生成器
生成器是 Python 中一种特殊类型的迭代器。生成器允许你定义一个函数来动态产生值，而不是一次性生成所有值并将它们存储在内存中。生成器使用 yield 关键字来逐个返回值。每次调用生成器函数时，函数会在 yield 语句暂停，并记住当前的执行状态，以便下次从该点继续执行。
生成器的特点
- 惰性求值：生成器会在需要时生成值，而不是一次性生成所有值，节省内存。
- 保持状态：生成器记住上次返回值的位置，并从该点继续执行。
- 简洁易读：使用生成器表达式可以在单行代码中生成复杂的数据流。
如何定义生成器
生成器通过定义一个包含 yield 语句的函数来创建。当该函数被调用时，返回一个生成器对象。
python">def my_generator():yield 1yield 2yield 3gen = my_generator()
print(next(gen)) # 输出：1
print(next(gen)) # 输出：2
print(next(gen)) # 输出：3
使用 yield 语句
yield 语句用于生成一个值，并暂停函数的执行。函数状态会被保留，以便下次调用生成器函数时从暂停点继续。
python">def countdown(n):while n > 0:yield nn -= 1for num in countdown(5):print(num)
生成器表达式
生成器表达式是一种简洁的方式来创建生成器，类似于列表推导式，但使用圆括号而不是方括号。
python">gen_expr = (x * x for x in range(5))
for num in gen_expr:print(num)
内置生成器函数
Python 提供了一些内置函数，返回生成器对象，例如 range(), map(), filter() 和 zip()。
python"># range() 返回一个生成器
for i in range(5):print(i)# map() 返回一个生成器
squared = map(lambda x: x * x, range(5))
for num in squared:print(num)# filter() 返回一个生成器
evens = filter(lambda x: x % 2 == 0, range(10))
for num in evens:print(num)
生成器与内存效率
生成器在处理大量数据时特别有用，因为它们不需要一次性加载所有数据，而是按需生成数据，从而大大节省了内存。
python"># 使用列表处理大数据
large_list = [x * x for x in range(10**6)]
# 使用生成器处理大数据
large_gen = (x * x for x in range(10**6))
yield 与 return 的区别
yield生成一个值并暂停函数的执行，保留函数的状态。return结束函数的执行并返回一个值。
python">def simple_generator():yield "Hello"yield "World"def simple_function():return "Hello"return "World"gen = simple_generator()
print(next(gen)) # 输出：Hello
print(next(gen)) # 输出：Worldfunc = simple_function()
print(func) # 输出：Hello
生成器的方法
生成器对象有以下方法：
__next__(): 返回生成器的下一个值，或在没有更多值时引发StopIteration。send(value): 向生成器发送一个值，并返回下一个yield表达式的值。throw(type, value=None, traceback=None): 在生成器中引发异常。close(): 关闭生成器，终止其执行。
python">def generator():try:while True:value = (yield)print(f'Received: {value}')except GeneratorExit:print('Generator closed')gen = generator()
next(gen)
gen.send(10)
gen.send(20)
gen.close()
总结
生成器是 Python 中强大的工具，用于高效地处理大量数据或流数据。它们通过 yield 关键字生成值，保持函数状态，支持惰性求值，并且内存效率高。了解生成器的工作原理和用法，对于编写高效、可维护的 Python 代码至关重要。
