前言
在前面的篇章中，我們學習了迭代器，這是一個很好的工具，特別是當你需要處理大型資料集時。然而，在Python中構建自己的迭代器有點麻煩和耗時。你必須定義一個實現迭代器協議（__iter__（）和__next__（）方法）的新類。在這個類中，需要自己管理變數的內部狀態並更新它們。此外，當__next__（）方法中沒有要返回的值時，需要丟擲StopIteration異常。
有沒有更好的實現方式呢？答案是肯定的！這就是Python的生成器（Generator）解決方案。下面就來盤盤它。
各位朋友，記得點贊+轉發，分享給更多的Python愛好者。
何為生成器？
為了更高效的構建自己的迭代器，在Python中對此有一個優雅的解決方案，這是很值得高興的。Python所提供的生成器（Generator）是用來幫助我們輕鬆建立迭代器。Generator允許你宣告一個行為類似迭代器的函式，也就是說，它可以在for迴圈中使用。簡單言之，
生成器（Generator）就是個返回迭代器物件的函式
。因此，這也是建立迭代器的簡單方法。在建立迭代器時，你不需要考慮所需的所有工作（如迭代協議和內部狀等），因為Generator將處理所有這些工作。
接下來，我們更進一步，輕鬆學懂Python中生成器是如何工作的以及如何定義它們。
定義生成器
如前一節所述，生成器是Python中一種特殊型別的函式。此函式不返回單個值，而是返回一個迭代器物件。在生成器函式中，返回值使用yield語句而不是return語句。下面定義一個簡單的生成器函式，程式碼清單如下：
程式碼清單片段-01
在上述清單中，我們定義一個生成器函式。該函式執行yield語句而不是return關鍵字。yield語句使這個函式成為生成器。當我們呼叫這個函式時，它將返回（產生）一個迭代器物件。我們再來看看生成器的呼叫：
程式碼清單片段-02
呼叫生成器，通常就跟建立物件類似，呼叫生成器函式，並賦給變數。
執行程式輸出結果如下：
Yielding First Item
A
Yielding Second Item
B
Yielding Last Item
C
在應用生成器程式碼中，我們呼叫firstGenerator（）函式，它是一個生成器，並返回一個迭代器物件。我們將這個迭代器命名為myIter。然後在這個迭代器物件上呼叫next（）函式。在每次next（）呼叫中，迭代器按各自的順序執行yield語句並返回一個項。
根據規則，此生成器函式不應該包含return關鍵字。因為如果它包含，那麼return語句將終止此函式，也就無從滿足迭代器的要求了。
現在，讓我們透過for迴圈的幫助來定義一個更具有實際意義的生成器。在本例中，我們將定義一個生成器，它將連續跟蹤生成從0開始的數字序列，直到給定的最大限制。
程式碼清單如下：
程式碼清單片段-03
執行程式輸出結果類似如下：
0
1
2
3
在上述清單中，我們定義一個生成器函式，它生成從0到給定數字的整數。正如所見，yield語句在for迴圈中。請注意，n的值自動儲存在連續的next（）呼叫中。
有一點
需要注意
，在定義生成器時，返回值必須是yield語句，並不是說生成器不能出現return語句。只是通常把返回非None值return語句放在生成器最後，為StopIteration 異常新增附加資訊，以便呼叫者處理。示例如下：
程式碼清單片段-04
下面是未進行異常處理時執行程式輸出結果類似如下：
99
100
Traceback （most recent call last）：
File “……”， line 11， in
print（next（g））
StopIteration： 不支援大於100的數字生成！
若對程式進行了異常捕捉處理（try-except），顯示結果更簡明，自己執行試試看。
生成器與普通函式
如果一個函式至少包含一個yield語句，那麼它就是生成器函式。如果需要，還可以包含其他yield或return語句。yield和return關鍵字都將從函式中返回一些東西。
return和yield關鍵字之間的差異對於生成器來說非常重要。return語句會完全終止函式，而yield語句會暫停函式，儲存它的所有狀態，然後在後續的呼叫中繼續執行。
我們呼叫生成器函式的方式和呼叫普通函式一樣。但在執行過程中，生成器在遇到yield關鍵字時暫停。它將迭代器流的當前值傳送到呼叫環境，並等待下一次呼叫。同時，它在內部儲存區域性變數及其狀態。
以下是生成器函式與普通函式不同的關鍵點：
ü Generator函式返回（生成）一個迭代器物件。你無需擔心顯式地建立此迭代器物件，yield關鍵字為你做了這個工作。
ü Generator函式必須包含至少一個yield語句。如果需要，它可能包括多個yield關鍵字。
ü Generator函式內部實現迭代器協議（iter（）和next（）方法）。
ü Generator函式自動儲存區域性變數及其狀態。
ü Generator函式在yield關鍵字處暫停執行，並將控制權傳遞給呼叫者。
ü Generator函式在迭代器流沒有返回值時自動引發StopIteration異常。
我們用一個簡單的例子來演示普通函式和生成器函式之間的區別。在這個例子中，我們要計算前n個正整數的和。為此，我們將定義一個函式，該函式給出前n個正數的列表。我們將以兩種方式實現這個函式，一個普通函式和一個生成器函式。
普通函式程式碼如下：
程式碼清單片段-05
執行程式輸出結果類似如下：
49999995000000
Elapsed Time in seconds： 1。2067763805389404
在程式碼清單中，我們定義一個普通函式，它返回前n個正整數的列表。當我們呼叫這個函式時，它需要一段時間來完成執行，因為它建立的列表非常龐大。它還使用了大量記憶體來完成此任務。
現在讓我們為相同的操作定義一個生成器函式來實現，程式碼清單如下：
程式碼清單片段-06
執行程式結果類似如下：
49999995000000
（生成器模式）Elapsed Time in seconds： 1。0013225078582764
正如在生成器清單中所見，生成器在更短的時間內完成相同的任務，並且使用更少的記憶體資源。因為生成器是一個一個地生成項，而不是返回完整的列表。
效能改進
的主要原因（當我們使用生成器時）是值的惰性生成。這種按需值生成的方式，會降低記憶體使用量。生成器的另一個優點是，你不需要等到所有元素都生成後才開始使用它們。
生成器表示式
有時候，我們需要簡單的生成器來執行程式碼中相對簡單的任務。這正是生成器表示式（Generator Expression）用武之地。可以使用生成器表示式輕鬆地動態建立簡單的生成器。
生成器表示式類似於Python中的lambda函式。但要記住，lambda是匿名函式，它允許我們動態地建立單行函式。就像lambda函式一樣，生成器表示式建立的是匿名生成器函式。
生成器表示式的語法看起來像一個列表推導式。不同之處在於，我們在生成器表示式中使用圓括號而不是方括號。請看示例：
執行結果類似如下：
[1, 8, 27, 64, 125]
<generator object <genexpr> at 0x000001337F92BEB0>
在上述清單中，我們在生成器表示式的幫助下定義了一個簡單的生成器。下面是語法：
cubes_gen = (i**3 for i in nums)
。你可以在輸出中看到生成器物件。正如所已經知的，為了能夠在生成器中獲取項，我們要麼顯式呼叫next（）方法，要麼使用for迴圈遍歷生成器。接下來就列印cubes_gen物件中的項：
執行程式，遍歷出的元素項結果是否和列表推導式一樣。
我們再看一個例子。來定義一個生成器，將字串中的字母轉換為大寫字母。然後呼叫next（）方法列印前兩個字母。程式碼示例如下：
執行輸出結果如下：
M
A
生成器好處
生成器是非常棒的工具，特別是當需要在相對有限的記憶體中處理大型資料時。以下是在Python中使用生成器的一些主要好處：
1）記憶體效率:
假設有一個返回結果非常大序列的普通函式。例如，一個包含數百萬項的列表。你必須等待這個函式完成所有的執行，並將整個列表返回給你。就時間和記憶體資源而言，這顯然是低效的。另一方面，如果你使用生成器函式，它將一個一個地返回項，你將有機會繼續執行下一行程式碼。而不需要等待函式執行列表中的所有項。因為生成器一次只給你一項。
2）延遲計算:
生成器提供了延遲（惰性）計算求值的功能。延遲計算是在真正需要值時計算值，而不是在例項化時計算值。假設你有一個大資料集要計算，延遲計算允許你在整個資料集仍在計算生成中可立即開始使用資料。因為如果使用生成器，則不需要整個資料集。
3）易實現和可讀性:
生成器非常容易實現，並且提供了好的程式碼可讀性。記住，如果你使用生成器，你不需要擔心__iter__（）和__next__（）方法。你所需要的只是函式中一個簡單的yield語句。
4）處理無限流:
當你需要表示無限的資料流時，生成器是非常棒的工具。例如，一個無限計數器。理論上，你不能在記憶體中儲存無限流的，因為你無法確定儲存無限流需要多少的記憶體大小。這是生成器真正發揮作用的地方，因為它一次只產生一項，它可以表示無限的資料流。它不需要將所有的資料流儲存在記憶體中。
本文小結
主要介紹了生成器相關知識，用於更好的自定義迭代器。內容包括何為生成器？如何自定義生成器以及和普通函式的關鍵區別？如何實現生成器表示式？並總結了生成器的有點。透過這篇文章，相信你能更輕鬆高效的掌握Python常規的生成器方方面面。
最後，點個贊，關注一下，轉發分享出去吧，讓更多的Python愛好者get到 ^_^