python中若生成列表会占用一定内存，若这个列表很大，在不使用、使用很少几个元素的情况下会浪费一些内存，因此python设计了一个叫做生成器(generator)的东西，用来动态生成列表，根据需要产生列表元素，避免内存浪费。
同时，如果需要生成一个无限大的列表，一般方法无法满足，也需要使用生成器。
不使用生成器生成列表
<code> list = [] for i in range(1, 10000): list.append(i) print(list)/<code>
结果：[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11...]
生成器生成列表：列表推导式方式
<code># 与列表推导式不同：列表推导式是[]，而生成器是() g = (i for i in range(1, 10000)) # 获取列表元素方法一 ele_1 = g.(__next__()) # 获取列表元素方法二 ele_2 = next(g)/<code>
结果：1
2
生成器生成列表：函数方式
<code>def func(): n = 0 while True: n += 1 yield n g = func() print(next(g)) print(next(g))/<code>
结果：1
2
关于yield
普通Python函数一般结束于return、函数结束或者异常，一旦函数调用结束，函数所做工作以及保存在局部变量中的数据都会丢失，再次调用这个函数，一切都将从头创建。
yield可以看作专门给生成器使用的return，其使用方法与return大致相同，但含义有区别：
return（没有return关键字的函数可认为return None)关键字的意思就是将控制权交还调用者。而yield可翻译为产出、产生，其控制权的转移是暂时的，可以理解为保存状态+return，当再次调用时，可从保存状态中恢复数据，继续进行相关操作。
<code>def g(): print('A') yield 1 print('B') yield 2 print('C') for i in g(): print(i)/<code>
结果：A
1
B
2
C
分析：for i in g()执行g()
-->print('A')打印A
-->yield 1返回值1并保存工作状态，这里i=1
-->print(i)打印1
-->继续for i in g()执行g()，自yield 1保存的工作状态下恢复继续执行print('B'),打印B
-->yield 2返回值2并保存工作状态，这里i=2
-->print(i)打印2
-->继续for i in g()执行g()，自yield 2保存的工作状态下恢复继续执行print('C'),打印C
-->没有yield返回值，因此for操作接受不到值，停止操作
生成器经典例子：斐波那契数列
斐波那契（Fibonacci）数列是这样一个数列：斐波那契数列指的是这样一个数列 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89...。其第0项是0，第1项是第一个1，这个数列从第3项开始，每一项都等于前两项之和。
不用生成器：<code>def fab(): n, a, b = 0, 0, 1 while n < max: print(b) a, b = b, a + b n += 1 print(fab(5))/<code>使用生成器：仅需要把print(b)改为yield b即可
<code>def fab(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1 for n in fab(5): print(n)/<code>
结果相同：都是1 1 2 3 5