Python中的生成器（Generator）是一种特殊的迭代器，它允许你定义一个迭代器的行为，但是逐个产生元素，而不是一次性在内存中生成一个完整的列表或其他数据结构。这种惰性求值（lazy evaluation）的方法可以极大地节省内存，特别是当处理的数据集非常大或无限时。 ### 生成器是如何工作的？ 生成器通过以下两种方式之一来创建： 1. **生成器函数**：使用`yield`语句而不是`return`语句的函数。每次`yield`被调用时，生成器会“暂停”执行，并返回`yield`后面的值。下一次迭代时，生成器会从上次离开的地方继续执行。 2. **生成器表达式**：类似于列表推导式，但是用圆括号`()`而不是方括号`[]`包围。它们提供了一种简洁的方式来创建生成器。 ### 节省内存的原理 生成器节省内存的原理在于它们只保存算法的状态，并在迭代时按需生成下一个值。与一次性创建并存储在内存中的完整列表相比，这种方法极大地减少了内存的使用。特别是当处理的数据集非常大或根本无法完全存储在内存中时（例如，从文件中读取或处理无限序列），生成器的优势尤为明显。 ### 示例 **生成器函数示例**： ```python def count_to_large_number(n): num = 0 while num < n: yield num num += 1 # 使用生成器 for i in count_to_large_number(1000000000): # 假设我们尝试生成一个非常大的数 if i > 5: break # 只需要几个元素就停止 # 这个过程不会消耗太多内存，因为生成器只生成了必要的几个数字 ``` **生成器表达式示例**： ```python # 生成0到9的平方 squares = (x**2 for x in range(10)) # 使用生成器 for square in squares: print(square) # 同样地，这个表达式不会立即计算所有平方并存储在内存中 ``` 总结来说，Python中的生成器通过惰性加载（即按需产生数据）来节省内存，这使得它们在处理大型或无限数据集时非常有用。