在Python中，生成器是一种特殊类型的函数，它可以用于迭代生成数据序列。生成器使用yield关键字来暂停函数的执行，并返回一个值给调用者，每次调用生成器的next()方法时，函数会继续执行直到遇到下一个yield语句。
1. 生成器函数的定义
要定义一个生成器函数，只需要在函数体中使用yield关键字而不是return语句来返回值。下面是一个简单的示例：
def number_generator(n):
i = 0
while i < n:
yield i
i += 1
在上面的代码中，number_generator函数是一个生成器函数，用于生成从0到n-1的整数序列。每次调用生成器的next()方法时，函数会生成一个数并使用yield返回给调用者，然后在下次调用时继续执行yield语句后面的代码。
2. 生成器的使用
通过生成器函数定义生成器后，我们可以通过迭代器来使用它。生成器是迭代器的一种特殊类型，它可以用于for循环等需要迭代的场景。
下面是一个使用生成器的示例：
# 生成器函数定义
def number_generator(n):
i = 0
while i < n:
yield i
i += 1
# 使用生成器
generator = number_generator(5)
for num in generator:
print(num)
运行上面的代码，输出结果为：
0
1
2
3
4
在上面的示例中，我们首先通过调用生成器函数number_generator(5)创建了一个生成器对象generator。然后，我们通过for循环遍历生成器对象，每次循环得到一个生成器返回的值并打印出来。
需要注意的是，生成器是一次性的，即每个生成器只能迭代一次。一旦生成器被迭代完成，再调用next()方法将抛出StopIteration异常。
3. 生成器表达式
除了使用生成器函数定义生成器之外，Python还提供了生成器表达式的语法，可以更简洁地创建生成器。
生成器表达式的语法形式与列表推导式类似，只是使用括号()而不是方括号[]。下面是一个示例：
generator = (x ** 2 for x in range(5))
for num in generator:
print(num)
运行上面的代码，输出结果为：
0
1
4
9
16
在上面的示例中，我们通过生成器表达式(x ** 2 for x in range(5))创建了一个生成器对象generator，它将返回0到4的平方数序列。
4. 生成器的优势
生成器相比于普通函数和列表等其他数据结构有以下几个优势：
- 节省内存：生成器一次只生成一个值，并且在生成每个值后会立即释放内存，不会像列表一样占用大量内存。
- 惰性计算：生成器是按需生成值的，只有在需要使用时才计算生成，这对于大型数据集或无限序列特别有用。
- 适用于大型数据集和无限序列：由于生成器的惰性计算特性，它可以处理更大的数据集和无限序列，而不会因为占用过多内存而导致程序崩溃。
综上所述，生成器是一种强大且灵活的工具，在Python中被广泛应用于迭代操作、大数据集处理和无限序列生成等场景。通过掌握生成器的使用方法，能够提高代码的效率和可读性。
本文来自极简博客，作者：美食旅行家，转载请注明原文链接：Python中的生成器与yield关键字实践
