Python中的列表生成式（List Comprehensions）和列表生成器(Generator)，是Python提供的两个高级应用机制。
生成式是一种简写机制，坚持了龟叔的“Python要简单优雅”的设计理念。
生成器虽然翻译成中文以后只有一字之差，但是实现的机制和生成式已经完全不同了。它存储的是一个算法，而非具体数据。如何理解呢？听我娓娓道来。
一、列表生成式（List Comprehensions）
列表生成式是Python提供的一种简易的列表生成表达式。对于一些极其规律且简单逻辑的列表生成算法，可以用列表生成式一行搞定。
1.1语法格式：
它的语法格式是：
[列表元素模式（空格）列表元素生成算法（数据来源）表达]
举个例子：
有如下需求：要生成[1x1, 2x2, 3x3, ..., 10x10]这样的一个list
传统的思路是：
L = []
for x in range(1, 11):
L.append(x * x)接下来是列表生成式写法：
[x * x for x in range(1, 11)]是不是简洁了很多？我想，不用我解释，应该也浅显易懂吧。
如果翻译成白话文，上面这条语句的意思是：
生成这样一个列表，他的每一个元素都是x*x，其中，x的值是这样的 for x in range(1, 11)
1.2列表生成式中的循环和选择
列表生成式中的for循环后可加if判断。
例如：求偶数平方数列。可以用列表生成式来书写
[x * x for x in range(1, 11) if x % 2 == 0]
.例如：生成'ABC‘和'XYZ'的完全结合子串
[m + n for m in 'ABC' for n in 'XYZ']
1.3列表生成式的元素模式花式表达
列表生成式也可以使用两个变量来生成list
d = {'x': 'A', 'y': 'B', 'z': 'C' }
[k + '=' + v for k, v in d.items()].列表中所有字符串变小写
L = ['Hello', 'World', 'IBM', 'Apple']
[s.lower() for s in L]
.以及利用if语句是算法更灵活，如下例中，合理屏蔽掉18这个非字符串数据：
L1 = ['Hello', 'World', 18, 'Apple', None]
L2 = [s.lower() for s in L1 if isinstance(s, str) == True]
二、生成器Generator
有一句至理名言，必须牢记：
生成器保存的是算法。
2.1生成器的创建
生成器的创建很简单。将列表生成式的[]换成()即可
例如，创建一个能够生成x平方的列表的生成器如下：
g = (x * x for x in range(10))
2.2生成器元素的显示：
生成器保存的是生成算法，而非数据本身，因此，它与生成式不同，它并不携带任何数据，因此，想用print的形式是无法输出任何数据的，只能输出一个表示本对象是一个生成器对象的提示。如下：
g = (x * x for x in range(10))
print(g)
结果为：
<generator object <genexpr> at 0x00000252A2AC1690>生成器像是一个携带着数据的宝盒，需要一把钥匙触发机关，他才会持续不断的根据算法产生数据并输出。这种触发算法的钥匙最常用的两个是：1.next方法，2.for循环的遍历。
2.2.1next方法
next方法会触发一次算法的计算，一次next就会激发一次算法的计算产生下一个数据。例如：
对于生成器：
g = (x * x for x in range(10))如果：
next(g)
next(g)则会输出：
1
4
两个数据。
2.2.2for循环遍历
使用for循环遍历，可以持续触发算法，并输出所有算法能覆盖的数据
例如：
对于生成器：
g = (x * x for x in range(10))如果：
for n in g:
print(n)则会输出所有的数列元素1，4，9，16等。
2.3生成器的函数实现形式
当推算算法比较复杂，可以用函数来实现。
如Fibonacci数列，很显然，这个算法写不到一行上去。没办法用小括号（）的形式来展现算法，可以使用函数的形式来实现生成器。Fibonacci数列的普通函数实现如下：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'这有个小细节，其中的
a,b = b, a + b的意义是，先将右边的值全部算出，再分别赋值给左边的变量。
相当于：
temp1 = b
temp2 = a + b
a = temp1
b = temp2
而不是：
b = a + b
a = b
自己体会一下区别。
2.3.1 yield的用法
上面的Fibonacci数列的普通函数稍加改造，就可以变成一个生成器函数。
关键在于yield关键字。
先上案例程序：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
将普通函数中的print语句，换成yield。
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。
函数是顺序执行，遇到return或最后一行返回。
包含yield关键字的生成器函数的执行逻辑如下：
Generator每次调用next（）时候执行，遇到yield返回。再次执行，从上一次返回的yield处继续执行。
刚刚构建的生成器fib，遇到next调用时，就生成一个fibnacci数列的元素。
g = fib(10)
next(g)
next(g)
next(g)
next(g)执行结果为：
1
1
2
3
再举一个例子：
写一个generator依次返回数字1，3，5
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
可以利用next择机输出（或者说延迟输出）想要的数据
o = odd()
next(o)
next(o)
next(o)
得到的结果为：
step 1
1
step 2
3
step 3
5如果再使用next(o)，则会产生异常。
Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
2.4生成器Generator的作用
生成器和生成式，好像差不多啊。
生成器函数和普通函数，好像也差不多啊。
2.4.1算法的滞后输出
生成器的最大用途，是可以让算法的输出滞后，在用户需要的时机，缓缓输出。可以通过上面的例子来推敲和理解一下。文章来源：https://www.toymoban.com/news/detail-452649.html
2.4.2无限数据的有限表达
生成器让类似于“自然数集”这样的无限数据生成算法，有了有限输出的空间。这一点尤为关键。因为算法必须是有限的，无限的算法是无意义的。毕竟，无论是时间还是空间，都必须是有限的，才能实施下去。文章来源地址https://www.toymoban.com/news/detail-452649.html
到了这里，关于Python中的列表生成式（List Comprehensions）和列表生成器(Generator)的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
