一、列表生成式
列表生成式就是python设置的可以用来可以生成列表的。
如要生成一个0-9的列表我们可以通过以下代码实现：
>>> list(range(10))
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
但是如果生成的列表较为复杂呢?例如生成包含0²、1²、2²。。。9²这样一个列表；
>>> L = []
>>> for i in range(10):
... L.append(i*i)
...
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
在上述代码中，我们通过for循环将数值append到列表L中，虽然可以实现，但是也是low爆了~~~，以下通过一行代码搞定！！！
>>> [i*i for i in range(10)]
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
除此之外，列表生成式还可以生成更为复杂的列表。通过列表生成式可以快速生成格式化的列表、字典
>>> d ={"name":"nadech","age":"","address":"NANJING"}
>>> [key+"="+value for key,value in d.items()]
['name=nadech', 'age=22', 'address=NANJING']
>>> from numpy.random import randn
>>> data ={i:randn() for i in range(7)}
>>> data
{0: 0.05824826050892203, 1: 0.08046687699730207, 2: 1.860740808203487, 3: 1.577136929714018, 4: -0.5473223742129686, 5: 0.13849329354272613, 6: 1.4133333866268165}
二、生成器
通过列表生成式，我们可以直接创建一个列表的所有元素。
但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
如果列表可以按照需求，一边循环一边计算，就可以解决上述问题。这种机制就叫做生成器（generator）。
生成器共有两种形式，第一种就是把列表生成式中的[ ]改为( )；第二种就是含有yield
>>> g = (i*i for i in range(1,3))
>>> next(g)
1
>>> next(g)
4
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
>>> (i*i for i in range(10))
<generator object <genexpr> at 0x0000029EA41490F8>
>>> for i in g:
... print(i)
...
1
4
上述代码加粗部分可以看出，创建生成器返回的是一个生成器对象的地址，并不是直接包含所有的元素的列表。
通过调用next，可以生成下个元素的值，不过在实际使用中我们并不会通过多次调用next，而是通过for循环来获取生成器的元素。
第二种我们要介绍的就是包含yield的，首先我们先实现打印输出这样一串数字，除了第一个数，后一个数都等于前两个数字的和 1，1，2，3，5，8....这就是著名的斐波那契数列，不要被这名字吓到，总之就是实现输出上边的一串数字。
>>> def fib(max):
... n, a, b = 0, 0, 1
... while n < max:
... print(b)
... a, b = b, a + b
... n = n + 1
... return 'done'
...
>>> fib(5)
1
1
2
3
5
'done'
接下来，我们对上述代码进行一处修改，把print改为yield
>>> def fib(max):
... n,a,b = 0,0,1
... while n<max:
... yield(b)
... a,b = b,a+b
... n=n+1
... return "done"
...
>>> fib(5)
<generator object fib at 0x000001F8B9C2AF68>
>>> o = fib(6)
>>> for i in o:
... print (i)
...
1
1
2
3
5
8
可见，命令窗口返回一个generator对象的内存地址。通过迭代输出生成器 o中的数字。
但是，细心的朋友可能发现，我们通过for循环来输出生成器的内容的时候，并没有输出return的“done”，这样我们就需要通过next来依次输出，同时就伴随另外一个问题的产生，当next输出到最后的时候，会抛出一个StopIteration的异常，我们需要将次异常捕获。（异常的捕获后边会详细介绍）
>>> while True:
... try:
... x = next(o)
... print("o:",x)
... except StopIteration as e:
... print("RETURN VALUE:", e.value)
... break
...
o: 1
o: 1
o: 2
o: 3
o: 5
o: 8
RETURN VALUE: done
三、生成器的并行
搞清楚了生成器的特点，那么我们简单的利用生成器来实现一个并行的效果，实际上这是一个假的并行。
这个生成器并行的例子，叫做大猪和小猪吃包子。
import time
def consumer(name):
print("%s 准备好吃包子了" % name)
while True:
type = yield #此处的yield，可以接受producer中send的传值
print("%s包子被%s 吃了" % (type, name)) def producer(name):
print("%s 已经准备好做包子了~~~~"%name)
c = consumer("大猪") #这时候不是正常的函数调用了，只是生成一个生成器队形，不执行函数体内容，调用next会执行
c1 = consumer("小猪") next(c)
next(c1) items = ["白菜","菠菜","生菜"]
for item in items :
time.sleep(1)
print("%s已经做好了两个包子"%name)
c.send(item)
c1.send(item) producer("nadech")
以上代码中，我们先定义了消费者函数，这个函数就用来描述大猪和小猪吃包子，我们可以看到该函数包含有yield，实际上它是一个生成器。与上个例子中的斐波那契函数不同的是这里的yield，可以接受该生成器send过来的一个值。