python中什么是生成器_Python生成器(Generator)概念与用法
2026-10-30 18:46:47
Python中的生成器（Generator）是一种特殊的迭代器，通过yield关键字实现惰性求值，按需生成值而非一次性加载所有数据，从而节省内存并提高效率。
核心机制生成器通过yield实现“暂停-恢复”的执行模式。调用生成器函数时，函数体不会立即执行，而是返回生成器对象。迭代时（如使用for循环或next()），函数从上次暂停的位置继续执行，直到遇到yield返回当前值并暂停，或函数结束抛出StopIteration异常。这种机制避免了内存中存储全部数据，适合处理大型数据集或无限序列。
创建方式
生成器函数在函数中使用yield关键字，函数自动变为生成器函数。每次迭代时，生成器会暂停并返回yield后的值，保留执行状态。
def simple_generator(): print("开始生成...") yield 1 print("生成了1") yield 2gen = simple_generator()print(next(gen)) # 输出: 开始生成... n 1生成器表达式类似列表推导式，但使用圆括号()，惰性求值，更节省内存。适用于简单的一次性生成需求。
my_generator = (i * 2 for i in range(5)) # 生成器表达式for value in my_generator: print(value) # 输出: 0, 2, 4, 6, 8yield from语句用于委托其他生成器或可迭代对象，简化嵌套逻辑。例如，将多个生成器串联或扁平化嵌套结构。
def sub_gen(start, end): for i in range(start, end): yield idef main_gen(): yield from sub_gen(1, 3) # 委托给sub_gen yield from sub_gen(10, 12)解决的问题
内存效率处理大型文件或数据库查询时，生成器逐行或逐条读取数据，避免一次性加载全部内容。例如，读取几十GB的日志文件时，生成器仅保留当前处理的数据，减少内存占用。
无限序列生成器可按需生成无限序列（如斐波那契数列），而列表无法存储无限数据。def fibonacci_generator(): a, b = 0, 1 while True: yield a a, b = b, a + b
代码简洁性生成器将数据生成逻辑与使用逻辑分离，使代码更清晰。例如，用生成器封装逐个处理元素的逻辑，符合迭代器模式的设计理念。
与普通函数的区别
返回类型与行为普通函数执行到return时彻底结束，返回一个值；生成器函数返回生成器对象，每次迭代到yield时暂停并返回值，保留执行状态。
状态管理普通函数两次调用之间无状态；生成器函数能记住上次执行位置和局部变量，实现惰性计算。
适用场景
生成器函数：复杂逻辑，需手动控制生成过程（如自定义暂停和恢复逻辑）。
生成器表达式：简单转换或过滤，避免创建临时列表（如计算大范围数字的和）。
yield from：组合多个生成器或处理嵌套可迭代结构（如扁平化列表的列表）。
生成器通过惰性求值和高效内存管理，成为处理大规模数据或无限序列的理想工具，同时提升代码可读性和可维护性。
热门标签
