>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x104feab40>
[]生成一个列表，()则生成了一个generator（生成器）。
nums = [1, 2, 3, 4, 5]
s = sum(x * x for x in nums)
t = ('ACME', 50, 123.45)
s = ','.join(str(x) for x in t)
portfolio = [
{'name':'GOOG', 'shares': 50},
{'name':'YHOO', 'shares': 75},
{'name':'AOL', 'shares': 20},
{'name':'SCOX', 'shares': 65}
]
min_shares = min(s['shares'] for s in portfolio)
那么为什么要用生成器呢？
列表是一次性生成在内存里的，如果需要构造成千上万个元素或者无限多个的时候，列表使用起来就比较蹩脚了，这个时候就需要使用生成器了，生成器可以看作是一个函数，或者说是一个迭代器，每调一次.next()才会生成一个元素，直到元素全部取完，因此通常使用for来遍历。
除了上述方法可以创建生成器外，函数中使用yield也可以创建生成器，解释生成器常用的例子是斐波那契数列：
def fib(max):
a, b = 1, 1
while a < max:
yield a #generators return an iterator that returns a stream of values.
a, b = b, a+b
g = fib(20)
print g
for n in g:
print n
调用next时，执行到yield会把a返回给调用者，当前代码停止在yield处，且环境变量不变，下一次next时会从上次的yield处继续执行。
可以用类来解释这一逻辑：
class Fib:
def __init__(self, max):
self.max = max
def __iter__(self):
self.a = 0
self.b = 1
return self
def next(self):
fib = self.a
if fib > self.max:
raise StopIteration
self.a, self.b = self.b, self.a + self.b
return fib
f = Fib(20)
for n in f:
print n
也就是说环境变量是被保存状态，下次接着使用，不会被重新初始化。 用类可以实现，通过yield可以直接用一个函数来实现，函数式编程？
用yield模拟线程调度：
def thread1():
for x in range(4):
yield x
def thread2():
for x in range(4,8):
yield x
threads=[]
threads.append(thread1())
threads.append(thread2())
#写这个函数，模拟线程并发
def run(threads):
for t in threads:
try:
print t.next()
except StopIteration:
pass
else:
threads.append(t)
run(threads)
文档信息
- 本文作者：zhupite
- 本文链接：https://zhupite.com/python/python-generator.html
- 版权声明：自由转载-非商用-非衍生-保持署名（创意共享3.0许可证）