Python生成器通过yield实现按需生成值，避免一次性存储所有数据，节省内存并提升效率。1. 生成器函数使用yield暂停并保存状态，下次调用继续执行；2. 示例odd_numbers(n)可生成前n个奇数，每次迭代只产生一个值；3. 生成器表达式如(x**2 for x in range(5))以惰性方式逐个生成结果，不立即创建完整列表；4. 适用场景包括链式处理大数据、生成无限序列（如斐波那契数列）、配合next()控制生成节奏等；5. 核心优势在于惰性计算，适合高效处理大量或无限数据，提升程序性能。
Python生成器是一种特殊的函数，能按需产生值，节省内存并提升效率。它不需要一次性把所有结果存入列表，而是在每次调用时“生成”一个值，用完即弃。这种惰性计算方式特别适合处理大量数据或无限序列。
生成器的定义与基本写法
生成器函数和普通函数看起来很像，但使用 yield 而不是 return 返回值。当函数执行到 yield 时，会暂停并保存当前状态，下次调用再从该位置继续。
示例：写一个生成前 n 个奇数的生成器：
def odd_numbers(n):
for i in range(n):
yield 2 * i + 1
调用这个生成器：
立即学习“Python免费学习笔记（深入）”；
gen = odd_numbers(5)
for num in gen:
print(num)
输出结果是：1, 3, 5, 7, 9。每循环一次，才生成一个值。
生成器表达式：简洁写法
类似列表推导式，生成器也可以用表达式创建，只需将中括号 [] 换成小括号 ()。
gen = (x ** 2 for x in range(5))
for val in gen:
print(val)
这会输出 0, 1, 4, 9, 16。注意：这种写法不会立即创建整个列表，而是逐个生成，更省内存。
生成器的常用使用技巧
生成器在实际开发中有很多高效用途，掌握以下几点能更好发挥其优势：
- 链式处理大数据：多个生成器可以串联，形成数据流水线。比如读大文件时，可逐行处理而不加载全部内容。
- 无限序列生成：可以用生成器实现无限序列，如斐波那契数列，只在需要时计算下一个值。
- 节省内存：相比列表推导式返回 list，生成器表达式返回的是迭代器，占用空间极小。
- 配合 next() 使用：可用 next(gen) 手动触发生成下一个值，适合控制生成节奏。
def fib():
a, b = 0, 1
while True:
yield a
a, b = b, a + b
基本上就这些。生成器核心在于“按需生成”，理解 yield 的暂停机制和惰性求值特性，就能写出高效、优雅的 Python 代码。不复杂但容易忽略。
