前言
在前面的篇章中，我們學習了疊代器，這是一個很好的工具，特别是當你需要處理大型資料集時。然而，在Python中建構自己的疊代器有點麻煩和耗時。你必須定義一個實作疊代器協定(__iter__()和__next__()方法)的新類。在這個類中，需要自己管理變量的内部狀态并更新它們。此外，當__next__()方法中沒有要傳回的值時，需要抛出StopIteration異常。
有沒有更好的實作方式呢？答案是肯定的！這就是Python的生成器（Generator）解決方案。下面就來盤盤它。
各位朋友，記得點贊+轉發，分享給更多的Python愛好者。
何為生成器？
為了更高效的建構自己的疊代器，在Python中對此有一個優雅的解決方案，這是很值得高興的。Python所提供的生成器（Generator）是用來幫助我們輕松建立疊代器。Generator允許你聲明一個行為類似疊代器的函數，也就是說，它可以在for循環中使用。簡單言之，生成器（Generator）就是個傳回疊代器對象的函數。是以，這也是建立疊代器的簡單方法。在建立疊代器時，你不需要考慮所需的所有工作（如疊代協定和内部狀等），因為Generator将處理所有這些工作。
接下來，我們更進一步，輕松學懂Python中生成器是如何工作的以及如何定義它們。
定義生成器
如前一節所述，生成器是Python中一種特殊類型的函數。此函數不傳回單個值，而是傳回一個疊代器對象。在生成器函數中，傳回值使用yield語句而不是return語句。下面定義一個簡單的生成器函數，代碼清單如下:
代碼清單片段-01
在上述清單中，我們定義一個生成器函數。該函數執行yield語句而不是return關鍵字。yield語句使這個函數成為生成器。當我們調用這個函數時，它将傳回(産生)一個疊代器對象。我們再來看看生成器的調用:
代碼清單片段-02
調用生成器，通常就跟建立對象類似，調用生成器函數，并賦給變量。
運作程式輸出結果如下：
Yielding First Item
A
Yielding Second Item
B
Yielding Last Item
C
在應用生成器代碼中，我們調用firstGenerator()函數，它是一個生成器，并傳回一個疊代器對象。我們将這個疊代器命名為myIter。然後在這個疊代器對象上調用next()函數。在每次next()調用中，疊代器按各自的順序執行yield語句并傳回一個項。
根據規則，此生成器函數不應該包含return關鍵字。因為如果它包含，那麼return語句将終止此函數，也就無從滿足疊代器的要求了。
現在，讓我們通過for循環的幫助來定義一個更具有實際意義的生成器。在本例中，我們将定義一個生成器，它将連續跟蹤生成從0開始的數字序列，直到給定的最大限制。
代碼清單如下：
代碼清單片段-03
運作程式輸出結果類似如下：
| 1 2 3 |
在上述清單中，我們定義一個生成器函數，它生成從0到給定數字的整數。正如所見，yield語句在for循環中。請注意，n的值自動存儲在連續的next()調用中。
有一點需要注意，在定義生成器時，傳回值必須是yield語句，并不是說生成器不能出現return語句。隻是通常把傳回非None值return語句放在生成器最後，為StopIteration 異常添加附加資訊，以便調用者處理。示例如下：
代碼清單片段-04
下面是未進行異常處理時運作程式輸出結果類似如下：
99
100
Traceback (most recent call last):
File "……", line 11, in <module>
print(next(g))
StopIteration: 不支援大于100的數字生成！
若對程式進行了異常捕捉處理（try-except），顯示結果更簡明，自己運作試試看。
生成器與普通函數
如果一個函數至少包含一個yield語句，那麼它就是生成器函數。如果需要，還可以包含其他yield或return語句。yield和return關鍵字都将從函數中傳回一些東西。
return和yield關鍵字之間的差異對于生成器來說非常重要。return語句會完全終止函數，而yield語句會暫停函數，儲存它的所有狀态，然後在後續的調用中繼續執行。
我們調用生成器函數的方式和調用普通函數一樣。但在執行過程中，生成器在遇到yield關鍵字時暫停。它将疊代器流的目前值發送到調用環境，并等待下一次調用。同時，它在内部儲存局部變量及其狀态。
以下是生成器函數與普通函數不同的關鍵點:
ü Generator函數傳回(生成)一個疊代器對象。你無需擔心顯式地建立此疊代器對象，yield關鍵字為你做了這個工作。
- ü Generator函數必須包含至少一個yield語句。如果需要，它可能包括多個yield關鍵字。
- ü Generator函數内部實作疊代器協定(iter()和next()方法)。
- ü Generator函數自動儲存局部變量及其狀态。
- ü Generator函數在yield關鍵字處暫停執行，并将控制權傳遞給調用者。
- ü Generator函數在疊代器流沒有傳回值時自動引發StopIteration異常。
我們用一個簡單的例子來示範普通函數和生成器函數之間的差別。在這個例子中，我們要計算前n個正整數的和。為此，我們将定義一個函數，該函數給出前n個正數的清單。我們将以兩種方式實作這個函數，一個普通函數和一個生成器函數。
普通函數代碼如下：
代碼清單片段-05
運作程式輸出結果類似如下：
49999995000000
Elapsed Time in seconds: 1.2067763805389404
在代碼清單中，我們定義一個普通函數，它傳回前n個正整數的清單。當我們調用這個函數時，它需要一段時間來完成執行，因為它建立的清單非常龐大。它還使用了大量記憶體來完成此任務。
現在讓我們為相同的操作定義一個生成器函數來實作，代碼清單如下:
代碼清單片段-06
運作程式結果類似如下：
49999995000000
（生成器模式）Elapsed Time in seconds: 1.0013225078582764
正如在生成器清單中所見，生成器在更短的時間内完成相同的任務，并且使用更少的記憶體資源。因為生成器是一個一個地生成項，而不是傳回完整的清單。
性能改進的主要原因(當我們使用生成器時)是值的惰性生成。這種按需值生成的方式，會降低記憶體使用量。生成器的另一個優點是，你不需要等到所有元素都生成後才開始使用它們。
生成器表達式
有時候，我們需要簡單的生成器來執行代碼中相對簡單的任務。這正是生成器表達式（Generator Expression）用武之地。可以使用生成器表達式輕松地動态建立簡單的生成器。
生成器表達式類似于Python中的lambda函數。但要記住，lambda是匿名函數，它允許我們動态地建立單行函數。就像lambda函數一樣，生成器表達式建立的是匿名生成器函數。
生成器表達式的文法看起來像一個清單推導式。不同之處在于，我們在生成器表達式中使用圓括号而不是方括号。請看示例:
運作結果類似如下：
| [1, 8, 27, 64, 125] <generator object <genexpr> at 0x000001337F92BEB0> |
在上述清單中，我們在生成器表達式的幫助下定義了一個簡單的生成器。下面是文法:cubes_gen = (i**3 for i in nums)。你可以在輸出中看到生成器對象。正如所已經知的，為了能夠在生成器中擷取項，我們要麼顯式調用next()方法，要麼使用for循環周遊生成器。接下來就列印cubes_gen對象中的項:
運作程式，周遊出的元素項結果是否和清單推導式一樣。
我們再看一個例子。來定義一個生成器，将字元串中的字母轉換為大寫字母。然後調用next()方法列印前兩個字母。代碼示例如下：
運作輸出結果如下：
| M A |
生成器好處
生成器是非常棒的工具，特别是當需要在相對有限的記憶體中處理大型資料時。以下是在Python中使用生成器的一些主要好處:
1）記憶體效率:
假設有一個傳回結果非常大序列的普通函數。例如，一個包含數百萬項的清單。你必須等待這個函數完成所有的執行，并将整個清單傳回給你。就時間和記憶體資源而言，這顯然是低效的。另一方面，如果你使用生成器函數，它将一個一個地傳回項，你将有機會繼續執行下一行代碼。而不需要等待函數執行清單中的所有項。因為生成器一次隻給你一項。
2）延遲計算:
生成器提供了延遲(惰性)計算求值的功能。延遲計算是在真正需要值時計算值，而不是在執行個體化時計算值。假設你有一個大資料集要計算，延遲計算允許你在整個資料集仍在計算生成中可立即開始使用資料。因為如果使用生成器，則不需要整個資料集。
3）易實作和可讀性:
生成器非常容易實作，并且提供了好的代碼可讀性。記住，如果你使用生成器，你不需要擔心__iter__()和__next__()方法。你所需要的隻是函數中一個簡單的yield語句。
4）處理無限流:
當你需要表示無限的資料流時，生成器是非常棒的工具。例如，一個無限計數器。理論上，你不能在記憶體中存儲無限流的，因為你無法确定存儲無限流需要多少的記憶體大小。這是生成器真正發揮作用的地方，因為它一次隻産生一項，它可以表示無限的資料流。它不需要将所有的資料流存儲在記憶體中。
本文小結
主要介紹了生成器相關知識，用于更好的自定義疊代器。内容包括何為生成器？如何自定義生成器以及和普通函數的關鍵差別？如何實作生成器表達式？并總結了生成器的有點。通過這篇文章，相信你能更輕松高效的掌握Python正常的生成器方方面面。
最後，點個贊，關注一下，轉發分享出去吧，讓更多的Python愛好者get到 ^_^