在 Python 里创建一个有一定规律的序列，很直观的做法就是在循环里创建序列的各个元素。但 Python 有更加符合 Pythonic 风格的做法，就是用生成器来实现。
举个被写滥的例子吧，用 Python 生成 Fibonacci 数列的前 n 个数字，该怎么做？
def fib(n):
if n < 2:
return 1
return fib(n - 1) + fib(n - 2)
def gen_fib(n):
res = []
for i in range(n):
res.append(fib(i))
return res
而 Pythonic 的写法是像下面这样：
def fib(n):
if n < 2:
return 1
return fib(n - 1) + fib(n - 2)
def gen_fib(n):
for i in range(n):
yield fib(i)
查看把上面两种做法的返回结果，可以找到二者的不同：
<class 'list'>
<class 'generator'>
前者返回的是 list 对象，后者返回的是 generator 对象。这就是本文要探讨的点。
Generator 对象
再看上面的代码，第一种写法里，gen_fib() 方法由 return 关键字返回结果；在第二种写法里，gen_fib() 方法却没有显式的返回，而是通过 yield 关键字得到处理结果。
yield 关键字的作用是使对象变成一个 generator，换句话说，此时 generator 对象还没有把结果生成出来。可以通过 next() 方法使 generator 对象把待生成的元素逐个生成。看下面这段简单的示例代码：
def test_yield(n):
yield n
yield n + 1
g = test_yield(1)
next(g)
next(g)
next(g)
运行得到的结果是依次输出 1、2 和抛出 StopIteration 的异常信息。yield 类似程序执行的断点，next() 方法进入到断点的现场，执行断点处的代码，再次调用 next()，则进入下一个断点处，直到越界为止。注意，虽然上面多次用了 yield，但 generator 对象只被创建了一次，且并不是再它被创建时就执行了生成元素的全部过程，而是在调用 next() 方法时，才去执行了断点所在处的代码，取得变量值。
因为 generator 是 iterable 的，因此可以直接在 for 循环中将元素迭代生成出来，也避免了 next() 方法在最后一次查找断点现场时发生越界的问题：
g = gen_fib(10)
for e in g:
do_something(e)
generator 的好处显而易见，它不需要像普通的写法那样预先创建一个 iterable 的集合再将其返回，它只是在需要生成某个元素时再去执行生成的代码，这有效提升了内存管理。
参考资料：