生成器
生成器是一种特殊的迭代器，可以允许用户自定义迭代逻辑。与迭代器相比，生成器的主要区别在于：
- 迭代器是系统内置的，不能被重写。
- 生成器是用户自定义的，可以重写迭代逻辑。
生成器可以通过两种方式创建：
- 生成器表达式：这是一种类似于列表推导式的表达式，只不过它的结果是一个生成器，而不是列表。
- 生成器函数：这是一种特殊的函数，它使用
yield关键字来产生值。
生成器表达式
gen = (i for i in range(10))
print(gen) # 输出：<generator object <genexpr> at 0x7f1d1f7df200>
# 判断类型
from collections import Iterator, Iterable
print(isinstance(gen, Iterator)) # 输出：True
生成器可以通过多种方式调用：
-
使用
next函数来获取下一个值：print(next(gen)) # 输出：0 print(next(gen)) # 输出：1 -
使用
for循环和next函数来获取多个值：for i in range(3): print(next(gen)) # 输出：2, 3, 4 -
使用
for循环来获取所有的值：for i in gen: print(i) # 输出：5, 6, 7, 8, 9 -
使用
list函数来一次性获取所有的值：gen = (i for i in range(10)) print(list(gen)) # 输出：[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
注意，当生成器的所有值都被获取后，再次调用next函数会引发StopIteration异常。
生成器函数
生成器函数是创建生成器的另一种方式。它使用yield关键字来产生值。yield与return类似，但有以下区别：
yield和return都会把值返回出去。yield每次返回时，会记住上次离开时执行的位置，下次再调用生成器时，会从上次执行的位置往下走。return则会直接终止函数，每次都从头开始调用。
yield()
### 生成器函数
def mygen():
print("111")
yield 1
print("222")
yield 2
print("333")
yield 3
生成器可以通过next函数来获取下一个值：
gen = mygen() # 初始化生成器函数，返回生成器对象
print(next(gen)) # 输出：1
print(next(gen)) # 输出：2
print(next(gen)) # 输出：3
注意，当生成器的所有值都被获取后，再次调用next函数会引发StopIteration异常。
生成器函数可以被优化，例如在处理大数据时，可以使用生成器来逐步获取数据：
def mygen():
for i in range(1, 101):
yield i
gen = mygen()
for i in range(30):
print(next(gen))
send()
生成器函数还可以使用send方法来发送值给yield：
def mygen():
print("start")
res = yield "内部1"
print(res, "<==内部==>")
res = yield "内部2"
print(res, "<==内部==>")
res = yield "内部3"
print(res, "<==内部==>")
print("end")
gen = mygen()
gen.send(None) # 第一次调用生成器时，必须发送None
gen.send("100")
gen.send("200")
"""
print("111") yield 1 保存当前第3行代码的状态,把1返回,并且等待下一次调用
# 第二次调用
从上一次保存的位置13行往下走, print("222") yield 2 保存当前第5行代码的状态,把2返回,并且等待下一次调用
# 第三次调用
从上一次保存的位置16行往下走, print("333") yield 3 保存当前第7行代码的状态,把3返回,并且等待下一次调用
# 第四次调用
因为没有更多的yield 返回数据,所有停止迭代.出现报错异常.
"""
#生成式的优化场景
def mygen():
for i in range(1,101):
yield i
# 初始化生成器函数 => 生成器
gen = mygen()
print("<=====>")
for i in range(30):
num = next(gen)
print("我的球衣号码是{}".format(num))
print("<=====>")
for i in range(40):
num = next(gen)
print("我的球衣号码是{}".format(num))
# next和send区别:
next 只能取值
send 不但能取值,还能发送值
# send注意点:
第一个 send 不能给 yield 传值 默认只能写None
最后一个yield 接受不到send的发送值
注意，第一次调用生成器时，因为还没有遇到yield保存的代码位置，所以无法发送数据，必须发送None。最后一个yield无法接收到send的值。
yield from
生成器函数还可以使用yield from关键字来返回一个可迭代对象的所有值：
def mygen():
lst = ["张磊","李亚峰","刘一峰","王同培"]
yield from lst
gen = mygen()
print(next(gen)) # 输出："张磊"
print(next(gen)) # 输出："李亚峰"
print(next(gen)) # 输出："刘一峰"
print(next(gen)) # 输出："王同培"
生成器函数可以用来实现复杂的算法，例如斐波那契数列：
def mygen(maxval):
a, b = 0, 1
i = 0
while i < maxval:
yield b
a, b = b, a + b
i += 1
gen = mygen(10)
for i in range(3):
print(next(gen)) # 输出：1, 1, 2
for i in range(5):
print(next(gen)) # 输出：3, 5, 8, 13, 21