【前言】

我们可以通过列表生成式直接创建一个列表，但是受内存限制，列表的容量肯定是有限的。而且如果创建一个包含1000万个元素的列表，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，那么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，从而节省大量的内存空间。在python中这种一边循环一边计算的机制，称为生成器(Generator)。

所以说生成器也是一种迭代器，但是你只能对其迭代一次。这是因为它们并么有把所有的值都存在内存中，而是在运行时生成值。

【生成器】

在 Python 中，使用了 yield 的函数被称为生成器（generator）。跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。

生成器是一种数据类型，这种数据类型自动实现迭代器协议(其他数据类型需要调用自己的__iter__方法)，所以生成器就是可迭代对象，生成器在python中有两种不同的表达方式：

1. 生成器函数

常规函数的定义，但是使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数状态，以便下次从它离开的地方继续执行。

例如使用yield 实现斐波那契数列：

def fibonacci(n): # 生成器函数 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
        if (counter > n): 
            return
        yield a
        a, b = b, a + b
        counter += 1
f = fibonacci(10)  # f是一个迭代器，由生成器返回生成
 
while True:
    try:
        print (next(f), end=" ")
    except StopIteration:
        sys.exit()
 
运行结果：
0 1 1 2 3 5 8 13 21 34 55

2. 生成器表达式

从形式上看，生成器表达式和列表推导式很像，仅仅是将列表推导式的[]替换为()，但是两者差别很大，生成器表达式可以说组合了迭代和列表解析的功能。

生成器表达式可以理解为一种特殊的生成器函数，类似于lambda表达式和普通函数。和生成器一样，生成器表达式也是返回生成器generator对象，一次只返回一个值。

lt = [x * x for x in range(10)]
lt
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
gt = (x * x for x in range(10))  #注意把[]改成()后，不是生成一个tuple，而是生成一个generator
gt
<generator object <genexpr> at 0x00000145904B0C78>
print(gt.__next__())
0
print(gt.__next__())
1
print(gt.__next__())
4
print(gt.__next__())
9
print(gt.__next__())
16
print(gt.__next__())
25
print(gt.__next__())
36
print(gt.__next__())
49
print(gt.__next__())
64
print(gt.__next__())
81
print(gt.__next__())
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

【总结】

1. 把列表解析的[ ]换成（）得到的就是生成器表达式

2. 在 Python 中，使用了 yield 的函数都可被称为生成器（generator）。生成器是一个返回迭代器的函数，只能用于迭代操作。更简单点理解生成器就是一个迭代器。

3. 生成器的好处是可以一边循环一边进行计算，不用一下子就生成一个很大的集合，占用内存空间。生成器的使用节省内存空间。即生成器可以避免不必要的计算，带来性能上的提升；而且会节约空间，可以实现无限循环（无穷大的）的数据结构。