详解Python中的生成器表达式（generator expression）

生成器表达式（generator expression）也叫生成器推导式或生成器解析式，用法与列表推导式非常相似，在形式上生成器推导式使用圆括号（parentheses）作为定界符，而不是列表推导式所使用的方括号（square brackets）。与列表推导式最大的不同是，生成器推导式的结果是一个生成器对象。生成器对象类似于迭代器对象，具有惰性求值的特点，只在需要时生成新元素，比列表推导式具有更高的效率，空间占用非常少，尤其适合大数据处理的场合。

使用生成器对象的元素时，可以根据需要将其转化为列表或元组，也可以使用生成器对象的__next__()方法或者内置函数next()进行遍历，或者直接使用for循环来遍历其中的元素。但是不管用哪种方法访问其元素，只能从前往后正向访问每个元素，不能再次访问已访问过的元素，也不支持使用下标访问其中的元素。当所有元素访问结束以后，如果需要重新访问其中的元素，必须重新创建该生成器对象，enumerate、filter、map、zip等其他迭代器对象也具有同样的特点。

#创建生成器对象

>>> g = ((i+2)**2 for i in range(10))

>>> g

<generator object <genexpr> at 0x0000000003095200>

#将生成器对象转换为元组

>>> tuple(g)

(4, 9, 16, 25, 36, 49, 64, 81, 100, 121)

#生成器对象已遍历结束，没有元素了

>>> list(g)

[]

#重新创建生成器对象

>>> g = ((i+2)**2 for i in range(10))

#使用生成器对象的__next__()方法获取元素

>>> g.__next__()

4

#获取下一个元素

>>> g.__next__()

9

#使用函数next()获取生成器对象中的元素

>>> next(g)

16

>>> g = ((i+2)**2 for i in range(10))

#使用循环直接遍历生成器对象中的元素

>>> for item in g:

print(item, end=' ')

4 9 16 25 36 49 64 81 100 121

#filter对象也具有类似的特点

>>> x = filter(None, range(20))

>>> 1 in x

True

>>> 5 in x

True

#不可再次访问已访问过的元素

>>> 2 in x

False

#map对象也具有类似的特点

>>> x = map(str, range(20))

>>> '0' in x

True

#不可再次访问已访问过的元素

>>> '0' in x

False

与列表推导式不同，当生成器推导式中包含多个for语句时，在创建生成器对象时只对第一个for语句进行检查和计算，在调用内置函数next()或生成器对象的__next__()方法获取值的时候才会检查和计算其他for语句。

>>> [x*y for x in range(3) for z in range(5)]

NameError: name 'y' is not defined

>>> g = (x*y for x in range(3) for z in range(5))

#第二个for语句有问题，抛出异常

>>> next(g)

NameError: name 'y' is not defined

最后，如果生成器推导式作为单参数函数时，可以省略两侧的圆括号。例如

>>> sum(x for x in range(3))

3