Python生成器详解：用“延迟计算“让程序更聪明

Python生成器详解：用"延迟计算"让程序更聪明

一、从生活场景理解生成器

想象你走进一家拉面馆，老板有两种服务方式：

1. 一次性端出100碗拉面堆在你面前
2. 根据你的食用速度，吃完一碗再下一碗

这就是生成器与传统列表处理的核心区别！生成器就像第二种服务方式——按需供应，避免不必要的资源浪费。

1.1 传统列表的困境

def get_numbers(n):
    result = []
    for i in range(n):
        result.append(i**2)
    return result

# 生成1百万个数字的列表
numbers = get_numbers(1000000)  # 立即占用大量内存！

当处理百万级数据时，这样的代码会导致：

• 内存暴涨（每个int对象约28字节，100万数字约28MB）
• 启动延迟（需要等待所有数据生成完成）
• 资源浪费（可能只需要前100个数据）

1.2 生成器的解决方案

def generate_numbers(n):
    for i in range(n):
        yield i**2  # 每次产生一个结果

# 创建生成器对象（此时不进行实际计算）
numbers_gen = generate_numbers(1000000)  # 内存占用几乎为0

# 按需获取数据
for num in numbers_gen:
    if num > 100:
        break
    print(num)

生成器的魔法在于：

• 🕒 延迟计算：调用时才开始执行
• 💾 内存友好：单次只保留当前状态
• ⏸️ 可暂停恢复：通过yield保持执行上下文

二、生成器基础：从创建到使用

2.1 两种创建方式

方式1：生成器函数

def countdown(n):
    print("倒计时开始！")
    while n > 0:
        yield n
        n -= 1
    print("发射！")

# 创建生成器对象
timer = countdown(5)  # 此时不会打印任何内容

# 手动触发执行
print(next(timer))  # 输出：5
print(next(timer))  # 输出：4
# ...直到抛出StopIteration异常

方式2：生成器表达式

# 传统列表推导式
squares = [x**2 for x in range(10)]  # 立即生成列表

# 生成器表达式
squares_gen = (x**2 for x in range(10))  # 生成器对象

print(sum(squares_gen))  # 输出：285（此时才开始计算）

2.2 执行流程详解

以这个简单生成器为例：

def sample_gen():
    print("开始执行")
    yield "第一个暂停点"
    print("恢复执行")
    yield "第二个暂停点"
    print("即将结束")