我们学习完推导式之后发现，推导式就是在容器中使用一个for循环而已，为什么没有元组推导式？
原因就是[元组推导式]的名字不是这样的，而是叫做生成器表达式。
什么是生成器
生成器表达式本质上就是一个迭代器，是定义迭代器的一种方式，是允许自定义逻辑的迭代器。生成器使用generator表示。
迭代器和生成器的区别
迭代器本身是系统内置的， 无法重写内置的逻辑结构；而生成器是用户自定义的，可以重写逻辑结构。所以生成器就是一个迭代器，只是我们将自己写的迭代器叫做生成器作为区分而已。
创建方式
生成器有两种创建方式
1.生成器表达式，就是[元组推导式]
3.生成器函数，就是使用def定义，里面使用 yield 关键字
生成器表达式
基本语法
from collections import Iterator, Iterable # 生成器表达式（元组推导式） gen = (i * 2 for i in range(1, 11)) print(isinstance(gen, Iterable)) # 判断是否是迭代对象 print(isinstance(gen, Iterator)) # 判断是否是迭代器 # 这个 gen 就是生成器
生成器函数
我们上面说到，生成器函数如何定义？其实和普通的函数定义的方法是一样的，都是要使用 def 关键字来定义，其它的写法没有任何要求，普通函数怎么写生成器函数就怎么写，唯一的要求就是要使用 yield 关键字。
要注意， 生成器函数就是一个函数，是使用了yield的函数，只不过生成器函数是用来定义生成器的。
yield关键字
yield 这个关键字其实类似于 return 关键字， return 关键字的作用是在函数中使用，用来返回数据， yield 关键字的作用也是一样的，就是用来返回数据，但是和 return 还有其它的不同之处。
yield和return
共同点
执行到对应语句的时候，就会返回对应的值。
不同点
return 执行的时候，函数就跳出，然后 return 之后的所有作用域语句就会全部跳出，当函数再次调用的时候，整个函数就重新执行。
yield 执行的时候，返回数据，但是函数就会记住跳出的位置，当你再次调用函数（生成器）的时候，就从上一次跳出的地方继续执行，是不是和迭代器的取值有异曲同工之处？
yield的使用方法
yield的使用方法有两种，一种是和return的使用方法一样，在关键字的后面直接添加返回值，这是推荐使用的方法；
第二种方法使用将yield作为一个函数使用，就是在yield后面使用括号，在括号中填写返回的值。
生成器函数的基本使用
# 1、定义一个生成器函数 # 生成器函数就是一个使用yield的函数 def myGen(): print(1) yield 11 print(2) yield 22 print(3) yield 33 # 2、初始化生成器 # 执行生成器函数，返回一个对象，就是生成器对象，简称生成器 from collections import Iterator gen = myGen() res = isinstance(gen, Iterator) print(res) # True 返回True说明生成器本质上就是一个迭代器 # 3、调用生成器 # 生成器本质上就是一个迭代器，还记得迭代器如何调用吗？ res = next(gen) print(res) """ 结果： 1 （生成器函数中的语句 print(1)） 11 （yield返回的值，print(res)） """
send的使用
send 和 next 一样，都是用来取出迭代器中的值的函数， send 是生成器的内置函数。而且send和next相比，功能更加的强大，next只能取值；send不但能取值，而且还能发送值。
实例
定义生成器函数
def myGen():
print('process start')
# res获取yield的值
res = yield 100
print(res, '内部打印1')
print('process start')
res = yield 200
print(res, '内部打印2')
print('process start')
res = yield 300
print(res, '内部打印3')
初始化生成器
gen = myGen()
第一次调用生成器
# 在使用send时，第一次传递的数据必须是None，这是硬性语法，以为send第一次传递参数的时候，还没有遇到yield，所以不能传送。 res = gen.send(None) print(res) """ 结果： process start 100 """
使用send第一次调用生成器的时候执行了下面的语句：
print('process start')
res = yield 100
执行到yield 100的时候，才碰到了yield，但是send之前没有遇到过yield，所以不能传入任何值，None没有任何意义，这是硬性语法。
这里注意， res = yield 100 中的res此时没有任何价值。因为这个一条语句我们目前只执行了一半，执行了 yield 100 ，还有res的赋值没有完成，所以现在的res没有任何的意义。
第一次调用生成器，返回100，这个100则是语句 res = yield 100 返回的值。
第二次调用
res = next(gen) print(res) """ 结果： None 内部打印1 process start 200 """
第二次调用执行了以下语句：
res = yield 100
print(res, '内部打印1')
print('process start')
res = yield 200
注意，生成器函数在调用的时候，会从上一次yield返回值的地方，就是 res = yield 100 ，但是这个语句第二次调用的时候，只会执行一半，因为另一半在第一次调用的时候已经执行完了，就是 yield 100 ，就是说还有res的赋值没有进行，但是第二次调用使用的是next，next没有传送值的能力，所以res就没有赋予任何值，，在打印的时候，res就是一个None。
第三次调用
res = gen.send('第三次调用')
print(res)
"""
结果：
第三次调用 内部打印2
process start
300
"""
第三次调用执行的语句是：
res = yield 200
print(res, '内部打印2')
print('process start')
res = yield 300
这次和第二次的调用基本是一样的，但是这次是使用send调用，所以传送了值过去，执行于是将值赋予了res。
第四次调用
res = gen.send(None) print(res) """ 结果： None 内部打印3 StopIteration （报错） """
第四次调用，执行以下语句：
res = yield 300 print(res, '内部打印3')
第四次调用生成器，没有可以执行的yield语句，所以返回不了任何数据，因此报出了 StopIteration 的错误。
可迭代对象的优化
现在我们就已经学习完了容器和迭代器、生成器的相关知识，我们也知道了可迭代对象和迭代器的区别，那么现在我们要说的是，如果我们需要制定一个容器供我们遍历使用，那么我们优先使用迭代器而不是容器这样的一个普通的可迭代对象。
在我们之后的日常使用过程当中，我们有时就会发现，我们需要在一个循环中遍历一个容器供我们使用，但是这个容器中的值非常多，使这个容器占据的内存空间非常大，消耗了大量的资源，导致我们的程序非常慢。这个时候我们就需要使用迭代器或者生成器去遍历，迭代器每次遍历只占据当次遍历时的内存空间，因此非常的节省资源，所以这就是我们优先使用迭代器的理由。
总结
现在我们就学习完了python中的所有的函数类型，知道了python中的有内置函数、自定义函数，之后我们还会学习一些python的常用标准库和第三方库，里面也有一些我们经常用到的函数。
普通函数，使用def定义 匿名函数，使用lambda定义 闭包函数，内函数调用外函数的变量，并且外函数将内函数返回，这样的嵌套下，外函数就是一个闭包函数，但是一般的情况下，我们并不特意的作出一个闭包函数，而是要使用闭包这么一个功能 高阶函数，就是将函数作为参数使用的函数，常用的内置高阶函数有map、filter、reduce、sorted 递归函数，自己调用自己的函数以上就是一文详解Python中生成器的原理与使用的详细内容，更多关于Python生成器的资料请关注其它相关文章！
查看更多关于一文详解Python中生成器的原理与使用的详细内容...