一、列表生成式
假如现在有这样一个需求：快速生成一个列表[1，2，3，4，5，6，7，8，9，10]，该如何实现？
在不知道列表生成式的情况下，可能会这样写：
如果要每个值+1呢？可能会这样：
for index,i in enumerate(a):
a[index] +=1
print(a)
不够方便，这里讲一个快速生成列表的方法：列表生成式。意思就是立即生成列表。
生成一个1到10的列表：
a = [i+1 for i in range(10)]
print( a)
# output:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
生成一个2~20的偶数列表：
a=[ i*2 for i in rang(1,11)]
print(a)
# output:
[2, 4, 6, 8, 10, 12, 14, 16, 18, 20]
它相当于：
a=[]
for i in range(1,11): #列表生成式
a.append(i*2)
print(a)
生成的列表已经存在在内存中。
二、生成器
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的列表，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
要创建一个生成器，只需要把列表生成式中的 [ ] 改成 ( ) 即可。
b=[i*2 for i in rang(10)] # 列表生成式
print(b)
c=( i*2 for i in range(10) ) #生成器
print(c)
# output:
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
<generator object <genexpr> at 0x000001D0089B45C8>
输出c，得到的是数据类型说明和它的内存地址。
生成器只是名义上生成一个列表，但实际上却没有占用那么大内存，生成器只有调用的时候才会生成相应的数据。
如果要打印生成器的数据，则需要.__next__()方法
print(c.__next__()) # 输出第一个数
0
print(c.__next__()) # 输出第二个数
1
print(c.__next__()) # 输出第三个数
2
print(c.__next__()) # 输出第四个数
3
print(c.__next__()) # 输出第五个数
4
如果我只需要当中的最后一个数据呢？能不能直接输出？
抱歉，不能。而且，生成器的数据只能从前往后去访问，不能从后往前去访问，在内存中只保留一个值，也就是说，访问过的数据已经无法再次访问。
如果生成器有很多的数据，要全部输出，有没有简便的写法？
抱歉，没有，您只能一个一个地输出。
当然，像上面那样不断调用.__next__()还是太坑爹了，可以用for去迭代它（生成器也是可迭代对象）：
g = (x * x for x in range(10))
for n in g:
print(n)
那，，我还要生成器有卵用？？
还是有点卵用的，生成器一般依托于函数实现，比如，我先定义一个函数fib（），函数内定义了数列的推算规则
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
# 注释：
a, b = b, a + b 相当于：
t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]
它不必写出显式变量 t
如果给fib()传参10，它将输出一连串的数字，可以组成一个数列：
1，1，2，3，5，8，13，21，34，55
此时的fib函数，已经非常接近生成器了，只需要一个yield即可，
def fib(max): #当函数中有yield出现时，不能将其简单视为函数，是一个生成器。
"生成器"
n,a,b=0,0,1
while n<max:
yield b #yield保存了函数当前的中断状态,返回当前b的值
a,b=b,a+b
n=n+1 #计数器
return "done"
此时，fib（10）是一个生成器，
f = fib(6)
print（f）
<generator object fib at 0x104feaaa0>
这里最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
来一个一个地输出它的值：
f=fib(10)
print(f)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
因为只能一个一个地输出，且不能得知长度，所以总会有越界的时候，会报一个异常StopIteration，导致程序停止
所以需要捕获异常：
while 1:
try: #如果没有出现异常，执行下面语句
x=next(g)
print("g:",x)
except StopIteration as e: #如果出现异常StopIteration，把它赋给e，执行下面的语句
print(e.value)
break
前面讲到，生成器只能一个一个地取出数据，在fib函数执行过程中会中断，为什么要这样呢？有什么用吗？
它厉害在：可以在单线程的情况下实现并发效果，举个例子：
![]()
![]()
import time
def custumer(name):
print("{0}准备来吃包子了".format(name))
while 1:
baozi = yield #每次运行到这一行时都会中断
print("包子{0}来了，被{1}吃掉了".format(baozi,name))
def producer(name):
c1=custumer("老大")
c2=custumer("老二")
c1.__next__()
c2.__next__() # next 只是在调用yield
print("{0}开始做包子啦！".format(name))
for i in range(1,15,2):
time.sleep(1)
print("做了两个包子")
c1.send(i) # send 调用yield的同时给它传值
c2.send(i+1)
producer("alex")
View Code
如果在自己的解释器上执行，会发现一个程序有三个任务交错切换运行，看上去就像三个任务同时在进行。
三、迭代器
我们已经知道，可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
可以使用isinstance()判断一个对象是否是Iterable对象。
for循环本质上时不断调用next()函数实现的：
a=[1,2,3,4,5]
for x in a:
print(x)
#完全等价于
it=iter(a) # 将列表转化成迭代器对象
while 1:
try:
x=next(it) #获得下一个值
print(x)
except StopIteration:
break #遇到StopIteration异常就跳出循环
在文件操作时，
for line in f:
print(line)
每次输出其实都是调用next()函数，在Python3中已经看不出是一个迭代器了。
