生成器generator

盡管列表解析可以方便地創建列表，但會占用內存，而且容量有限（受內存影響）。如果列表元素可以按照某種算法推算出來，那我們就可以創建生成器generator，這樣就不必創建完整的list。生成的generator可以理解為iterator，用for循環來迭代它。如果推算的算法比較復雜，用類似for循環無法實現，可以用定義函數來實現。根本上來說，迭代器就是一個有nest()方法的對象。條目全部取出后，會引發一個 StopIteration 異常。生成器表達式就好像是惰性的列表解析。

語法：

(expression for iter_val in iterator)
#語法與列表解析一樣，只需把`[]`改成`()`。

例如計算文本文件中非空字符總和，如果用列表解析，內存性能會很低，用生成器表達式會很方便實惠：

sum(len(word) for line in date for word in line.split())

另一種創建生成器的方法：定義一個函數，采用yield語句：

aa='def'
def bb():
    yield 'a'
    yield 'b'
    yield 'c'
    
aa_product_bb=[x+y for x in aa for y in bb()]
# return ['da','db','dc','ea','eb','ec','fa','fb','fc']

這里在列表解析中，兩個for循環，有一個是生成器bb(),另一個是可迭代對象。如果兩個都是迭代器，就會出問題！具體的原因未知...

利用yield語句定義fibonaci數列：

def fib(max):
    n,a,b=0,0,1
    while n<max:
        yiled b
        a,b=,b,a+b
        n+=1
    return 'done'

函數定義中包含yield關鍵字，這個函數就不是一個普通的函數，而是一個generator。

迭代器

可以直接用for循環作用的數據類型有：

• 集合數據類型：list,tuple,dict,set,str.
• generator: 生成器及帶yield的generator function.
  這些可以直接用for循環作用的對象統稱為可迭代對象Iterable。可以用isinstance()判斷對象是否為Iterable對象：

isinstance((x for x in range(10)),Iterable) #return True

可以被next()函數調用并不斷返回下一個值的對象稱為迭代器:Iterator.
生成器都是Iterator對象，但list,dict,str雖然是Iterable,卻不是Iterator,可以利用函數iter()使它們變成Iterator.
Iterator可以表示一個無限大的數據流，且不會占用大內存。for循環本質上不斷調用next(0函數實現的。

[廖雪峰網站](http://www.liaoxuefeng.com