① python生成器簡介
Python 中的 yield 關鍵字鮮為人知，但是作用卻很大，族絕正是因為有了yield，才有了Python生成器。
yield 是 Python 的關鍵字，它用於 從函數返回而不破壞其局部變數的狀兆沒姿態 ，並且在調用該函數時，從最後一個 yield 語句開始執行。任何包含 yield 關鍵字的函數都稱為生成器。
Python 中的 yield 關鍵字的作用類似於 Python 中的 return 語句，不同之處在於：
yield的優點
yield的缺點
Python 可以使用 括弧() 創建生成器
更多時候，我們使用 yield 關鍵字創建生成器
下面這個生成器，前4次調用它時，返回的是0-3這幾個特殊值，第5次調用它時返回一個10-20之間的隨機整數。
更多時察旅候，生成器可以返回無限的值。
注意 generator() 函數返回的是一個生成器對象，要想獲取它的值，可以像上面那樣在迭代器中取出它的值，我們也可以顯式的調用next函數獲取值。
Python | yield Keyword - GeeksforGeeks：https://www.geeksforgeeks.org/python-yield-keyword/
https://c.runoob.com/compile/9/
② Python基礎之迭代器
一.什麼是迭代器
迭代器是用來迭代取值的工具。
而涉及到把多個值循環取出來的類型有：列表，字元串，元組，欄位，集合，打開文件等。通過使用的遍歷方式有for···in···，while等，但是，這些方式只適用於有索引的數據類型。為了解決索引取的局限性，python提供了一種 不依賴於索引的取值方式：迭代器
注意：
二.可迭代對象
可迭代對象：但凡內置有__iter__方法的都稱為可迭代對象
常見的可迭代對象：
1.集合數據類型，如list,tuple,dict,set,str等
2.生成器，包括生成器和帶yield的生成器函數。
三.如何創建迭代器
迭代器是一個包含數個值的對象。
迭代器是可以迭代的對象，這意味著您可以遍歷所有值。
從技術上講，在Python中，迭代器是實現迭代器協議的對象，該協議由方法 __iter__() 和 __next__() 組成。
簡而言之，一個類裡面實現了__iter__()和__next__()這兩個魔法方法，那麼這個類的對象就是可迭代對象。
四.迭代器的優缺點
1.優點
2.缺點
五.迭代器示例
另外，如果類Stu繼承了Iterator，那麼Stu可以不用實現__iter__()方法
遍歷迭代器
StopIteration
如果你有足夠的 next() 語句，或者在 for 循環中使用，則上面的例子將永遠進行下去。
為了防止迭代永遠進行，我們可以使用 StopIteration 語句。
在 __next__() 方法中，如果迭代完成指定的次數，我們可以添加一個終止條件來引發錯誤
③ Python中的「迭代」詳解
迭代器模式：一種惰性獲取數據項的方式，即按需一次獲取一個數據項。
所有序列都是可以迭代的。我們接下來要實現一個 Sentence（句子）類，我們向這個類的構造方法傳入包含一些文本的字元串，然後可以逐個單詞迭代。
接下來測試 Sentence 實例能否迭代
序列可以迭代的原因：
iter()
解釋器需要迭代對象 x 時，會自動調用iter(x)。
內置的 iter 函數有以下作用：
由於序列都實現了 __getitem__ 方法，所以都可以迭代。
可迭代對象：使用內置函數 iter() 可以獲取迭代器的對象。
與迭代器的關系：Python 從可迭代對象中獲取迭代器。
下面用for循環迭代一個字元串，這里字元串 'abc' 是可迭代的對象，用 for 循環迭代時是有生成器，只是 Python 隱藏了。
如果沒有 for 語句，使用 while 循環模擬，要寫成下面這樣：
Python 內部會處理 for 循環和其他迭代上下文（如列表推導，元組拆包等等）中的 StopIteration 異常。
標準的迭代器介面有兩個方法：
__next__ ：返回下一個可用的元素，如果沒有元素了，拋出 StopIteration 異常。
__iter__ ：返回 self，以便在需要使用可迭代對象的地方使用迭代器，如 for 循環中。
迭代器：實現了無參數的 __next__ 方法，返回序列中的下一個元素；如果沒有元素了，那麼拋出 StopIteration 異常。Python 中的迭代器還實現了 __iter__ 方法，因此迭代器也可以迭代。
接下來使用迭代器模式實現 Sentence 類：
注意， 不要 在 Sentence 類中實現 __next__ 方法，讓 Sentence 實例既是可迭代對象，也是自身的迭代器。
為了「支持多種遍歷」，必須能從同一個可迭代的實例中獲取多個獨立的迭代器，而且各個迭代器要能維護自身的內部狀態，因此這一模式正確的實現方式是，每次調用 iter(my_iterable) 都新建一個獨立的迭代器。
所以總結下來就是：
實現相同功能，但卻符合 Python 習慣的方式是，用生成器函數代替 SentenceIteror 類。
只要 Python 函數的定義體中有 yield 關鍵字，該函數就是生成器函數。調用生成器函數，就會返回一個生成器對象。
生成器函數會創建一個生成器對象，包裝生成器函數的定義體，把生成器傳給 next(...) 函數時，生成器函數會向前，執行函數定義體中的下一個 yield 語句，返回產出的值，並在函數定義體的當前位置暫停，。最終，函數的定義體返回時，外層的生成器對象會拋出 StopIteration 異常，這一點與迭代器協議一致。
如今這一版 Sentence 類相較之前簡短多了，但是還不夠慵懶。 惰性 ，是如今人們認為最好的特質。惰性實現是指盡可能延後生成值，這樣做能節省內存，或許還能避免做無用的處理。
目前實現的幾版 Sentence 類都不具有惰性，因為 __init__ 方法急迫的構建好了文本中的單詞列表，然後將其綁定到 self.words 屬性上。這樣就得處理整個文本，列表使用的內存量可能與文本本身一樣多（或許更多，取決於文本中有多少非單詞字元）。
re.finditer 函數是 re.findall 函數的惰性版本，返回的是一個生成器，按需生成 re.MatchObject 實例。我們可以使用這個函數來讓 Sentence 類變得懶惰，即只在需要時才生成下一個單詞。
標准庫提供了很多生成器函數，有用於逐行迭代純文本文件的對象，還有出色的 os.walk 函數等等。本節專注於通用的函數：參數為任意的可迭代對象，返回值是生成器，用於生成選中的、計算出的和重新排列的元素。
第一組是用於 過濾 的生成器函數：從輸入的可迭代對象中產出元素的子集，而且不修改元素本身。這種函數大多數都接受一個斷言參數(predicate)，這個參數是個 布爾函數 ，有一個參數，會應用到輸入中的每個元素上，用於判斷元素是否包含在輸出中。
以下為這些函數的演示：
第二組是用於映射的生成器函數：在輸入的單個/多個可迭代對象中的各個元素上做計算，然後返回結果。
以下為這些函數的用法：
第三組是用於合並的生成器函數，這些函數都可以從輸入的多個可迭代對象中產出元素。
以下為演示：
第四組是從一個元素中產出多個值，擴展輸入的可迭代對象。
以下為演示：
第五組生成器函數用於產出輸入的可迭代對象中的全部元素，不過會以某種方式重新排列。
下面的函數都接受一個可迭代的對象，然後返回單個結果，這種函數叫「歸約函數」，「合攏函數」或「累加函數」，其實，這些內置函數都可以用 functools.rece 函數實現，但內置更加方便，而且還有一些優點。
參考教程：
《流暢的python》 P330 - 363
④ 自學python看什麼書比較好
《Learn Python the Hard Way》
本書是一本Python入門書籍，適合對計算機了解不多，沒有學過編程，但對編程感興趣的讀者學習使用。這本書以習題的方式引導讀者一步一步學習編程，從簡單的列印一直講到完整項目的實現，讓初學者從基礎的編程技術入手，最終體驗到軟體開發的基本過程。
本書結構非常簡單，共包括52個習題，其中26個覆蓋了輸入/輸出、變數和函數三個主題，另外26個覆蓋了一些比較高級的話題，如條件判斷、循環、類和對象、代碼測試及項目的實現等。每一章的格式基本相同，以代碼習題開始，按照說明編寫代碼，運行並檢查結果，然後再做附加練習。
《Python Cookbook》
同樣很有名。
本書介紹了Python應用在各個領域中的一些使用技巧和方法，從最基本的字元、文件序列、字典和排序，到進階的面向對象編程、資料庫和數據持久化、 XML處理和Web編程，再到比較高級和抽象的描述符、裝飾器、元類、迭代器和生成器，均有涉及。書中還介紹了一些第三方包和庫的使用，包括 Twisted、GIL、PyWin32等。本書覆蓋了Python應用中的很多常見問題，並提出了通用的解決方案。書中的代碼和方法具有很強的實用性，可以方便地應用到實際的項目中，並產生立竿見影的效果。
《A Byte Of Python》
中文《簡明Python教程》本書採用知識共享協議免費分發，意味著任何人都可以免費獲取，這本書走過了11個年頭，最新版以Python3為基礎同時也會兼顧到Python2的一些東西，內容非常精簡。
《Head first Python》
中文《深入淺出Python》這本書的內容通熟易懂，配有大量插圖，沒有長篇累牘地說教，讓你在學習過程中不會覺得枯燥，同為入門推薦書目。
《父與子的編程之旅》
這並不是關於親子關系的編程書，而是一本正兒八經Python編程入門書，只是以這種寓教於樂的形式闡述編程，顯得更輕松愉快一些。
《Effective Python》
本書可以幫你掌握真正的 Pythonic 編程方式，令你能夠完全發揮出Python語言的強大功能，並寫出健壯而高效的代碼
《流暢的Python》
本年度最好的一本Python進階書籍，從點到面、從最佳編程實踐深入到底層實現原理。每個章節配有大量參考鏈接，引導讀者進一步思考。
《Python源碼剖析》
深入Python底層原理，適合對Python實現原理感興趣的開發者閱讀。
《集體智慧編程》
一本注重實踐，以機器學習與計算統計為主題背景，講述如何挖掘和分析Web上的數據和資源的書，本書代碼示例以Python為主。入門人工智慧的都應該看看這本書。
《利用 Python 進行數據分析》
數據分析庫 pandas 作者寫的，數據分析入門就靠它了。
Python源碼剖析
內容比較深入，找到書看過，看的我一臉懵逼，所以這本書建議有一定基礎後嘗試去看，對於原理掌握大有裨益。
本書以CPython為研究對象，在C代碼一級，深入細致地剖析了Python的實現。書中不僅包括了對大量Python內置對象的剖析，更將大量的篇幅用於對Python虛擬機及Python高級特性的剖析。通過此書，讀者能夠透徹地理解Python中的一般表達式、控制結構、異常機制、類機制、多線程機制、模塊的動態載入機制、內存管理機制等核心技術的運行原理。
《Python核心編程（第二版）》
內容比較簡單，這版是2.x的入門資料。
·學習專業的Python風格、最佳實踐和好的編程習慣；
·加強對Python對象、內存模型和Python面向對象特性的深入理解；
·構建更有效的Web、CGI、互聯網、網路和其他客戶端/伺服器架構應用程序及軟體；
·學習如何使用Python中的Tkinter和其他工具來開發自己的GUI應用程序及軟體；
·通過用C等語言編寫擴展來提升Python應用程序的性能，或者通過使用多線程增強I/0相關的應用程序的能力；
·學習Python中有關資料庫的API，以及如何在Python中使用各種不同的資料庫系統，包括MySQL、Postgres和 SQLite。
《Python學習手冊》
無論你是剛接觸編程或者剛接觸Python，通過學習《Python學習手冊》，你可以迅速高效地精通核心Python語言基礎。讀完《Python學習手冊(第3版)》，你會對這門語言有足夠的了解，從而可以在你所從事的任何應用領域中使用它。《Python學習手冊(第3版)》讓你對Python語言有深入而完整的了解，從而幫助你理解今後遇到的任何Python應用程序實例。如果你准備探索Google和YouTube為什麼選中了Python，《Python學習手冊(第3版)》就是你入門的最佳指南。
《Python科學計算》
高階書，但是內容充實。
本書介紹如何用Python開發科學計算的應用程序，除了介紹數值計算之外，還著重介紹如何製作互動式的2D、3D圖像，如何設計精巧的程序界面，如何與C語言編寫的高速計算程序結合，如何編寫聲音、圖像處理演算法等內容。書中涉及的Python擴展庫包括NumPy、SciPy、SymPy、matplotlib、Traits、TraitsUI、Chaco、TVTK、Mayavi、VPython、OpenCV等，涉及的應用領域包括數值運算、符號運算、二維圖表、三維數據可視化、三維動畫演示、圖像處理以及界面設計等。
《Python標准庫》
對於程序員而言，標准庫與語言本身同樣重要，它好比一個百寶箱，能為各種常見的任務提供完美的解決方案，所以本書是所有Python程序員都必備的工具書！本書以案例驅動的方式講解了標准庫中一百多個模塊的使用方法（如何工作）和工作原理（為什麼要這樣工作），比標准庫的官方文檔更容易理解（一個簡單的示例比一份手冊文檔更有幫助），為Python程序員熟練掌握和使用這些模塊提供了絕佳指導。
《像計算機科學家一樣思考Python》
當初就是這本書帶我入了坑。
《像計算機科學家一樣思考python》按照培養讀者像計算機科學家一樣的思維方式的思路來教授python語言編程。全書貫穿的主體是如何思考、設計、開發的方法，而具體的編程語言，只是提供一個具體場景方便介紹的媒介。《像計算機科學家一樣思考python》並不是一本介紹語言的書，而是一本介紹編程思想的書。和其他編程設計語言書籍不同，它不拘泥於語言細節，而是嘗試從初學者的角度出發，用生動的示例和豐富的練習來引導讀者漸入佳境。
作為一個新人，這幾本書已經夠多了——如果你仔細讀，這些書足夠幫你完成中級Python程序員進階。
⑤ Python中的for循環、可迭代對象、迭代器和生成器-
問題：
「迭代是重復反饋過程的活動，其目的通常是為了逼近所需目標或結果。」在Python中，可迭代對象、迭代器、for循環都是和「迭代」密切相關的知識點。
下面我們試著通過實現自定義一下list的迭代過程：
迭代器和生成器總是會被同時提起，那麼它們之間有什麼關聯呢——生成器是一種特殊的迭代器。
⑥ Python|range函數用法完全解讀
迭代器是 23 種設計模式中最常用的一種（之一），在 Python 中隨處可見它的身影，我們經常用到它，但是卻不一定意識到它的存在。在關於迭代器的系列文章中（鏈接見文末），我至少提到了 23 種生成迭代器的方法。有些方法是專門用於生成迭代器的，還有一些方法則是為了解決別的問題而「暗中」使用到迭代器。
在系統學習迭代器之前，我一直以為 range() 方法也是用於生成迭代器的，現在卻突然發現，它生成的只是可迭代對象，而並不是迭代器！ （PS：Python2 中 range() 生成的是列表，本文基於Python3，生成的是可迭代對象）
於是，我有了這樣的疑問：為什麼 range() 不生成迭代器呢？在查找答案的過程中，我發現自己對 range 類型的認識存在一些誤區。因此，本文將和大家全面地認識一下 range ，期待與你共同學習進步。
1、range() 是什麼？
它的語法：range(start, stop [,step]) ；start 指的是計數起始值，默認是 0；stop 指的是計數結束值，但不包括 stop ；step 是步長，默認為 1，不可以為 0 。range() 方法生成一段左閉右開的整數范圍。
對於 range() 函數，有幾個注意點：（1）它表示的是左閉右開區間；（2）它接收的參數必須是整數，可以是負數，但不能是浮點數等其它類型；（3）它是不可變的序列類型，可以進行判斷元素、查找元素、切片等操作，但不能修改元素；（4）它是可迭代對象，卻不是迭代器。
2、 為什麼range()不生產迭代器？
可以獲得迭代器的內置方法很多，例如 zip() 、enumerate()、map()、filter() 和 reversed() 等等，但是像 range() 這樣僅僅得到的是可迭代對象的方法就絕無僅有了（若有反例，歡迎告知）。這就是我存在知識誤區的地方。
在 for-循環 遍歷時，可迭代對象與迭代器的性能是一樣的，即它們都是惰性求值的，在空間復雜度與時間復雜度上並無差異。我曾概括過兩者的差別是「一同兩不同」：相同的是都可惰性迭代，不同的是可迭代對象不支持自遍歷（即next()方法），而迭代器本身不支持切片（即 getitem () 方法）。
雖然有這些差別，但很難得出結論說它們哪個更優。現在微妙之處就在於，為什麼給 5 種內置方法都設計了迭代器，偏偏給 range() 方法設計的就是可迭代對象呢？把它們都統一起來，不是更好么？
事實上，Pyhton 為了規范性就干過不少這種事，例如，Python2 中有 range() 和 xrange() 兩種方法，而 Python3 就幹掉了其中一種，還用了「李代桃僵」法。為什麼不更規范點，令 range() 生成的是迭代器呢？
關於這個問題，我沒找到官方解釋，以下純屬個人觀點 。
zip() 等方法都需要接收確定的可迭代對象的參數，是對它們的一種再加工的過程，因此也希望馬上產出確定的結果來，所以 Python 開發者就設計了這個結果是迭代器。這樣還有一個好處，即當作為參數的可迭代對象發生變化的時候，作為結果的迭代器因為是消耗型的，不會被錯誤地使用。
而 range() 方法就不同了，它接收的參數不是可迭代對象，本身是一種初次加工的過程，所以設計它為可迭代對象，既可以直接使用，也可以用於其它再加工用途。例如，zip() 等方法就完全可以接收 range 類型的參數。
也就是說，range() 方法作為一種初級生產者，它生產的原料本身就有很大用途，早早把它變為迭代器的話，無疑是一種畫蛇添足的行為。
對於這種解讀，你是否覺得有道理呢？歡迎就這個話題與我探討。
3、range 類型是什麼？
以上是我對「為什麼range()不產生迭代器」的一種解答。順著這個思路，我研究了一下它產生的 range 對象，一研究就發現，這個 range 對象也並不簡單。
首先奇怪的一點就是，它竟然是不可變序列！我從未注意過這一點。雖然說，我從未想過修改 range() 的值，但這一不可修改的特性還是令我驚訝。
翻看文檔，官方是這樣明確劃分的——有三種基本的序列類型：列表、元組和范圍（range）對象。（There are three basic sequence types: lists, tuples, and range objects.）
這我倒一直沒注意，原來 range 類型居然跟列表和元組是一樣地位的基礎序列！我一直記掛著字元串是不可變的序列類型，不曾想，這里還有一位不可變的序列類型呢。
那 range 序列跟其它序列類型有什麼差異呢？
普通序列都支持的操作有 12 種。range 序列只支持其中的 10 種，不支持進行加法拼接與乘法重復。
那麼問題來了：同樣是不可變序列，為什麼字元串和元組就支持上述兩種操作，而偏偏 range 序列不支持呢？雖然不能直接修改不可變序列，但我們可以將它們拷貝到新的序列上進行操作啊，為何 range 對象連這都不支持呢？
且看官方文檔的解釋：
…e to the fact that range objects can only represent sequences that follow a strict pattern and repetition and concatenation will usually violate that pattern.
原因是 range 對象僅僅表示一個遵循著嚴格模式的序列，而重復與拼接通常會破壞這種模式…
問題的關鍵就在於 range 序列的 pattern，仔細想想，其實它表示的就是一個等差數列啊（喵，高中數學知識沒忘…），拼接兩個等差數列，或者重復拼接一個等差數列，想想確實不妥，這就是為啥 range 類型不支持這兩個操作的原因了。由此推論，其它修改動作也會破壞等差數列結構，所以統統不給修改就是了。
4、小結
回顧全文，我得到了兩個偏冷門的結論：range 是可迭代對象而不是迭代器；range 對象是不可變的等差序列。
若單純看結論的話，你也許沒有感觸，或許還會說這沒啥了不得啊。但如果我追問，為什麼 range 不是迭代器呢，為什麼 range 是不可變序列呢？對這倆問題，你是否還能答出個自圓其說的設計思想呢？（PS：我決定了，若有機會面試別人，我必要問這兩個問題的嘿~）
由於 range 對象這細微而有意思的特性，我覺得這篇文章寫得值了。本文是作為迭代器系列文章的一篇來寫的，所以對於迭代器的基礎知識介紹不多，另外，還有一種特殊的迭代器也值得單獨成文，那就是生成器了。
⑦ 如何更好地理解Python迭代器和生成器
在Python這門語言中，生成器毫無疑問是最有用的特性之一。與此同時，也是使用的最不廣泛的Python特性之一。究其原因，主要是因為，在其他主流語言裡面沒有生成器的概念。正是由於生成器是一個「新」的東西，所以，它一方面沒有引起廣大工程師的重視，另一方面，也增加了工程師的學習成本，最終導致大家錯過了Python中如此有用的一個特性。
我的這篇文章，希望通過簡單易懂的方式，深入淺出地介紹Python的生成器，以改變「如此有用的特性卻使用極不廣泛」的現象。本文的組織如下：在第1章，我們簡單地介紹了Python中的迭代器協議；在本文第2章，將會詳細介紹生成器的概念和語法；在第3章，將會給出一個有用的例子，說明使用生成器的好處；在本文最後，簡單的討論了使用生成器的注意事項。
1. 迭代器協議
由於生成器自動實現了迭代器協議，而迭代器協議對很多人來說，也是一個較為抽象的概念。所以，為了更好的理解生成器，我們需要簡單的回顧一下迭代器協議的概念。
迭代器協議是指：對象需要提供next方法，它要麼返回迭代中的下一項，要麼就引起一個StopIteration異常，以終止迭代
可迭代對象就是：實現了迭代器協議的對象
協議是一種約定，可迭代對象實現迭代器協議，Python的內置工具(如for循環，sum，min，max函數等)使用迭代器協議訪問對象。
舉個例子：在所有語言中，我們都可以使用for循環來遍歷數組，Python的list底層實現是一個數組，所以，我們可以使用for循環來遍歷list。如下所示：
>>> for n in [1, 2, 3, 4]:
... print n
但是，對Python稍微熟悉一點的朋友應該知道，Python的for循環不但可以用來遍歷list，還可以用來遍歷文件對象，如下所示：
>>> with open(『/etc/passwd』) as f: # 文件對象提供迭代器協議
... for line in f: # for循環使用迭代器協議訪問文件
... print line
...
為什麼在Python中，文件還可以使用for循環進行遍歷呢？這是因為，在Python中，文件對象實現了迭代器協議，for循環並不知道它遍歷的是一個文件對象，它只管使用迭代器協議訪問對象即可。正是由於Python的文件對象實現了迭代器協議，我們才得以使用如此方便的方式訪問文件，如下所示：
>>> f = open('/etc/passwd')
>>> dir(f)
['__class__', '__enter__', '__exit__', '__iter__', '__new__', 'writelines', '...'
2. 生成器
Python使用生成器對延遲操作提供了支持。所謂延遲操作，是指在需要的時候才產生結果，而不是立即產生結果。這也是生成器的主要好處。
Python有兩種不同的方式提供生成器：
生成器函數：常規函數定義，但是，使用yield語句而不是return語句返回結果。yield語句一次返回一個結果，在每個結果中間，掛起函數的狀態，以便下次重它離開的地方繼續執行
生成器表達式：類似於列表推導，但是，生成器返回按需產生結果的一個對象，而不是一次構建一個結果列表
2.1 生成器函數
我們來看一個例子，使用生成器返回自然數的平方（注意返回的是多個值）：
def gensquares(N):
for i in range(N):
yield i ** 2
for item in gensquares(5):
print item,
使用普通函數：
def gensquares(N):
res = []
for i in range(N):
res.append(i*i)
return res
for item in gensquares(5):
print item,
可以看到，使用生成器函數代碼量更少。
2.2 生成器表達式
使用列表推導，將會一次產生所有結果：
>>> squares = [x**2 for x in range(5)]
>>> squares
[0, 1, 4, 9, 16]
將列表推導的中括弧，替換成圓括弧，就是一個生成器表達式：
>>> squares = (x**2 for x in range(5))
>>> squares
<generator object at 0x00B2EC88>
>>> next(squares)
0
>>> next(squares)
1
>>> next(squares)
4
>>> list(squares)
[9, 16]
Python不但使用迭代器協議，讓for循環變得更加通用。大部分內置函數，也是使用迭代器協議訪問對象的。例如， sum函數是Python的內置函數，該函數使用迭代器協議訪問對象，而生成器實現了迭代器協議，所以，我們可以直接這樣計算一系列值的和：
>>> sum(x ** 2 for x in xrange(4))
而不用多此一舉的先構造一個列表：
>>> sum([x ** 2 for x in xrange(4)])
2.3 再看生成器
前面已經對生成器有了感性的認識，我們以生成器函數為例，再來深入探討一下Python的生成器：
語法上和函數類似：生成器函數和常規函數幾乎是一樣的。它們都是使用def語句進行定義，差別在於，生成器使用yield語句返回一個值，而常規函數使用return語句返回一個值
自動實現迭代器協議：對於生成器，Python會自動實現迭代器協議，以便應用到迭代背景中（如for循環，sum函數）。由於生成器自動實現了迭代器協議，所以，我們可以調用它的next方法，並且，在沒有值可以返回的時候，生成器自動產生StopIteration異常
狀態掛起：生成器使用yield語句返回一個值。yield語句掛起該生成器函數的狀態，保留足夠的信息，以便之後從它離開的地方繼續執行
3. 示例
我們再來看兩個生成器的例子，以便大家更好的理解生成器的作用。
首先，生成器的好處是延遲計算，一次返回一個結果。也就是說，它不會一次生成所有的結果，這對於大數據量處理，將會非常有用。
大家可以在自己電腦上試試下面兩個表達式，並且觀察內存佔用情況。對於前一個表達式，我在自己的電腦上進行測試，還沒有看到最終結果電腦就已經卡死，對於後一個表達式，幾乎沒有什麼內存佔用。
sum([i for i in xrange(10000000000)])
sum(i for i in xrange(10000000000))
除了延遲計算，生成器還能有效提高代碼可讀性。例如，現在有一個需求，求一段文字中，每個單詞出現的位置。
不使用生成器的情況：
def index_words(text):
result = []
if text:
result.append(0)
for index, letter in enumerate(text, 1):
if letter == ' ':
result.append(index)
return result
使用生成器的情況：
def index_words(text):
if text:
yield 0
for index, letter in enumerate(text, 1):
if letter == ' ':
yield index
這里，至少有兩個充分的理由說明 ，使用生成器比不使用生成器代碼更加清晰：
使用生成器以後，代碼行數更少。大家要記住，如果想把代碼寫的Pythonic，在保證代碼可讀性的前提下，代碼行數越少越好
不使用生成器的時候，對於每次結果，我們首先看到的是result.append(index)，其次，才是index。也就是說，我們每次看到的是一個列表的append操作，只是append的是我們想要的結果。使用生成器的時候，直接yield index，少了列表append操作的干擾，我們一眼就能夠看出，代碼是要返回index。
這個例子充分說明了，合理使用生成器，能夠有效提高代碼可讀性。只要大家完全接受了生成器的概念，理解了yield語句和return語句一樣，也是返回一個值。那麼，就能夠理解為什麼使用生成器比不使用生成器要好，能夠理解使用生成器真的可以讓代碼變得清晰易懂。
4. 使用生成器的注意事項
相信通過這篇文章，大家已經能夠理解生成器的作用和好處。但是，還沒有結束，使用生成器，也有一點注意事項。
我們直接來看例子，假設文件中保存了每個省份的人口總數，現在，需要求每個省份的人口佔全國總人口的比例。顯然，我們需要先求出全國的總人口，然後在遍歷每個省份的人口，用每個省的人口數除以總人口數，就得到了每個省份的人口佔全國人口的比例。
如下所示：
def get_province_population(filename):
with open(filename) as f:
for line in f:
yield int(line)
gen = get_province_population('data.txt')
all_population = sum(gen)
#print all_population
for population in gen:
print population / all_population
執行上面這段代碼，將不會有任何輸出，這是因為，生成器只能遍歷一次。在我們執行sum語句的時候，就遍歷了我們的生成器，當我們再次遍歷我們的生成器的時候，將不會有任何記錄。所以，上面的代碼不會有任何輸出。
因此，生成器的唯一注意事項就是：生成器只能遍歷一次。
5. 總結
本文深入淺出地介紹了Python中，一個容易被大家忽略的重要特性，即Python的生成器。為了講解生成器，本文先介紹了迭代器協議，然後介紹了生成器函數和生成器表達式，並通過示例演示了生成器的優點和注意事項。在實際工作中，充分利用Python生成器，不但能夠減少內存使用，還能夠提高代碼可讀性。掌握生成器也是Python高手的標配。希望本文能夠幫助大家理解Python的生成器。