Python生成器入门指南（从零理解yield、生成器表达式与迭代器）

一、什么是生成器？

生成器（Generator）是 Python 中一种特殊的迭代器。它不像列表或元组那样一次性把所有数据加载到内存中，而是“按需生成”——每次调用时才计算下一个值。这种特性让它在处理大量数据时非常高效，尤其适合内存受限的场景。

二、yield 关键字：生成器的核心

普通函数使用 return 返回结果后就结束运行了。而生成器函数使用 yield 来“产出”一个值，并暂停执行，等待下一次被调用时从暂停处继续。

来看一个简单例子：

def simple_generator():    yield 1    yield 2    yield 3# 创建生成器对象gen = simple_generator()# 逐个获取值print(next(gen))  # 输出: 1print(next(gen))  # 输出: 2print(next(gen))  # 输出: 3# print(next(gen))  # 抛出 StopIteration 异常  

注意：每次调用 next()，生成器就会执行到下一个 yield 语句并返回值。当没有更多 yield 时，会抛出 StopIteration 异常。

三、生成器表达式：更简洁的写法

除了用函数定义生成器，Python 还支持类似列表推导式的“生成器表达式”。它的语法几乎一样，只是用圆括号 () 而不是方括号 []。

# 列表推导式（一次性创建整个列表）squares_list = [x**2 for x in range(5)]# 生成器表达式（按需生成）squares_gen = (x**2 for x in range(5))print(type(squares_list))  # <class 'list'>print(type(squares_gen))   # <class 'generator'># 遍历生成器for val in squares_gen:    print(val)# 输出: 0, 1, 4, 9, 16  

虽然两者输出结果相同，但 squares_gen 不会占用大量内存，特别适合处理大数据流。

四、生成器 vs 迭代器

你可能听说过“迭代器（Iterator）”。其实，生成器是迭代器的一种，但并非所有迭代器都是生成器。

• 迭代器：任何实现了 __iter__() 和 __next__() 方法的对象。
• 生成器：通过函数 + yield 或生成器表达式自动创建的迭代器，无需手动实现上述方法。

因此，生成器是创建迭代器最简便的方式。

五、实际应用场景

生成器常用于以下场景：

• 读取大文件（逐行处理，不加载全部内容）
• 无限序列（如斐波那契数列）
• 数据管道（链式处理：过滤 → 转换 → 输出）

def fibonacci():    a, b = 0, 1    while True:        yield a        a, b = b, a + bfib = fibonacci()for _ in range(10):    print(next(fib))# 输出前10个斐波那契数  

六、总结

通过本教程，你应该已经掌握了：

• Python生成器 是一种高效的惰性求值工具；
• yield关键字 让函数变成生成器，暂停并返回值；
• 生成器表达式 提供了简洁的语法；
• 生成器是 迭代器与生成器 体系中的重要组成部分。

现在，你可以尝试自己编写生成器来优化代码性能了！