今天开始又要重新关注python了，关注一些高级特性。第一part：生成器(generator)。
学习新东西我都首先想要了解其优点，然后判断是否有继续盘它的必要。所以首先介绍一下生成器的优点！
python生成器的优点：
（1）延迟计算，一次返回一个结果。生成器不会一次生成所有的结果，而是一边循环一边计算，这对于大数据量处理，是个非常有用的优势。因为在编程的实际应用中，占用内存量是工程师必须考虑的一个问题。
（2）有效提高代码可读性。使用生成器以后，代码行数更少。（下面的例子会说明）
说完生成器的优点，下面介绍一下python是如何表示生成器的。
在python中生成器有两种表示形式：（1）生成器函数 （2）生成器表达式
（1）生成器函数
生成器函数与python中的普通函数定义相同，都是使用def 关键字进行定义。不同的地方，生成器使用yield语句而不是return语句返回结果。在执行生成器函数时，每次执行到yield语句之后，会返回一次结果，然后将函数挂起，再次执行生成器函数时从上次返回的yield语句处继续执行。（延时计算特性）
举例子说明：
定义普通函数和生成器函数求取0～10的平方
普通函数的定义及调用：
def getSquare_l(maxVal):
square_list = []
for i in range(maxVal+1):
square_list.append(i*i)
return square_list
square_list = getSquare_l(10)
square_list：[0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
生成器函数的定义及调用：
def getSquare_g(maxVal):
for i in range(maxVal+1):
yield i*i
square_generator = getSquare_g(10)
square_generator： <generator object getSquare_g at 0x109b7e308>
可以看到调用生成器函数返回的是一个generator object。想要提取generator中的值，可以用next方法进行提取，直到产生StopIteration异常。
next(square_generator): 0
next(square_generator): 1
...
next(square_generator): 100
next(square_generator): StopIteration
但是这样太麻烦，我们同样可以使用for循环进行生成器对象的提取：
for i in square_generator:
print(i)
通过对比生成器函数和普通函数，可以看到生成器函数所需要的代码量更少，提高代码的可读性。
这里需要加粗。生成器好处多多，但是需要注意的一点是，生成器只能遍历一次。因为遍历一遍生成器对象之后就没有记录再存在于生成器之中了（我想这也是为什么生成器会节省内存的另一个原因）。
（2）生成器表达式
要说生成器表达式，就不得不提到列表生成式（list comprehension)。相信大家都已经听说过列表生成式。这也是python中一个很强大的特性，可以用很少的代码生成一个list。小编我在算法课上，只穿插的学了3周的python，这个特性就被老师当作重点，在期中和期末考试的时候，都考了这个知识点。
同样求取0～10的平方
列表生成式：[i*i for i in range(11)] 结果：[0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
所谓的生成器表达式就是将列表生成式的[ ] 换成 ( )。
生成器表达式: (i*i for i in range(11)) ，同样，需要next方法或者for循环方法进行提取。
So easy! 将[ ] 换成 ( ) 就会在进行大量数据操作时节省很多内存空间。让我们为python的generator鼓掌👏👏
