函数和生成器之间有什么区别？

Question

我查看了这个问题https://stackoverflow.com/questions/29864146/difference-between-function-and-generator，但它被标记为重复。因此，我在这里发布我的答案版本。

原始问题是：

我正在寻找普通函数和生成器之间的确切区别。我已经谷歌搜索过了。但所有结果都很令人困惑。我是一个初学者，所以我希望有一些简短而精确的例子。

我尝试了这个What is the difference between normal function and generator function?，但没用。

我已经阅读了这个What does the "yield" keyword do?，但它纯粹是关于生成器的，没有关于函数和生成器之间的区别。我需要一些帮助吗？

- no coder

Answer 1

原则上，生成器由于其惰性求值而节省内存。

一个生成器非常类似于返回数组的函数，它具有参数、可以被调用，并生成一系列的值。但是，与构建包含所有值并立即返回它们的数组不同，生成器逐个yield值，这需要更少的内存，并允许调用者立即开始处理前几个值。

简而言之，生成器看起来像一个function，但行为像一个iterator。

from itertools import count

itertools 提供了 count 方法，可以生成无限的整数流。你可以指定起始值和步长来生成这个流。下面是一个使用示例。

for i in count(start=0, step=1):    
    print i

一个生成偶数列表的简单示例。

构建并返回一个列表：

def find_even_number_function(number_stream):
    even_number = []
    for n in number_stream:
        if n % 2 == 0:
            even_number.append(n)
    return even_number

for i in find_even_number_function(count()):
    print i

这段代码非常简单和直接，但是它在内存中构建了完整的列表。在我们的情况下，这显然是不可接受的，因为我们无法承受将无限整数保存在内存中。正如你所看到的，该函数永远不会停止。在这种情况下，我们将使用生成器。

生成器使用yield来产生项目，而不是返回列表。

def find_even_number_generator(number_stream):
    for n in number_stream:
        if n % 2 == 0:
            yield n

for i in find_even_number_generator(count()):
    print i

请注意，数字生成逻辑的表达清晰自然。它非常类似于在内存中构建列表的实现，但具有迭代器实现的内存使用特性。

使用生成器带来的性能提升是惰性（按需）生成值的结果，这意味着内存使用更少。此外，我们不需要等到所有元素都被生成才开始使用它们。这类似于迭代器提供的好处，但生成器使构建迭代器变得容易。

因此，简单地说，如果您对上述情况使用普通函数，您将耗尽内存。或者，如果您使用生成器函数，则会耗尽时间。

- no coder