https://zhuanlan.zhihu.com/p/26123333
要完全理解透生成器，需要我们先掌握三个概念：
可迭代对象(Iterable)
迭代器(Iterator)
迭代(Iteration)
放一张图来理解，来自这里
额外提到了容器(container)，说的是我们的集合类对象，如 list、set、dict，它们将多个元素组织在一起，这些对象就可以称为 container。
可迭代对象：
可直接作用于for循环的对象统称为Iterable 。具体的实现是，Python 中的对象只要定义了__iter__方法（该方法返回一个迭代器对象），或者定义了支持下标索引的__getitem__方法，那么这个对象就是可迭代对象。
>>>fromcollectionsimportIterable>>>isinstance([],Iterable)True>>>isinstance({},Iterable)True>>>isinstance([xforxinrange(10)],Iterable)True
迭代器：
可作用于next()函数的对象都是Iterator。具体的实现是，任何对象只要定义了__iter__和__next__方法，那就是迭代器对象；迭代器表示一个惰性计算的序列，需要__iter__返回迭代器自身，__next__返回迭代器中的下一个值，迭代到结尾时引发
StopIteration
异常；也就是说迭代器在遍历集合时，并不是将所有的元素事先都准备好，而是迭代到某个元素时才去计算该元素，利用这一特性我们可以去遍历一些巨大的集合，之前总结的函数式编程中，map，reduce，filter函数返回的就是一个新的迭代器。
还有一点需要明确的，迭代器都是可迭代对象，可迭代对象可以通过iter()返回一个新的迭代器。
>>>L=[1,2,3,4,5]>>>'__iter__'indir(L)True>>>'__next__'indir(L)False>>>newL=iter(L)>>>'__next__'indir(newL)True>>>newL.__next__()1>>>newL.__next__()2# 定义斐波拉契数的迭代器>>>classfib(object):...def__init__(self):...self.prev=0...self.curr=1...def__iter__(self):...returnself...def__next__(self):...value=self.curr...self.curr+=self.prev...self.prev=value...returnvalue...>>>f=fib()>>>foriinf:...ifi>20:break...print(i)...11235813
从上面的迭代操作中，可以看出 for 循环其实是调用__iter__获得迭代器，再调用__next__获取元素，迭代器内部状态保存在当前实例对象的prev以及cur属性中，在下一次调用中将使用这两个属性。每次调用next()方法都会执行以下两步操作：
修改状态，以便下次调用next()方法
计算当前调用的结果
迭代器的使用非常普通，Python的内置库itertools就是专门返回迭代器对象的，这篇博文专门介绍itertools库的，我从中列举了一些：
# 累加>>>importitertools>>>a=itertools.accumulate(range(10))>>>a>>>print(list(a))[0,1,3,6,10,15,21,28,36,45]# 连接列表或迭代器>>>c=itertools.chain(range(3),range(4),[0,1,2,3,4])>>>print(list(c))[0,1,2,0,1,2,3,0,1,2,3,4]# 按照真值表筛选元素>>>x=itertools.compress(range(5),(True,False,True,True,False))>>>print(list(x))[0,2,3]# 计数器,可以指定起始位置和步长>>>x=itertools.count(start=20,step=-1)>>>print(list(itertools.islice(x,0,10,1)))[20,19,18,17,16,15,14,13,12,11]# 按照分组函数的值对元素进行分组>>>x=itertools.groupby(range(10),lambdax:x<5orx>8)>>>forcondition,numbersinx:...print(condition,list(numbers))True[0,1,2,3,4]False[5,6,7,8]True[9]# 类似map>>>x=itertools.starmap(str.islower,'aBCDefGhI')>>>print(list(x))[True,False,False,False,True,True,False,True,False]
生成器：
有了前面的铺垫，我们就能更好地理解生成器了。生成器是什么？说白了生成器就是一种特殊的迭代器，不过它的实现方式更为简单优雅，同样我们可以明确的是，任何生成器都是迭代器，生成器也是一个惰性计算的序列。
我们来看看生成器的两种定义方式：
1、生成器表达式：
>>>[i*iforiinrange(5)]# 注意 Python3 中 range函数是迭代器[0,1,4,9,16]# 根据列表生成式，只需要简单修改就可以定义生成器>>>(i*iforiinrange(3))at0x7f59ed8fc3b8>
2、另一种定义复杂推导算法的生成器需要引入一个强大的关键字yield：
# 斐波那契序列的生成器函数>>> def fib():... prev = curr = 1... yield prev #1... yield curr #2... while True:... prev, curr = curr, prev + curr... yield curr... >>> f = fib()>>> f>>> for i in f: # 还可以使用 next() 遍历生成器... if i > 20: break... print(i)... 11235813
分析一下流程：
调用生成器函数时只返回一个 generator 对象 f，函数并没有执行；
通过 for 循环生成器才开始执行，执行到 #1 yield prev 处，返回 yield 处的参数 prev，此时就打印出了1；
继续 for 循环，生成器函数将在上一次停止的语句处继续执行，遇到 #2 yield curr 返回，此时又打印出了1；
如此反复，直到i大于20跳出循环结束调用。
对比迭代器和生成器，实现同样的功能，生成器会显得更加优雅简洁。
迭代
一句话总结迭代：按照一定的顺序逐个访问容器中每一个元素的过程；也就是我们折腾斐波那契序列的过程
限于篇幅，生成器就介绍到这里，但生成器的威力远不止此，下一篇将通过生成器和 yield 引出协程和异步IO等。
