Python 生成器

生成器简介：

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

创建生成器方法1
要创建一个生成器，有很多种方法。第一种方法很简单，只要把一个列表生成式的 [ ] 改成 ( )

例：

返回一个生成器对象，我们可以用next（）函数获取返回值，知道没有返回值了，就报错了

generator保存的是算法，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的错误。

当然，上面这种不断调用next(G)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：

创建生成器方法2

斐波那契数列 1,1,2,3,5,8,13,21

上⾯的函数和generator仅一步之遥。要把times函数变成generator，
只需要把print(b)改为yield b就可以了

使用 __next__()方法也可以

对象.__next__()

生成器是这样一个函数，它记住上一次返回时在函数体中的位置。对生成器函数的第二次（或第 n 次）调⽤跳转该函数中间，上次调用的所有局部变量都保持不变。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（在命令式编程中，这种构造不只是数据值）中的位置。生成器的特点：1. 节约内存2. 迭代到下一次的调用时，所使的参数都是第一次所保留下的，即说，在整个所有函数调用的参数都是第次所调用时保留的，而不是新创建的