什么是生成器：
通过列表生成式，我们可以直接创建一个列表，但是，受到内存限制，列表容量肯定是有限的，而且创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间，在Python中，这种一边循环一边计算的机制，称为生成器：generator。
生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。
生成器类似于返回值为数组的一个函数，这个函数可以接受参数，可以被调用，但是，不同于一般的函数会一次性返回包括了所有数值的数组，生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数，但是表现得却像是迭代器。
创建列表，直接在内存生成，不管调不调用，都占用内存空间。而创建生成器，只有调用时，才会在内存生成。
列表和生成器的区别在于最外层，最外层为[]时为列表，最外层为()时为生成器generator
列表如下>>>[i*2 for i in range(10)][0, 2, 4, 6, 8, 10, 12, 14, 16, 18]生成器generator如下>>>(i*2 for i in range(10))<generator object <genexpr> at 0x02E9D2A0>
生成器不能支持如同列表调用数据的方式，如列表的切片，如果想要调用，方式有通过for循环，一个一个去调用，调用那次就产生那次数据。
生成器只记住当前位置，通过__next__()方法获取下一个位置的值，不能往后退，不能跳，只能一个一个去取。
生成器虽然非常强大，但是如果算法的推算非常复杂，用列表生成式的for循环无法生成的时候，可以用函数的方式实现。
例如斐波那契数用列表生成式是写不出来的，但是用函数写就简单很多了。
斐波那契数：当前数值等于前面两个数值相加。
def fib(max):
n,a,b=0,0,1
while n <max:
yeild b
a,b=b,a+b
n+=1f=fib(100)print(f.__next__())#通过调用next方法，调用一次就生成一次数据
生成器除了可以节省内存外，还可通过yield实现在单线程情况下实现并发运算
1 # Author : 梁观康
2
3
4 # 顾客和营业者的关系
5
6 import time
7
8 def Consumer(name):#顾客函数
9 print('%s has started to eat the steamed stuffed bun!'%name)
10 while True:
11 class = yield
12 print('The %s is coming,but eaten by %s!'%(class,name))
13
14 def Producer(name):#营业者函数
15 C1 = Consumer('Luna')#生成对象
16 C2 = Consumer('Iriving')#生成对象
17 C1.__next__()#调用对象
18 C2.__next__()#调用对象
19 print('LGK is starting to make the steamed stuff bun!!')
20 for i in range(10):#循环10次
21 time.sleep(1)#休眠1秒
22 kind = ['肉包','菜包']
23 print('LGK has made two buns, the first one is %s,the second one is %s'%('肉包','菜包'))
24 C1.send(kind[0])#给yield赋值
25 C2.send(kind[1])#给yield赋值
26
27
28 Producer('LGK')