生成器理解到底如何工作？

生成器理解是做什么的？它是如何工作的？我找不到有关它的教程。

您了解列表理解吗？如果是这样，生成器表达式就像列表理解一样，但是它没有找到您感兴趣的所有项目并将它们打包到列表中，而是等待，并逐个生成表达式中的每个项目。

>>> my_list = [1, 3, 5, 9, 2, 6]
>>> filtered_list = [item for item in my_list if item > 3]
>>> print(filtered_list)
[5, 9, 6]
>>> len(filtered_list)
3
>>> # compare to generator expression
... 
>>> filtered_gen = (item for item in my_list if item > 3)
>>> print(filtered_gen)  # notice it's a generator object
<generator object <genexpr> at 0x7f2ad75f89e0>
>>> len(filtered_gen) # So technically, it has no length
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: object of type 'generator' has no len()
>>> # We extract each item out individually. We'll do it manually first.
... 
>>> next(filtered_gen)
5
>>> next(filtered_gen)
9
>>> next(filtered_gen)
6
>>> next(filtered_gen) # Should be all out of items and give an error
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>> # Yup, the generator is spent. No values for you!
... 
>>> # Let's prove it gives the same results as our list comprehension
... 
>>> filtered_gen = (item for item in my_list if item > 3)
>>> gen_to_list = list(filtered_gen)
>>> print(gen_to_list)
[5, 9, 6]
>>> filtered_list == gen_to_list
True
>>> 

由于生成器表达式一次只需要产生一项，因此可以节省大量内存。在需要一次获取一项，根据该项进行大量计算然后移至下一项的情况下，生成器表达式最有意义。如果需要多个值，则还可以使用生成器表达式，一次获取几个。如果在程序继续执行之前需要所有值，请改用列表推导。

生成器理解是列表理解的惰性版本。

就像列表理解一样，不同之处在于它返回迭代器而不是列表，即具有next（）方法的对象将产生下一个元素。

如果您不熟悉列表推导，请参见此处，有关生成器的信息请参见此处。

列表/生成器理解是一种可用于从现有列表/生成器创建新列表/生成器的构造。

假设您要生成每个数字从1到10的平方的列表。可以在Python中执行此操作：

>>> [x**2 for x in range(1,11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

在这里，range(1,11)生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]，但是该range函数不是Python 3.0之前的生成器，因此我使用的构造是列表理解。

如果我想创建一个执行相同功能的生成器，则可以这样做：

>>> (x**2 for x in xrange(1,11))
<generator object at 0x7f0a79273488>

但是，在Python 3中，它range是一个生成器，因此结果仅取决于您使用的语法（方括号或圆括号）。

生成器理解是一种创建具有特定结构的生成器的简便方法。假设您想要一个generator将所有偶数一一输出的ayour_list。如果使用函数样式创建它，将是这样的：

def allEvens( L ):
    for number in L:
        if number % 2 is 0:
            yield number

evens = allEvens( yourList )

使用此生成器理解表达式，您可以实现相同的结果：

evens = ( number for number in your_list if number % 2 == 0 )

在这两种情况下，当您通话时next(evens)，都会在中获得下一个偶数your_list。

生成器理解是一种创建可迭代对象的方法，类似于在资源上移动的光标。如果您知道mysql游标或mongodb游标，则可能会知道整个实际数据永远不会一次加载到内存中，而是一次加载一次。光标前后移动，但是内存中始终只有一个行/列表元素。

简而言之，通过使用生成器理解，您可以轻松地在python中创建游标。

生成器理解的另一个示例：

print 'Generator comprehensions'

def sq_num(n):
    for num in (x**2 for x in range(n)):    
        yield num

for x in sq_num(10):
    print x