python - 生成器

生成器（Generator）是一种特殊的迭代器，它允许你在迭代过程中动态生成值，而不是一次性生成所有值并存储在内存中。

和元组等迭代器相比，元组之类是在打一开始就将可迭代对象都写好了，调用时一个个给出，都是既定存在的对象。而生成器，顾名思义是调用时先生成，才有这些对象给出。

创建方式

1. 生成器函数
   将普通函数里的return替换成yield关键字的函数，就叫生成器函数。

   def fibonacci():
       a, b = 0, 1		#初始化变量a，b
       while True:		#无限循环
           yield a		#执行到yield所在行时，函数便会暂停，a的当前值即作为生成器的返回值
           			#再下一次调用时，函数会从yield下一行开始继续运行,直到再次遇到yield语句或函数结束
           a, b = b, a + b
   
   # 生成前 5 个斐波那契数
   fib_gen = fibonacci()
   for _ in range(5):
       print(next(fib_gen))
       
   >>>0
   1
   1
   2
   3
   

2. 生成器表达式
   利用推导的形式获得生成器。

   gen = (x for x in range(2))
   print(next(gen))  # 输出: 0
   print(next(gen))  # 输出: 1
   

与普通可迭代对象相较的特点

1. 延迟计算

• 生成器只在需要时才生成下一个值，而不是一次性生成所有值，所谓“惰性生成”。好处就是在处理大量数据或需要复杂计算的场景非常有用，可以节省内存。例如，生成一个包含 1 到 1000000 的平方的列表会占用大量内存，但使用生成器可以在需要时逐个生成这些值。
• 普通可迭代对象则会一次性将所有元素存储在内存中。如果元组包含大量元素，会占用较多的内存空间。

2. 只能遍历一次

• 生成器是一次性的，一旦遍历完所有元素，再次遍历将不会有任何输出。这是因为生成器在遍历过程中会记住当前的状态，当所有元素都被遍历完后，它就耗尽了。也因此，生成器自然是无法多次访问，也无法使用下标索引来进行随机访问的。
• 普通可迭代对象则可以被多次遍历，每次遍历都会从头开始，也可以通过指定下表索引的方式来进行访问，因为例如元组的元素是固定存储在内存中的。

3. 支持 next() 函数

• 生成器可以使用 next() 函数手动获取生成器的下一个值。当生成器耗尽时，调用 next() 函数会抛出 StopIteration 异常。
• 普通可迭代对象本身则不支持，需要用iter（）函数将其转换为迭代器后才能直接使用。