人生苦短，我选择Python。Python（三）：基本数据类型（下）初学Python（四）：变量的基本操作初学Python（五）：基本运算符（上）初学Python（六）：基本运算符（上）2）小白学习Python（七）：流程控制基础（上）小白学习Python（八）：流程控制基础（二）小白学习Python（九）：数据结构基础（列表）（上）小白学习Python（10）：数据结构基础（列表）（下）小白学习Python（11）：数据结构基础（元组）小白学习Python（12）：数据结构基础（字典）（上）小白学习Python（13）：数据结构基础（词典）（下）小白学Python（14）：数据结构基础（集）（下）小白学Python（15）：数据结构基础（集）（下）小白学Python（16）：基本数据类型（函数）（上）小白学习Python（17）：基本数据类型（函数）（下）小白学习Python（18）：基本文件操作小白学习Python（18）：Basic文件操作小白学习Python（19）：异常处理基础小白学习Python（20）：迭代器生成器基础前面我们讲了为什么要用迭代器，大家应该还有印象（说有就过分了不起来）。如果列表太大，会占用太多内存。您可以使用迭代器只取出需要使用的部分。生成器的设计原理与迭代器类似。如果你需要一个非常大的集合，你不会把所有的元素都放在这个集合中，而是将元素保存为生成器的状态，每次迭代返回一个值。比如我们要生成一个列表，可以使用如下方法：list1=[x*xforxinrange(10)]print(list1)结果如下：[0,1,4,9,16,25,36,49,64,81]如果我们生成的列表非常庞大，例如：list2=[x*xforxinrange(1000000000000000000000000)]结果如下：Traceback(mostrecentcall最后）：文件“D:/Development/Projects/python-learning/base-generator/Demo.py”，第3行，在list2=[x*xforxinrange(10000000000000000000000000)]文件“D:/Development/Projects/python-learning/base-generator/Demo.py",line3,inlist2=[x*xforxinrange(1000000000000000000000000)]MemoryError报错，报错信息提示我们存储异常，整个程序跑了很久。友情提示，创建这么大的列表请慎重，如果电脑配置不够，可能会卡机。如果我们用generator的话会很方便，而且执行速度飞快。generator1=(x*xforxinrange(10000000000000000000000))print(generator1)print(type(generator1))结果如下：at0x0000014383E85B48>然后，我们使用generator以后如何读取generator产生的数据呢？当然和前面的迭代器一样，使用next()函数：generator2=(x*xforxinrange(3))print(next(generator2))print(next(generator2))print(next(generator2)))print(next(generator2))结果如下：Traceback(mostrecentcalllast):File"D:/Development/Projects/python-learning/base-generator/Demo.py",line14，在打印(next(generator2))StopIteration直到结束，抛出StopIteration异常。但是这种使用方式我们并不知道迭代什么时候结束，所以我们可以使用for循环获取每个生成器生成的具体元素，使用for循环而不用关心最后的StopIteration异常。generator3=(x*xforxinrange(5))forindexingenerator3:print(index)结果如下：014916generator很强大，本质上generator并没有取和存我们具体的元素，它存储的是计算算法，通过算法计算出下一个值。如果计算算法比较复杂，不能用类似列表生成的for循环实现，也可以用函数实现。比如我们定义一个函数，emmmmmmm，简单点吧，大家懂的精神：defprint_a(max):i=0whilei这里使用了关键字yield，yield和return很相似，都可以返回一个值，不同的是yield不会结束函数。我们多次调用这个用函数创建的生成器：print(next(a))print(next(a))print(next(a))print(next(a))结果如下：1234可以看到当我们在使用next()对生成器进行操作时，会返回一个循环的值，并在yield中结束本次运行。但是下次执行next()时，会从上一个断点继续运行。直到下一个yield，并不断重复直到生成器结束。还有一个等同于next()的方法，直接看示例代码：print(a.__next__())print(a.__next__())结果如下：56接下来要介绍的方法就更厉害了,不仅可以迭代,还可以传一个值给函数:defprint_b(max):i=0whilei
