python生成器与表达式

1. 生成器函数：使用常规的def语句进行编写，但是使用yield语句一次返回一个结果，在每次结果产生之间挂起和恢复他们的状态。
2. 生成器表达式：类似列表推导，但是，它们返回按需产生结果的一个对象，而不是创建一个结果列表。

   def gensquares(N):
       for i in range(N):
           yield i**2
   
   for i in gensquares(5):
       print(i,end=':')  #0:1:4:9:16:
   
   x=gensquares(r)
   next(x)  #0
   next(x)  #1
   next(x)  #4

   返回的生成器对象有一个__next__方法。

3. 生成器对大型程序而言，在内存使用和性能方面都更好。它们允许函数避免预先做好所有的工作，在结果的列表很大或者在处理每一个结果都需要很多时间时，生成器将产生一系列值的时间分散到每一次的循环迭代中去。
4. 生成器的send方法生成一系列结果的下一个元素，值可以通过调用G.send(value)发送给一个生成器G。之后恢复生成器代码的执行，并且生成器中的yield表达式返回了发送给send函数的值。如果提前调用了正常的G.__next__方法，yield则返回None。

   def gen():
       for i in range(10):
           x=yield i
           print(x)
   
   G=gen()
   next(G)  #0
   G.send(77)  #77  1
   G.send(88)  #88   2
   next(G)    #None  3

5. 生成器表达式就像一般的列表推导一样，而且也支持所有列表推导的语法（包括if过滤器和循环嵌套），但它们是包括在圆括号中而不是方括号里的（跟元组一样，它们的圆括号通常是可选的）。
6. 生成器表达式不是在内存中构建结果，而是返回一个生成器对象——一个自动被创建的可迭代对象。这个可迭代对象会支持迭代协议，并在任意的迭代语境中产生一个结果列表。可迭代对象在激活时也持有生成器的状态。可以出现在任何的迭代上下文中。如果生产期表达式包在其它的括号之内，比如在函数调用之中，生成器自身的括号就不是必须的。生成器表达式也是一种对内存空间的优化，他们将生成结果拆分成更小的时间片：他们会一部分一部分产生结果，而不是让调用者再一次调用中等待整个集合中被创建出来。

   G=(x**2 for x in range(4))
   iter(G) is G  #True
   next(G)  #0
   next(G)  #1
   
   for num in (x**2 for x in range(4)):
       print('%s,%s'%(num,num/2.0)
   #0,0.0
   #1,0.5
   #4,2.0
   #9,4.5
   
   sum(x**2 for x in range(4))  #14,不需要括号

7. 生成器函数和表达式自身都是迭代器，因此只支持一次活跃迭代，一旦任意迭代器运行结束，所有迭代器都将用尽——我们必须产生一个新的生成器一边重新开始。
8. yield form扩展：

   def both(N):
       yield from range(N)
       yield from (x**2 for x in range(N))
   
   list(both(5))
   #[0,1,2,3,4,0,1,4,9,16]