目录

一、生成器的概念

二、生成器函数的定义

1、yield和return关键字的区别和相同点

（1）yield和return关键字的的不同点：

（2）yield和return关键字的的相同点：

2、生成器函数初识

（1）什么是生成器函数

（2）生成器函数的好处

三、生成器函数初级进阶

1、从生成器中取值的两种方法

（1）、方法一：next方法

（2）、方法二：send方法

2、预激协程的装饰器

3、Python3新加的yield from

4、回顾

四、生成器函数高级进阶

1、生成器的表达式和各种推导式

（1）、列表推导式

（2）、生成器的表达式

（3）、字典推导式

（4）、集合推导式（自带结果去重功能）

2、总结

​

一、生成器的概念

我们知道的迭代器有两种：一种是调用方法直接返回的，比如for循环就是Python自带的迭代器，一种是可迭代对象通过执行iter方法得到的，迭代器有的好处是可以节省内存。避免将大量数据一次性取出而导致的错误和内存不足问题。

如果在某些情况下，我们也需要节省内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。

简而言之：生成器就是我们自己写的迭代器

二、生成器函数的定义

1、yield和return关键字的区别和相同点

yield是用于生成器。什么是生成器，你可以通俗的认为，在一个函数中，使用了yield来代替return的位置的函数，就是生成器。

• （1）yield和return关键字的的不同点：

它不同于函数的使用方法是：函数使用return来进行返回值，每调用一次，返回一个新加工好的数据返回给你；yield不同，它会在调用生成器的时候，把数据生成object，然后当你需要用的时候，要用next()方法来取，同时不可逆。你可以通俗的叫它"轮转容器"，可用现实的一种实物来理解：水车，先yield来装入数据、产出generator object（你执行了含有yield关键字的函数，之后调用该函数不会的到返回值而是得到一个可迭代的对象"generator object"）使用next()来释放；

好比水车转动后，车轮上的水槽装入水，随着轮子转动，被转到下面的水槽就能将水送入水道中流入田里。水车这个比方太恰当不过了，就是每次有个数据要取出来，先按照顺序将数据放进水车的水槽中，当后面在调用next函数的时候相当于使用水槽的水，并且是按照水车中原来进去的顺序进行取水的（先进先出）‘

• （2）yield和return关键字的的相同点：

相同点：都是返回函数执行的结果
不同点：return 在返回结果后结束函数的运行，而yield 则是让函数变成一个生成器（或者叫做可迭代对象），生成器每次产生一个值（yield语句），函数被冻结，被唤醒后再产生一个值

用一个栗子总结:

def f1():    return 'aaa'    return 'bbb'def f2():    yield 'aaa'    yield 'bbb'print(f1())print(f2())for i in f2():    print(i)输出结果：aaa<generator object f2 at 0x000001731AFFFC10>aaabbb

2、生成器函数初识

• （1）什么是生成器函数

一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会得到返回的具体的值，而是得到一个可迭代的对象。每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的返回值。直到函数执行结束。

简而言之就是函数内部含有yield关键字的就是生成器函数

• （2）生成器函数的好处

生成器有什么好处就是不会一下子在内存中生成太多数据，而是你找它要它才给你值，你不向它要它也不会返回值给你。

举个栗子：
假如我预定了2000000件秋装服，我和工厂一说，工厂应该是先答应下来，然后再去生产，我可以一件一件的要，也可以一批一批的找工厂拿。而不能是一说要生产2000000件衣服，工厂一次性生产2000000件衣服在一起给我，等回来做好了，都冬天了。。。

def produce():    """生产衣服"""    for i in range(2000000):        yield "生产了第%s件衣服"%iproduct_g = produce()print(product_g.__next__()) #要一件衣服print(product_g.__next__()) #再要一件衣服print(product_g.__next__()) #再要一件衣服num = 0for i in product_g:         #要一批衣服，比如5件    print(i)    num +=1    if num == 5:        break#到这里我们找工厂拿了8件衣服，我一共让我的生产函数(也就是produce生成器函数)生产2000000件衣服。#剩下的还有很多衣服，我们可以一直拿，也可以放着等想拿的时候再拿

三、生成器函数初级进阶

1、从生成器中取值的两种方法

（1）、方法一：next方法

def generator():    print(123)    yield 1    print(456)    yield 2g1 = generator()    #生成器g1g2 = generator()    #生成器g2print('*',g1.__next__())        #从生成器g1中取第一个值print('**',g1.__next__())       #从生成器g1中取第二个值print('***',g2.__next__())      #从生成器g2中取第一个值      输出结果：123* 1456** 2123*** 1

（2）、方法二：send方法

• send 获取下一个值的效果和next基本一致

        只是在获取下一个值的时候给上一个yield的位置传递了一个数据

• 使用send的注意事项：

1.         第一次使用生成器时候是用next获取下一个值
2.         最后一个yield不能接收外部的值

总结：

        send：不能用在第一个，取下一个值的时候给上一个位置传一个新的值

def generator():    print(123)    content = yield 1    print('=======',content)    print(456)    yield 2#send 获取下一个值的效果和next基本一致#只是在获取下一个值的时候，给上一yield的位置传递一个数据#使用send的注意事项    # 第一次使用生成器的时候 是用next获取下一个值    # 最后一个yield不能接受外部的值g = generator()print('*',g.__next__())ret = g.send('hello')          #send的效果与next一样print('***',ret)输出结果：123* 1======= hello456*** 2

2、预激协程的装饰器

什么是预激协程的装饰器？

        简单来说就是个加了装饰器的生成器（装饰器介绍）

预激协程的装饰器的实例：

#实际上就是省略了avg_g = average()       avg_g.__next__()这两步def init(func):                 #func = average    '''    装饰器函数    :param func:    :return:    '''    def inner(*args,**kwargs):        g = func(*args,**kwargs)    #g = average()        g.__next__()        return g    return [email protected]               #average = init(average) = innerdef average():    sum = 0    count = 0    avg = 0    while 1:        #num = yield        num = yield avg        sum += num        count += 1        avg = sum/countavg_g = average()       #===>innerret = avg_g.send(10)print(ret)# avg_g.__next__()# avg1 = avg_g.send(10)# avg2 = avg_g.send(20)# print(avg1,avg2)输出结果：10.0

3、Python3新加的yield from

yield from: 后接列表、生成器、协程。与asyncio.coroutine同时使用，定义协程函数。在python3.5以后改成了await。当yield from后面是IO耗时操作的时候，会切换至另一个yield from。

在这我们简单来说：yield可以在函数中代替for循环对返回的数据进行迭代

def generator():    a = 'ab'    b = '12'    for i in a:        yield i    for i in b:        yield ig = generator()    从生成器中取返回值for i in g:    print(i)输出结果：ab12def generator():    a = 'cd'    b = '34'    yield from a  # ,b只能有一个变量    yield from bg = generator()    #从生成器中取返回值for i in g:    print(i)输出结果：cd34

4、回顾

  回顾：
        一、send：
                1、send的作用范围和next一模一样（从一个yield作用到下一个yield）
                2、第一次不能使用send
                3、函数在的最后一个yield不能接收新的值
        二、
                预激生成器的装饰器的例子
    

四、生成器函数高级进阶

1、生成器的表达式和各种推导式

（1）、列表推导式

模板：

[每一个元素或者是和元素相关的操作 for 元素 in 可迭代数据类型]    遍历后挨个处理
[满足条件的元素进行相关的操作 for 元素 in 可迭代数据类型 if 元素相关的条件]   筛选功能

egg_list = ['鸡蛋%s'%i for i in range(10)] #这是个列表推导式print(egg_list)'''相当于'''egg_list = []for i in range(10):    egg_list.append('鸡蛋%s' %i)print(egg_list)print([i for i in range(10)])输出结果：['鸡蛋0', '鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4', '鸡蛋5', '鸡蛋6', '鸡蛋7', '鸡蛋8', '鸡蛋9']['鸡蛋0', '鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4', '鸡蛋5', '鸡蛋6', '鸡蛋7', '鸡蛋8', '鸡蛋9'][0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

（2）、生成器的表达式

1. 生成器表达式（generator expression）也叫生成器推导式或生成器解析式，用法与列表推导式非常相似，在形式上生成器推导式使用圆括号（parentheses）作为定界符，而不是列表推导式所使用的方括号（square brackets）。
2. 与列表推导式最大的不同是，生成器推导式的结果是一个生成器对象。生成器对象类似于迭代器对象，具有惰性求值的特点，只在需要时生成新元素，比列表推导式具有更高的效率，空间占用非常少，尤其适合大数据处理的场合。
3. 使用生成器对象的元素时，可以根据需要将其转化为列表或元组，也可以使用生成器对象的next()方法或者内置函数next()进行遍历，或者直接使用for循环来遍历其中的元素。但是不管用哪种方法访问其元素，只能从前往后正向访问每个元素，不能再次访问
4. 已访问过的元素，也不支持使用下标访问其中的元素。当所有元素访问结束以后，如果需要重新访问其中的元素，必须重新创建该生成器对象，enumerate、filter、map、zip等其他迭代器对象也具有同样的特点。

　　

g = (i for i in range(10))print(g)       #返回了一个生成器for i in g:    print(i)输出结果：<generator object <genexpr> at 0x000002075E40FC10>0123456789

（3）、字典推导式

例一：将一个字典的key和value对调

dic = {'a' : 97,'b' : 98}dic_exchange = {dic[k] :k for k in dic}print(dic_exchange)输出结果：{97: 'a', 98: 'b'}

（4）、集合推导式（自带结果去重功能）

set = {x**2 for x in [1,-1,2,-2,3,4]}print(set)输出结果：{16, 1, 4, 9}

2、总结

唯独没有元组推导式，要得到一个元组就可以直接将推出来的数据类型转换为元组就行
总结：各种推导式：生成器 列表 字典 集合
            1、遍历操作
            2、筛选操作
二、惰性运算
        生成器与迭代器都是惰性运算：
        但是生成器你可以看的见因为这是你写的而迭代器一般看不见        
        1、同一生成器中的数据只能取一次取完就没了
        2、惰性运算：不找它要值它就不返回
# 列表解析
sum([i for i in range(100000000)])  # 内存占用大,机器容易卡死

# 生成器表达式
sum(i for i in range(100000000))  # 几乎不占内存
1.把列表解析的[]换成()得到的就是生成器表达式

2.列表解析与生成器表达式都是一种便利的编程方式，只不过生成器表达式更节省内存

3.Python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象的。