目录
一、生成器 generator
在Python中，生成器（Generators）是一种用于迭代对象的特殊类型函数。
它们允许你生成一个序列的元素，但不像列表（list）那样一次性将所有元素加载到内存中，而是逐个生成元素，从而节省内存空间。
生成器函数使用yield关键字来暂停函数执行并产生一个值，然后在下一次迭代时从上次暂停的位置继续执行。
1.1 生成器表达式
1.1.1 表达式一
在Python中生成器表达式类似于列表推导式，不同的只是列表推导式中的 [ ] 变成了（）
eg：
# 列表推导式
li = [i*5 for i in range(5)]
print(li)
# 输出内容：[0, 5, 10, 15, 20]
# 生成器表达式
gen = (i*5 for i in range(5))
print(gen)
# 输出内容：<generator object <genexpr> at 0x00000202DB56B648>那么我们该如何从对象gen中进行取值呢？
这就需要用到上一节课中用到的 next 方法去进行取值
eg：
gen = (i*5 for i in range(5))
# print(gen)
# 输出内容：<generator object <genexpr> at 0x00000202DB56B648>
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
输出结果：
0
5
10
15
20
进程已结束，退出代码 0
如果再多运行一个print（next（gen）就会引发StopIteration报错，与迭代器一样
1.1.2 表达式二
生成器函数（重要）：Python中，使用了yield关键字的函数就称之为生成器函数
yield的作用：
1.类似return,将指定值或者多个值返回给调用者
2.yield语句一次返回一个结果，在每个结果中间，挂起函数，执行next()，再重新从挂起点继续往下执行，简而言之，yield就是使函数中断，并保存中断的状态
生成器函数在每次调用时，会暂停其执行状态，并在下一次调用时从上次暂停的地方继续执行
基本用法：
在生成器函数中，yield语句用于返回一个值给调用者，并暂停函数的执行，下一次调用生成器的__next__()方法（或在循环中迭代生成器）时，函数会从上次yield语句之后的地方继续执行
eg：
# 定义一个名为simple_generator的生成器函数
def simple_generator():
yield 1 # 使用yield返回一个值1给调用者，并在此处暂停函数的执行，挂起状态
# 下一次迭代时，函数将从这里恢复运行，但不会重新进入函数体开始处
yield 2 # 当函数恢复执行时，继续执行到这里，并返回值2给调用者
# 再次暂停函数的执行
yield 3 # 同理，函数再次恢复执行时，返回值3给调用者，然后函数再次暂停
# 创建一个simple_generator生成器对象
gen = simple_generator()
# 使用for循环来迭代生成器对象
for i in gen:
print(i) # 在每次迭代中，从生成器中获取一个值（1, 2, 或 3），并打印出来
# 输出:
# 1 # 第一次迭代，打印出生成器返回的第一个值
# 2 # 第二次迭代，打印出生成器返回的第二个值
# 3 # 第三次迭代，打印出生成器返回的第三个值
# 循环结束后，生成器对象已经被耗尽，不会再产生新的值状态保持：
生成器函数能够保持其局部变量和执行状态，直到下一次被调用
eg：
# 定义一个名为counter的生成器函数
def counter():
count = 0 # 初始化计数器变量count为0
while True: # 使用无限循环来不断产生新的计数值
count += 1 # 每次循环时，将计数器count的值加1
yield count # 返回当前的计数值给调用者，并暂停函数的执行
# 创建一个counter生成器对象
c = counter()
# 使用next()函数调用生成器对象，获取并打印第一个计数值（1）
# 此时，生成器函数执行到第一个yield语句，返回1并暂停
print(next(c)) # 输出: 1
# 再次使用next()函数调用生成器对象，获取并打印下一个计数值（2）
# 生成器函数从上次暂停的地方继续执行，执行到下一个yield语句，返回2并再次暂停
print(next(c)) # 输出: 2
# 第三次使用next()函数调用生成器对象，获取并打印下一个计数值（3）
# 同理，生成器函数继续执行，返回3并暂停
print(next(c)) # 输出: 3与for循环结合：
生成器通常与for循环一起使用，因为for循环会自动调用生成器的__next__()方法，直到引发StopIteration异常，这标志着生成器的结束
eg：
# 定义一个简单的生成器函数
def simple_generator():
# 使用yield返回一个值1，并在此处暂停函数的执行
# 生成器函数的状态会被保存，以便下次从这里继续执行
yield 1 # 返回1给调用者，并暂停
# 当生成器函数再次被调用时（通过next()或迭代），它会从这里继续执行
# 并返回下一个yield语句的值
yield 2 # 返回2给调用者，并再次暂停
# 同理，这里返回3并暂停，直到生成器被完全迭代完
yield 3 # 返回3给调用者，然后生成器函数执行完毕，准备抛出StopIteration
# 创建一个生成器对象
gen = simple_generator()
# 使用for循环来迭代生成器对象
# for循环会自动调用生成器的__next__()方法，直到捕获到StopIteration异常
for i in gen: # 开始迭代生成器对象
# 在每次迭代中，从生成器中获取一个值，并赋值给变量i
# 然后执行循环体中的代码
print(i) # 打印出从生成器中获取的值
# 当生成器被完全迭代完（即所有yield语句都执行过），for循环会自动结束
# 输出将会是：
# 1
# 2
# 3
# 此时，生成器对象已经被耗尽，即它不会再产生新的值了二、可迭代对象、迭代器、生成器三者之间的关系
2.1 定义与特性
可迭代对象：
定义：实现了__iter__()方法的对象
特性：可以通过iter()函数获取其迭代器，从而进行遍历
示例：列表、元组、字符串、字典、集合等都是可迭代对象
迭代器：
定义：实现了__iter__()和__next__()方法的对象
特性：
1、迭代器对象自身实现了迭代协议，即它既是自己的迭代器
2、可以通过next()函数或迭代器的__next__()方法逐个获取元素，直到抛出StopIteration异常，表示迭代结束
示例：通过调用可迭代对象的__iter__()方法或iter()函数获得的对象就是迭代器
生成器：
定义：一种特殊的迭代器，通过函数中的yield语句来生成值
特性：
1、生成器函数在调用时不会立即执行函数体中的代码，而是返回一个生成器对象
2、生成器对象实现了迭代器的所有方法，包括__iter__()和__next__()
3、每次调用生成器的__next__()方法时，函数会从上次暂停的地方继续执行，直到遇到下一个yield语句或函数结束
4、生成器具有惰性求值的特性，即只在需要时才生成值
示例：包含yield语句的函数就是生成器函数，调用该函数会返回一个生成器对象
2.2 关系与区别
三者之间的关系：
可迭代对象包含迭代器：任何迭代器都是可迭代对象，因为迭代器实现了__iter__()方法（通常返回自身）。但并非所有可迭代对象都是迭代器，因为可迭代对象只需要实现__iter__()方法，而不需要实现__next__()方法
生成器是迭代器的一种特殊形式：生成器自动实现了迭代器协议（即__iter__()和__next__()方法），因此生成器对象既是生成器又是迭代器，
需要注意迭代器并不一定是生成器，它是python提供的通过简便的方法写出迭代器的一种手段
三者之间的区别：
可迭代对象：主要用于表示一个可以遍历的数据集合，但不直接支持通过索引访问元素
迭代器：提供了对可迭代对象进行遍历的统一接口，即__next__()方法。迭代器对象可以在遍历过程中保持内部状态，以便跟踪迭代进度
生成器：通过函数中的yield语句按需生成值，具有惰性求值的特性。生成器在迭代过程中不会一次性生成所有值，而是根据需要逐个生成，从而节省内存空间
今天的分享就到这里了，希望能够对大家有所帮助~
标签：__,函数,迭代,Python,生成器,yield,next,到入 From： https://blog.csdn.net/qq_64441210/article/details/143788969