1.生成器 如果創建一個有很多元素的列表，但是只需要訪問前幾個元素，後面的元素占著的空間就白白浪費了 在迴圈的過程中不斷推算出後續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。 在Python中，這種一邊迴圈一邊計算的機制，稱為生成器：generator。 要創建一個generator ...
1.生成器
如果創建一個有很多元素的列表，但是只需要訪問前幾個元素，後面的元素占著的空間就白白浪費了
在迴圈的過程中不斷推算出後續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。
在Python中，這種一邊迴圈一邊計算的機制，稱為生成器：generator。
要創建一個generator，有很多種方法
第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：
L = [x * x for x in range(10)]
g = (x * x for x in range(10))
print(L)#
print(g)
輸出
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
<generator object <genexpr> at 0x0000029277CA6AC0>
可以直接列印出list的每一個元素，但怎麼列印出generator的每一個元素
print(next(g))
print(next(g))
輸出
0
1
如果要一個一個列印出來，可以通過next()函數獲得generator的下一個返回值：
generator保存的是演算法，比如我要知道計算第四次的值，next要調用四次，這太麻煩了
for n in g:
print(n)
輸出
0
1
4
9
16
25
36
49
64
81
如果要計算很多次，不斷調用next實在是太變態了，正確的方法是使用for迴圈，generator也是可迭代對象，如果某些演算法用列表生成式的for迴圈無法實現，還可以用函數，比如著名的斐波拉契數列（Fibonacci）
def fib(max):
n,a ,b = 0,0,1#n是用來控制迭代的次數
while n < max:
yield b
a,b = b,a+b
n = n+1
return 'done'
如果一個函數定義中包含yield關鍵字，那麼這個函數就不再是一個普通函數，而是一個generator：
函數是順序執行，遇到return語句或者最後一行函數語句就返回
在調用生成器運行的過程中，每次遇到 yield 時函數會暫停並保存當前所有的運行信息，返回 yield 的值, 併在下一次執行 next() 方法時從當前位置繼續運行
def add():
print('step 1')
yield 1
print('step 2')
yield (3)
print('step 3')
yield (5)
在調用該generator時，首先要生成一個generator對象，然後用next()函數不斷獲得下一個返回值：
o = add()
print(next(o))
print(next(o))
print(next(o))
輸出
step 1
1
step 2
3
step 3
5
通過next調用時，遇到yield就停下了，再次調用在中斷的地方繼續往下執行
for n in add():
print(n)
輸出
step 1
1
step 2
3
step 3
5
同樣的，把函數改成generator後，基本上從來不會用next()來獲取下一個返回值，而是直接使用for迴圈來迭代
要實驗for需要把上面三次調用的代碼刪除，因為三次調用已經把函數全部執行完了，不會再去執行了。
但是用for迴圈調用generator時，發現拿不到generator的return語句的返回值
如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：
g = fib(6)
while True:
try:
x = next(g)
print('g:',x)
except StopIteration as e:
print('Generator return value:',e.value)
break
generator的工作原理，它是在for迴圈的過程中不斷計算出下一個元素，併在適當的條件結束for迴圈。對於函數改成的generator來說，遇到return語句或者執行到函數體最後一行語句，就是結束generator的指令，for迴圈隨之結束
註意區分普通函數和generator函數，普通函數調用直接返回結果
generator函數的“調用”實際返回一個generator對象
2.迭代器
凡是可作用於for迴圈的對象都是Iterable類型；比如list，tuple，dict，set，str，generator等
判斷是否為Iterable類型
from collections import Iterable
print(isinstance([], Iterable))
輸出
True
凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；
直到最後拋出StopIteration錯誤表示無法繼續返回下一個值了。
可以使用isinstance()判斷一個對象是否是Iterator對象，生成器都是Iterator對象
from collections import Iterator
print(isinstance((x for x in range(10)), Iterator))
輸出
True
集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。
'''
學習中遇到問題沒人解答？小編創建了一個Python學習交流群：711312441
尋找有志同道合的小伙伴，互幫互助,群里還有不錯的視頻學習教程和PDF電子書！
'''
isinstance(iter([]), Iterator)
isinstance(iter('abc'), Iterator)
list=[1,2,3,4]
it = iter(list)
print(next(it))
print(next(it))
#迭代器也可以用常規for語句進行遍歷
for x in it:
print('當前計算：',x)#上面調用了兩次，所以這邊會接著上一次繼續下去，只會列印兩句，如果上面只
#調用一次，這裡會調用三次
輸出
1
2
當前計算： 3
當前計算： 4
3.總結
凡是可作用於for迴圈的對象都是Iterable類型 可迭代對象
凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列
集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象
Python的for迴圈本質上就是通過不斷調用next()函數實現的
比較使用list和generator保存斐波拉契數列運算結果的的區別
通過返回 List 能滿足復用性的要求，但是當max函數運行占用的記憶體會隨著max的增大而增大
def fab(max):
n, a, b = 0, 0, 1
L = []
while n < max:
L.append(b)
a, b = b, a + b
n = n + 1
return L
for n in fab(5):
print(n)
輸出
1
1
2
3
5
一個帶有 yield 的函數就是一個 generator，它和普通函數不同，生成一個 generator 看起來像函數調用，但不會執行任何函數代碼，直到對其調用 next()（在 for 迴圈中會自動調用 next()）才開始執行。雖然執行流程仍按函數的流程執行，但每執行到一個 yield 語句就會中斷，並返回一個迭代值，下次執行時從 yield 的下一個語句繼續執行。看起來就好像一個函數在正常執行的過程中被 yield 中斷了數次，每次中斷都會通過 yield 返回當前的迭代值。
yield 的好處是顯而易見的，把一個函數改寫為一個 generator 就獲得了迭代能力，比起用類的實例保存狀態來計算下一個 next() 的值，不僅代碼簡潔，而且執行流程異常清晰。
def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b # 使用 yield
# print b
a, b = b, a + b
n = n + 1
for n in fab(5):
print(n)
輸出
1
1
2
3
5
