Python中的生成器
1.列表生成式
代码演示：
# 列表生成式
list_1 = [x**2 for x in range(10)] # x**2处也可以放函数
print(list_1) #[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
# 代码等价于
list_2 = []
for x in range(10):
list_2.append(x**2)
print(list_2)
2.生成器
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
代码演示：
list_1 = (x*2 for x in range(10) )
比较生成器和列表生成式
代码演示：
import time
start_time = time.time()
list_1 = (x*2 for x in range(10) )
stop_time = time.time()
print(list_1)
print("the list_1 run time is %s" % (stop_time-start_time))
start_time = time.time()
list_2 = [x*2 for x in range(10) ]
stop_time = time.time()
print(list_2)
print("the list_2 run time is %s" % (stop_time-start_time))
运行结果：
<generator object <genexpr> at 0x0000011FACD1ED60> 生成器只有一个列表地址，并没有具体的数值 the list_1 run time is 0.0 [0, 2, 4, 6, 8, 10, 12, 14, 16, 18] the list_2 run time is 0.0
- 生成器只有在调用的时候才会生成相应的数据
- 生成式可以直接打印列表，生成器只能打印地址
- 生成式可以通过下角标获取元素，生成器不行
- 生成器可以通过
__next()__函数获得生成器（generator）的下一个返回值
>>>list_1 = (x*2 for x in range(100000000))
>>>for x in list_1:
print(x)
>>>list_1.__next__
>>>list_1.__next__
>>>list_1.__next__
只有一个__next()__用来记录当前位置，没有方法访问前面的元素，只能往后面走
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
def fib(sum):
a, b, c = 0, 1, 0
while c < sum:
print(b)
a, b = b, a + b
c += 1
fib(6)
仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
def fib(sum):
a, b, c = 0, 1, 0
while c < sum:
#print(b)
yield b # 代码执行到这里，会跳出这个函数，并将b的值返回到使用next的代码处
a, b = b, a + b
c += 1
# print(fib(6)) # 这里得到的就是生成器
p = fib(6)
print(next(p))
print(next(p))
print("做点别的事情")
print(next(p))
print(p.__next__())
print(next(p))
print(p.__next__())
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
>>> f = fib(6) >>> f <generator object fib at 0x104feaaa0
这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
在上面fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。
同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：
for n in fib(6):
print(n)
但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：
def fib(sum):
a, b, c = 0, 1, 0
while c < sum:
yield b
a, b = b, a + b
c += 1
return "返回值只能传递给异常"
g = fib(3)
while True:
try:
x = next(g)
print('g:', x)
except StopIteration as e:
print('Generator return value:', e.value)
break
"""
运行结果：
g: 1 g: 1 g: 2 Generator return value: 返回值只能传递给异常 """
还可通过yield实现在单线程的情况下实现并发运算的效果：
next()和__next__() ：效果相同，只是使用方式不同，都可以唤醒yield,并接收yield传过来的值。
send()：也可以唤醒yield，也可以接收yield传递过来的值，而且，还可以在唤醒yield的同时，为yield传递一个值
#_*_coding:utf-8_*_
#通过生成器实现协程并行运算
import time
def consumer(name):
print("%s 准备吃包子啦!" %name)
while True:
baozi = yield
print("包子[%s]来了,被[%s]吃了!" %(baozi,name))
def producer(name):
c = consumer(name)
c2 = consumer('B')
c.__next__()
c2.__next__()
print("老子开始准备做包子啦!")
for i in range(10):
time.sleep(1)
print("做了2个包子!")
c.send(i)
c2.send(i)
producer("飞某人")
