一、生成器

　　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：

>>> L = [ x*2 for x in range(5)] >>> L [0, 2, 4, 6, 8] >>> g = ( x*2 for x in range(5) ) >>> g <generator object <genexpr> at 0x000000000321EF68>

　　创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

>>> next(g) 0 >>> next(g) 2
>>> next(g) 4
>>> next(g) 6
>>> next(g) 8
>>> next(g) Traceback (most recent call last): File "<pyshell#11>", line 1, in <module> next(g) StopIteration >>> g <generator object <genexpr> at 0x000000000321EF68>
>>> g = ( x*2 for x in range(5) ) >>> for n in g: print(n) 0 2
4
6
8

　　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，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。所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

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

>>> fib(10) 1
1
2
3
5
8
13
21
34
55
'done'
'''仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。 也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了： '''
>>> def fib(max): n,a,b = 0,0,1
    while n<max: yield b a,b =b,a+b n=n+1
    return 'done'

>>> f=fib(5) >>> f <generator object fib at 0x000000000321EF68>

>>> print(next(f)) 1
>>> print(next(f)) 1
>>> print(next(f)) 2
>>> print(next(f)) 3
>>> print(next(f)) 5
>>> print(next(f)) Traceback (most recent call last): File "<pyshell#49>", line 1, in <module>
    print(next(f)) StopIteration: done

　　在上面fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

>>> for n in fib(5): ... print(n) ... 1
1
2
3
5
''' 但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中： '''
>>> g=fib(5) >>> while True: try: x=next(g) print('g:',x) except StopIteration as e: print('Generator return value:', e.value) break g: 1 g: 2 g: 3 g: 5 g: 8 Generator return value: done

　　通过yield实现在单线程的情况下实现并发运算的效果：（暂时保留）

二、迭代器

　　迭代是Python最强大的功能之一，是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。

以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象：

>>> from collections import Iterable >>> isinstance([], Itera