def simple_generator():yield 1yield 2yield 3gen = simple_generator()print(next(gen)) # 输出：1print(next(gen)) # 输出：2print(next(gen)) # 输出：3# print(next(gen)) # 再次调用会引发StopIteration异常
gen_expr = (x * x for x in range(3))print(next(gen_expr)) # 输出：0print(next(gen_expr)) # 输出：1print(next(gen_expr)) # 输出：4
-
惰性求值（延迟计算）：生成器需要时才会生成数据，节省内存，对处理大数据集非常有用。（对于一个数据集，发现某单个数据就挂起，而不要从头开始查找） -
简洁易读：使用 yield 关键字编写生成器函数，比手动实现迭代器类更加简洁。 - 无状态保存：生成器自动保存函数执行状态，无需手动管理迭代器的状态。
使用’for’循环遍历生成器
生成器可以与 for 循环结合使用，无需显式调用 next() 函数，并且在生成器耗尽时自动处理 StopIteration 异常。
def countdown(n):while n > 0:yield nn -= 1for num in countdown(5):print(num)
生成器的高级特性
‘send()’方法
生成器不仅可以通过 next() 函数获取值，还可以通过 send() 方法向生成器发送值。
‘close()’方法
close() 方法用于关闭生成器，终止其迭代。
‘throw()’方法
throw() 方法用于向生成器内部引发异常。
迭代器和生成器分别在什么样的场景使用？
- 生成器：适用于按需生成数据、简化迭代器实现、处理复杂迭代逻辑、数据流水线处理。生成器使代码简洁，并节省内存。（简单）
- 迭代器：适用于需要完整的迭代器协议、维护复杂对象状态、组合多个迭代器的场景。迭代器类提供更多的灵活性和控制。（复杂）
代码地带
生成器生成斐波那契数列
def fibonacci(limli):a, b = 0, 1while a < limli:yield aa, b = b, a + bfor num in fibonacci(200):print(num)
原创文章，作者：guozi，如若转载，请注明出处：https://www.sudun.com/ask/87845.html
