1. python創建生成器的兩種方法
創建生成器方法
方法一
要創建一個生成器，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[ ]改成( )
創建L和G的區別僅在於最外層的[ ]和( )，L是一個列表，而G是一個生成器。我們可以直接列印出L的每一個元素，但我們怎麼列印出G的每一個元素呢？如果要一個一個列印出來，可以通過next()函數獲得生成器的下一個返回值：
運行結果：
運行結果：
生成器保存的是演算法，每次調用next(G)，就計算出G的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的異常。當然，這種不斷調用next()實在是太變態了，正確的方法是使用for循環，因為生成器也是可迭代對象。所以，我們創建了一個生成器後，基本上永遠不會調用next()，而是通過for循環來迭代它，並且不需要關心StopIteration異常。
相關推薦：《Python視頻教程》
方法2
generator非常強大。如果推算的演算法比較復雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。
比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契數列用列表生成式寫不出來，但是，用函數把它列印出來卻很容易：
運行結果：
仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。
也就是說，上面的函數和generator僅一步之遙。要把fib函數變成generator，只需要把print(b)改為yield b就可以了：
運行結果：
在上面fib的例子，我們在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。同樣的，把函數改成generator後，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for循環來迭代：
運行結果：
但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：
運行結果：
相關推薦：
三分鍾看懂什麼是Python生成器
2. 怎麼用python生成列表[h1,h2,h3,h4],一直到h100
["h%s"%(i+1) for i in range(100)]
3. Python隨機生成列表
舉例說明：從集合中隨機獲得10個數
1、定義一個列表集合iRandom = []
2、向iRandom中插入1-60，共60個數字
3、打亂列表順序
4、截取列表前10個數，即為隨機獲取到的列表集合隨機數
import random iRandom = [] #定義隨機數列表listRandom = list(range(1,61)) #生成整數型1-60的列表組合random.shuffle(listRandom) #打亂列表順序iRandom = listRandom[0:10] #截取打亂後的前10個值，賦值給新列表iRandomprint('隨機列表組合：',iRandom)
4. python生成器主要用在哪裡
就是生成相關數據，比如破解wifi密碼，生成很多密碼，通過python一個個試。
5. python怎麼創建列表
如何創建列表，或生成列表。這里介紹在python的基礎知識里創建或轉變或生成列表的一些方法。
零個，一個或一系列數據用逗號隔開，放在方括弧[ ]內就是一個列表對象。
列表內的數據可以是多個數目，不同類型。
相關推薦：《Python視頻教程》
利用函數list()：
用 list([iterable])函數返回一個列表。
可選參數iterable是可迭代的對象，例如字元串，元組。list()函數將可迭代對象的元素重新返回為列表。
將字典類型數據作為參數時，返回的列表元素是字典的鍵。
將range（）函數作為參數，返回一個整數元素的列表。
如果沒有參數list()函數將返回一個空列表。
其他能生成列表的方法：
利用split分割字元串生成列表：
字元串調用split方法返回一個由分開的子串組成的列表。
利用列表推導式：
列表推導式，是生成列表的一種方便的表達式。
有關列表推導式，看下面的連接。
6. Python列表生成器的循環技巧分享
Python列表生成器的循環技巧分享
這篇文章主要介紹了Python列表生成器的循環技巧分享,本文講解了列表生成器中一個循環和二個循環的不同寫法,需要的朋友可以參考下
列表生成式即List Comprehensions，是Python內置的非常簡單卻強大的可以用來創建list的生成式。
一個循環
在C語言等其他語言中，for循環一般是這樣的
如果python也這么寫，那麼真該看下python的基礎教程了~
但要注意的是，需要加一個[]來，否則會報錯...
在上面的例子中，不僅可以嵌套for，甚至可以嵌套if語句
再看看，原來是什麼樣子
兩個循環呢？
原來可能是這樣的？
現在可以這樣了！！！
7. 關於python列表生成的一個問題
python的列表生成式
一、r的防止字元轉義
print r"a\nb"
運行結果：
a\nb
二、獲取變數類型
a = r"a\nb"
print type(a)
運行結果：
<type 'str'>
三、判斷類型
a = r"a\nb"
print isinstance(a,str)
運行結果：
True
四、對list、tuple、dict、set進行迭代
4.1常用的方式
list = ['a','b','c']
for i in list:
print i
dict = {"k1":"v1","k2":"v2"}
for k,v in dict.items():
print k,v
但是這種迭代方式會把list裝到內存中進行迭代
4.2使用迭代器來迭代
list = ['a','b','c']
for i in iter(list):
print i
dict = {"k1":"v1","k2":"v2"}
for k,v in dict.iteritems():
print k,v
dict = {"k1":"v1","k2":"v2"}
for k in dict.iterkeys():
print k
這種方式的迭代比較省內存
4.3迭代值的同時迭代下標
list = ['a','b','c']
for index,value in enumerate(list):
print index,value
五、列表生成式
根據集合生成列表
list1 = ['a','b','c']
list2 = [1,2]
print [x*y for x in list1 for y in list2 if y>1 and y<3]
運行結果是：
['aa', 'bb', 'cc']
六、列表生成器
通過列表生成式，我們可以直接創建一個列表。但是，受到內存限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅佔用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。
所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。
只要把一個列表生成式的[]改成()，就創建了一個generator：
g = (x * x for x in range(10))
generator保存的是演算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。
但是我們一般通過for循環來迭代它，並且不需要關心StopIteration的錯誤。
for n in g:
print(n)
8. python什麼是列表解析，生成器
>>> L= [(x+1,y+1) for x in range(3) for y in range(5)]
>>> L [(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (3, 1), (3, 2), (3, 3), (3, 4), (3, 5)]
>>> N=[x+10 for x in range(10) if x>5]
>>> N [16, 17, 18, 19]
列表解析，返回的是一個列表list，列表解析是用中括弧括起來的[]
>>> L= (i + 1 for i in range(10) if i % 2)
>>> L
<generator object <genexpr> at 0xb749a52c>
>>> L1=[]
>>> for i in L:
... L1.append(i)
...
>>> L1
[2, 4, 6, 8, 10]
生成器與列表解析語法相同，唯一的區別是用小括弧括起來的()，它返回的是一個生成器對象，而不直接把結果輸出出來，它在內部實現是通過「延遲求值」實現的
9. Python中列表生成式和生成器的區別
列表生成式語法：
[x*x for x in range(0,10)] //列表生成式,這里是中括弧
//結果 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
(x*x for x in range(0,10)) //生成器, 這里是小括弧
//結果 <generator object <genexpr> at 0x7f0b072e6140>
二者的區別很明顯：
一個直接返回了表達式的結果列表， 而另一個是一個對象，該對象包含了對表達式結果的計算引用， 通過循環可以直接輸出
g = (x*x for x in range(0,10))
for n in g:
print n
結果
0
1
4
9
16
25
36
49
64
81
當表達式的結果數量較少的時候， 使用列表生成式還好， 一旦數量級過大， 那麼列表生成式就會佔用很大的內存，
而生成器並不是立即把結果寫入內存， 而是保存的一種計算方式， 通過不斷的獲取， 可以獲取到相應的位置的值,所以佔用的內存僅僅是對計算對象的保存
10. python生成器是怎麼使用的
生成器(generator)概念
生成器不會把結果保存在一個系列中，而是保存生成器的狀態，在每次進行迭代時返回一個值，直到遇到StopIteration異常結束。
生成器語法
生成器表達式： 通列表解析語法，只不過把列表解析的[]換成()
生成器表達式能做的事情列表解析基本都能處理，只不過在需要處理的序列比較大時，列表解析比較費內存。
Python
1
2
3
4
5
6
7
8
9
10
11
>>> gen = (x**2 for x in range(5))
>>> gen
<generator object <genexpr> at 0x0000000002FB7B40>
>>> for g in gen:
... print(g, end='-')
...
0-1-4-9-16-
>>> for x in [0,1,2,3,4,5]:
... print(x, end='-')
...
0-1-2-3-4-5-
生成器函數： 在函數中如果出現了yield關鍵字，那麼該函數就不再是普通函數，而是生成器函數。
但是生成器函數可以生產一個無線的序列，這樣列表根本沒有辦法進行處理。
yield 的作用就是把一個函數變成一個 generator，帶有 yield 的函數不再是一個普通函數，Python 解釋器會將其視為一個 generator。
下面為一個可以無窮生產奇數的生成器函數。
Python
1
2
3
4
5
6
7
8
9
10
11
def odd():
n=1
while True:
yield n
n+=2
odd_num = odd()
count = 0
for o in odd_num:
if count >=5: break
print(o)
count +=1
當然通過手動編寫迭代器可以實現類似的效果，只不過生成器更加直觀易懂
Python
1
2
3
4
5
6
7
8
9
10
11
class Iter:
def __init__(self):
self.start=-1
def __iter__(self):
return self
def __next__(self):
self.start +=2
return self.start
I = Iter()
for count in range(5):
print(next(I))
題外話： 生成器是包含有__iter()和next__()方法的，所以可以直接使用for來迭代，而沒有包含StopIteration的自編Iter來只能通過手動循環來迭代。
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
>>> from collections import Iterable
>>> from collections import Iterator
>>> isinstance(odd_num, Iterable)
True
>>> isinstance(odd_num, Iterator)
True
>>> iter(odd_num) is odd_num
True
>>> help(odd_num)
Help on generator object:
odd = class generator(object)
| Methods defined here:
|
| __iter__(self, /)
| Implement iter(self).
|
| __next__(self, /)
| Implement next(self).
......
看到上面的結果，現在你可以很有信心的按照Iterator的方式進行循環了吧！
在 for 循環執行時，每次循環都會執行 fab 函數內部的代碼，執行到 yield b 時，fab 函數就返回一個迭代值，下次迭代時，代碼從 yield b 的下一條語句繼續執行，而函數的本地變數看起來和上次中斷執行前是完全一樣的，於是函數繼續執行，直到再次遇到 yield。看起來就好像一個函數在正常執行的過程中被 yield 中斷了數次，每次中斷都會通過 yield 返回當前的迭代值。
yield 與 return
在一個生成器中，如果沒有return，則默認執行到函數完畢時返回StopIteration；
Python
1
2
3
4
5
6
7
8
9
10
11
>>> def g1():
... yield 1
...
>>> g=g1()
>>> next(g) #第一次調用next(g)時，會在執行完yield語句後掛起，所以此時程序並沒有執行結束。
1
>>> next(g) #程序試圖從yield語句的下一條語句開始執行，發現已經到了結尾，所以拋出StopIteration異常。
Traceback (most recent call last):
File "<stdin>", line 1, in <mole>
StopIteration
>>>
如果遇到return,如果在執行過程中 return，則直接拋出 StopIteration 終止迭代。
Python
1
2
3
4
5
6
7
8
9
10
11
12
>>> def g2():
... yield 'a'
... return
... yield 'b'
...
>>> g=g2()
>>> next(g) #程序停留在執行完yield 'a'語句後的位置。
'a'
>>> next(g) #程序發現下一條語句是return，所以拋出StopIteration異常，這樣yield 'b'語句永遠也不會執行。
Traceback (most recent call last):
File "<stdin>", line 1, in <mole>
StopIteration
如果在return後返回一個值，那麼這個值為StopIteration異常的說明，不是程序的返回值。
生成器沒有辦法使用return來返回值。
Python
1
2
3
4
5
6
7
8
9
10
11
>>> def g3():
... yield 'hello'
... return 'world'
...
>>> g=g3()
>>> next(g)
'hello'
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <mole>
StopIteration: world
生成器支持的方法
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
>>> help(odd_num)
Help on generator object:
odd = class generator(object)
| Methods defined here:
......
| close(...)
| close() -> raise GeneratorExit inside generator.
|
| send(...)
| send(arg) -> send 'arg' into generator,
| return next yielded value or raise StopIteration.
|
| throw(...)
| throw(typ[,val[,tb]]) -> raise exception in generator,
| return next yielded value or raise StopIteration.
......
close()
手動關閉生成器函數，後面的調用會直接返回StopIteration異常。
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
>>> def g4():
... yield 1
... yield 2
... yield 3
...
>>> g=g4()
>>> next(g)
1
>>> g.close()
>>> next(g) #關閉後，yield 2和yield 3語句將不再起作用
Traceback (most recent call last):
File "<stdin>", line 1, in <mole>
StopIteration
send()
生成器函數最大的特點是可以接受外部傳入的一個變數，並根據變數內容計算結果後返回。
這是生成器函數最難理解的地方，也是最重要的地方，實現後面我會講到的協程就全靠它了。
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
def gen():
value=0
while True:
receive=yield value
if receive=='e':
break
value = 'got: %s' % receive
g=gen()
print(g.send(None))
print(g.send('aaa'))
print(g.send(3))
print(g.send('e'))
執行流程：
通過g.send(None)或者next(g)可以啟動生成器函數，並執行到第一個yield語句結束的位置。此時，執行完了yield語句，但是沒有給receive賦值。yield value會輸出初始值0注意：在啟動生成器函數時只能send(None),如果試圖輸入其它的值都會得到錯誤提示信息。
通過g.send(『aaa』)，會傳入aaa，並賦值給receive，然後計算出value的值，並回到while頭部，執行yield value語句有停止。此時yield value會輸出」got: aaa」，然後掛起。
通過g.send(3)，會重復第2步，最後輸出結果為」got: 3″
當我們g.send(『e』)時，程序會執行break然後推出循環，最後整個函數執行完畢，所以會得到StopIteration異常。
最後的執行結果如下：
Python
1
2
3
4
5
6
7
0
got: aaa
got: 3
Traceback (most recent call last):
File "h.py", line 14, in <mole>
print(g.send('e'))
StopIteration
throw()
用來向生成器函數送入一個異常，可以結束系統定義的異常，或者自定義的異常。
throw()後直接跑出異常並結束程序，或者消耗掉一個yield，或者在沒有下一個yield的時候直接進行到程序的結尾。
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
def gen():
while True:
try:
yield 'normal value'
yield 'normal value 2'
print('here')
except ValueError:
print('we got ValueError here')
except TypeError:
break
g=gen()
print(next(g))
print(g.throw(ValueError))
print(next(g))
print(g.throw(TypeError))
輸出結果為：
Python
1
2
3
4
5
6
7
8
normal value
we got ValueError here
normal value
normal value 2
Traceback (most recent call last):
File "h.py", line 15, in <mole>
print(g.throw(TypeError))
StopIteration
解釋：
print(next(g))：會輸出normal value，並停留在yield 『normal value 2』之前。
由於執行了g.throw(ValueError)，所以會跳過所有後續的try語句，也就是說yield 『normal value 2』不會被執行，然後進入到except語句，列印出we got ValueError here。然後再次進入到while語句部分，消耗一個yield，所以會輸出normal value。
print(next(g))，會執行yield 『normal value 2』語句，並停留在執行完該語句後的位置。
g.throw(TypeError)：會跳出try語句，從而print(『here』)不會被執行，然後執行break語句，跳出while循環，然後到達程序結尾，所以跑出StopIteration異常。
下面給出一個綜合例子，用來把一個多維列表展開，或者說扁平化多維列表)
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
def flatten(nested):
try:
#如果是字元串，那麼手動拋出TypeError。
if isinstance(nested, str):
raise TypeError
for sublist in nested:
#yield flatten(sublist)
for element in flatten(sublist):
#yield element
print('got:', element)
except TypeError:
#print('here')
yield nested
L=['aaadf',[1,2,3],2,4,[5,[6,[8,[9]],'ddf'],7]]
for num in flatten(L):
print(num)
如果理解起來有點困難，那麼把print語句的注釋打開在進行查看就比較明了了。
總結
按照鴨子模型理論，生成器就是一種迭代器，可以使用for進行迭代。
第一次執行next(generator)時，會執行完yield語句後程序進行掛起，所有的參數和狀態會進行保存。再一次執行next(generator)時，會從掛起的狀態開始往後執行。在遇到程序的結尾或者遇到StopIteration時，循環結束。
可以通過generator.send(arg)來傳入參數，這是協程模型。
可以通過generator.throw(exception)來傳入一個異常。throw語句會消耗掉一個yield。可以通過generator.close()來手動關閉生成器。
next()等價於send(None)