator）。生成器是一个返回迭代器的函数，只能用于迭代操作。更简单点理解生成器就是一个迭代器。

5.一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，保存当前所有的运行信息，并返回一个迭代值，下次执行next() 方法时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。生成器不仅“记住”了它数据状态；生成器还“记住”了它在流控制构造中的位置。

send

send其实就是先对生成器传值，然后执行next方法

def func():
    print(1)
    a = yield 2
    print(a)
    yield 4

g = func()
print(g.__next__())
print(g.send("123"))

注意：如果第一次调用生成器的时候使用了send，send里的值必须是None。

推导式

列表推导式:[i for i in range(5)]

集合推导式:{i for i in range(5)}

字典推导式:{i: i + 1 for i in range(5)}

生成器推导式:(i for i in range(5))