1.什麼是生成器 通過列表生成式，我們可以直接創建一個列表。但是，受到記憶體限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素占用的空間都白白浪費了。所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以 ...
1.什麼是生成器
通過列表生成式，我們可以直接創建一個列表。但是，受到記憶體限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素占用的空間都白白浪費了。所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以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。
2.創建生成器方法
方法一
要創建一個生成器，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( )
創建L和G的區別僅在於最外層的[ ]和( )，L是一個列表，而G是一個生成器。我們可以直接列印出L的每一個元素，但我們怎麼列印出G的每一個元素呢？如果要一個一個列印出來，可以通過next()函數獲得生成器的下一個返回值：
運行結果：
運行結果：
生成器保存的是演算法，每次調用next(G)，就計算出G的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的異常。當然，這種不斷調用next()實在是太變態了，正確的方法是使用for迴圈，因為生成器也是可迭代對象。所以，我們創建了一個生成器後，基本上永遠不會調用next()，而是通過for迴圈來迭代它，並且不需要關心StopIteration異常。
方法2
generator非常強大。如果推算的演算法比較複雜，用類似列表生成式的for迴圈無法實現的時候，還可以用函數來實現。
比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契數列用列表生成式寫不出來，但是，用函數把它列印出來卻很容易：
運行結果：
仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。
也就是說，上面的函數和generator僅一步之遙。要把fib函數變成generator，只需要把print(b)改為yield b就可以了：
運行結果：
在上面fib的例子，我們在迴圈過程中不斷調用yield，就會不斷中斷。當然要給迴圈設置一個條件來退出迴圈，不然就會產生一個無限數列出來。同樣的，把函數改成generator後，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for迴圈來迭代：
運行結果：
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：
運行結果：
3.send
例子：執行到yield時，gen函數作用暫時保存，返回i的值;temp接收下次c.send("python")，send發送過來的值，c.next()等價c.send(None)
使用next函數
運行結果：
使用__next__()方法
運行結果：
使用send
運行結果：
4.實現多任務
模擬多任務實現方式之一：協程
運行結果：
總結
生成器是這樣一個函數，它記住上一次返回時在函數體中的位置。對生成器函數的第二次（或第n次）調用跳轉至該函數中間，而上次調用的所有局部變數都保持不變。
生成器不僅“記住”了它數據狀態；生成器還“記住”了它在流控制構造（在命令式編程中，這種構造不只是數據值）中的位置。
生成器的特點：
1.節約記憶體
2.迭代到下一次的調用時，所使用的參數都是第一次所保留下的，即是說，在整個所有函數調用的參數都是第一次所調用時保留的，而不是新創建的
5.迭代器
迭代是訪問集合元素的一種方式。迭代器是一個可以記住遍歷的位置的對象。迭代器對象從集合的第一個元素開始訪問，直到所有的元素被訪問完結束。迭代器只能往前不會後退。
1.可迭代對象
以直接作用於for迴圈的數據類型有以下幾種：
一類是集合數據類型，如list、tuple、dict、set、str等；
一類是generator，包括生成器和帶yield的generator function。
這些可以直接作用於for迴圈的對象統稱為可迭代對象：Iterable。
2.判斷是否可以迭代
可以使用isinstance()判斷一個對象是否是Iterable對象：
運行結果：
而生成器不但可以作用於for迴圈，還可以被next()函數不斷調用並返回下一個值，直到最後拋出StopIteration錯誤表示無法繼續返回下一個值了。
3.迭代器
可以被next()函數調用並不斷返回下一個值的對象稱為迭代器：Iterator。
運行結果：
4.iter()函數
生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。
把list、dict、str等Iterable變成Iterator可以使用iter()函數：
運行結果：
總結
·凡是可作用於for迴圈的對象都是Iterable類型；
·凡是可作用於next()函數的對象都是Iterator類型
·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。
·目的是在使用集合的時候，減少占用的內容。
6.閉包
1.函數引用
運行結果：
圖解：
2.什麼是閉包
運行結果：
3.看一個閉包的實際例子：
運行結果：
這個例子中，函數line與變數a,b構成閉包。在創建閉包的時候，我們通過line_conf的參數a,b說明瞭這兩個變數的取值，這樣，我們就確定了函數的最終形式(y = x + 1和y = 4x + 5)。我們只需要變換參數a,b，就可以獲得不同的直線表達函數。由此，我們可以看到，閉包也具有提高代碼可復用性的作用。
如果沒有閉包，我們需要每次創建直線函數的時候同時說明a,b,x。這樣，我們就需要更多的參數傳遞，也減少了代碼的可移植性
學習過程中遇到什麼問題或者想獲取學習資源的話，歡迎加入學習交流群
626062078，我們一起學Python！
