一、生成器：generator

　　按照规则去生成一定的数据

　　1、列表推导式和生成器的区别

　　　　列表推导式: 一次性生成所有满足条件的数据
　　　　生成器: 你要一个数据, 我生成出来给你一个

　　2、生成器表达式

　　　　生成器对象 = (表达式 for item in 容器)
　　　　生成器对象 = (表达式 for item in 容器 if 条件)
　　　　生成器对象 = (表达式 for item in 容器 for item2 in 容器2)

　　3、通过生成器对象获取数据

　　　　（1）next(g)　　　

　　　　（2）for in 依次获取生成器对象中的每个数据　　　　

　　　　（3） g.__next__()

　　　　（4）send(值)：给上一次生成器函数中yield的位置传递一个值

　　　　　　　　　　　 第一次获取生成器数据时, 不能使用send()方法获取

 1 # 1、生成1-10的数据的生成器
 2 g = (x for x in range(1, 11))
 3 print(type(g))  # <class ‘generator‘>
 4 print(g)  # <generator object <genexpr> at 0x00000000007EA948>
 5
 6 print(next(g))  # 1 获取g对象的数据
 7 print(next(g))  # 2
 8 print(next(g))  # 3
 9 print(next(g))  # 4
10
11 for x in g:
12     print(x)   # 5, 6, 7, 8, 9, 10
13
14 # print(next(g))  # StopIteration
15
16
17 # 2、创建一个生成器对象, 包含1-10之间的所有偶数
18 g1 = (x for x in range(1, 11) if x % 2 == 0)
19
20 print(g1)  # <generator object <genexpr> at 0x000000000260A948>
21 print(type(g1))  # <class ‘generator‘>
22
23 print(g1.__next__())  # 2
24 print(g1.__next__())  # 4
25 print(g1.__next__())  # 6
26 print(g1.__next__())  # 8
27 print(g1.__next__())  # 10
28
29 # print(g1.__next__())  # StopIteration

二、生成器函数

　　1、关键字yield 的作用

　　　　1、返回一个数据，如果yield后边啥也没有，返回数据为None
　　　　2、遇到yield获取一条数据，同时暂停函数的执行，直到下一次获取数据时，从暂停的位置继续往下执行

　　2、特点　　

　　　　1、生成器函数用来生成一个生成器对象
　　　　2、生成器函数中的代码在获取对象数据时，才会被执行

 1 def func1():
 2     print("我是生成器")
 3     yield   # return 返回值
 4
 5
 6 g = func1()
 7 print(g)  # <generator object func1 at 0x0000000003C2CFC0>
 8 print(type(g))  # <class ‘generator‘>
 9
10 # 获取生成器对象数据的三种方式: 1, next(对象); 2,for..in 对象; 3. 对象.__next__()
11 print(next(g))  # 我是生成器 \n None
12
13
14 def func2():
15     print("我是生成器")
16     yield 0000
17
18
19 # step1: 获取生成器对象
20 g2 = func2()
21
22 # step2: 获取数据
23 print(g2.__next__())
24 """
25 我是生成器
26 0
27 """
28
29 # print(g2.__next__())  # StopIteration
30
31
32 def func3():
33     print("xixi")
34     yield "haha"
35     print("hanhan")
36     yield "daidai"
37
38
39 g3 = func3()
40
41 print(g3.__next__())
42 """
43 xixi
44 haha
45 """
46 print(g3.__next__())  # 三角龙
47 """
48 hanhan
49 daidai
50 """
51
52
53 def func4():
54     for x in range(10):
55         yield "我是第%d" % x
56
57
58 g4 = func4()
59
60 print(next(g4))  # 我是第0
61 print(next(g4))  # 我是第1
62 print(next(g4))  # 我是第2
63 print(next(g4))  # 我是第3
64
65
66 def func5():
67     print("我是第5个生成器函数")
68     child = yield "请给我xixi"
69     print("taotao&huihui")
70     yield child
71
72
73 g5 = func5()
74 # next(g5)  # "请给我一只食肉龙"
75 print(g5.__next__())  # 1. 获取一个生成器的数据
76 """
77     我是第5个生成器函数
78     请给我xixi
79 """
80 # TypeError: can‘t send non-None value to a just-started generator
81
82 print(g5.send("haha"))  # 2. 给生成器函数上一个yield的位置传递一个数据(霸王龙)
83 """
84     taotao&huihui
85     haha
86 """
87 # print(next(g5))
88 # print(g5.send("abc"))  # StopIteration

三、生成器实例

 1 # 1、传递数据, 计算所有传递的数据的总和,平均值
 2 def func1():
 3     sum_num = 0  # 用来记录所有数字的和, 初始值0
 4     count = 0
 5     avg = 0  # 用来记录所有数字的平均值, 初始值0
 6     while True:
 7         num = yield (sum_num, avg)
 8         count += 1  # 每输入一个数据, 计数+1
 9         sum_num += num  # 每输入一个数据, 和累加
10         avg = sum_num / count
11
12 g1 = func1()
13
14 print(g1.__next__())  # (0, 0)
15 print(g1.send(5))  # (5, 5.0)
16 print(g1.send(10))  # (15, 7.5)
17 print(g1.send(100))  # (115， 38,33333333)
18
19 # 2、写一个生成器, 生成斐波那契数列;
20 # 1, 1, 2, 3, 5, 8, 13, 21, ...
21 # a  b->2
22 #    a  b->3
23 def func2():
24     a = 1  # 所求数的前两个数
25     b = 1  # 所求数的前一个数
26     while True:
27         yield a  # 1, 1, 2, 3, 5,...
28         a, b = b, a + b
29
30 g2 = func2()
31 print(g2.__next__())  # 1
32 print(g2.__next__())  # 1
33 print(g2.__next__())  # 2
34 print(g2.__next__())  # 3
35 print(g2.__next__())  # 5
36 print(g2.__next__())  # 8
37 print(g2.__next__())  # 11

四、为什么生成器是迭代器

　　1、概念　　

　　　　（1）可迭代对象: 实现了__iter__方法的对象就是可迭代对象

　　　　（2）迭代器: 实现了__iter__方法和__next__方法的对象就是迭代器

　　　　（3）生成器：函数中使用了关键字 yield

　　2、关联

　　　　（1）迭代器 是 可迭代对象
　　　　（2）生成器 是 可迭代对象
　　　　（3）生成器 是 迭代器

　　　　__iter__()方法的返回值是 迭代器
　　　　可迭代对象.__iter__()，就会生成一个 迭代器

　　3、判断对象是否可迭代

　　　　from collections.abc import Iterable
　　　　isinstance(对象，Iterable)

　　4、for in 的底层原理

　　　　for in 对象
　　　　（1）调用对象的__iter__()方法，生成一个iterator迭代器　　
　　　　（2）调用迭代器对象的__next__()方法，依次获取每个数据
　　　　（3）for in 在遇到 StopIteration 时，停止迭代

 1 # 写个迭代器, 传入一个范围(起始值, 终止值), 依次获取
 2 # 这个范围中的素数
 3
 4
 5 class PrimeNumber:
 6     def __init__(self, start, end):
 7         self.start = start
 8         self.end = end
 9
10     # 方法: 判断一个数是不是素数
11     def isPrimeNumber(self, num):  # 参数: 你要判断是不是素数的那个数
12         for x in range(2, num):
13             if num % x == 0:
14                 return False  # 返回, 函数停止执行
15         return True
16
17     def __iter__(self):  # 返回个迭代器对象: generator(迭代器)--> __iter__(), __next__()
18         for x in range(self.start, self.end + 1):
19             if self.isPrimeNumber(x):
20                 yield x
21
22     # yield --> 生成器函数(返回值:生成器) --> 迭代器 --> __iter__()方法返回个迭代器
23
24 n3 = PrimeNumber(3, 20)
25 for x in n3:
26     print(x)
27 """
28 3
29 5
30 7
31 11
32 13
33 17
34 19
35 """
36
37 # step1: 调用__iter__()获取迭代器 --> 生成器
38 # step2: 调用__next__()获取数据
39 # step3: StopIteration停止迭代
40
41 n4 = PrimeNumber(3, 20)
42 g4 = n4.__iter__()
43 print(g4.__next__())  # 3

 1 g = (x for x in range(10))
 2 print(g)  # <generator object <genexpr> at 0x0000000003C2CFC0>
 3 print(dir(g))  # 查看g的所有方法
 4
 5 def func():
 6     yield "xixi"
 7
 8 g1 = func()
 9 print(g1)  # <generator object func at 0x000000000212A548>
10
11 print(g1.__next__())  # ‘xixi‘

原文地址：https://www.cnblogs.com/Tree0108/p/12114267.html