介绍
1、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）。
2、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。
3、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
4、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。
#1、创建生成器对象
g = ((i+2)**2 for i in range(10))
print g
#<generator object <genexpr> at 0x0000000003517798> #2、将生成器对象转换为元组
a = tuple(g)
print a
#(4, 9, 16, 25, 36, 49, 64, 81, 100, 121) #3、生成器对象已遍历结束，没有元素了
print list(g)
#[] #4、重新创建生成器对象
g = ((i+2)**2 for i in range(10)) #5、使用生成器对象的next()方法获取元素
print g.next()
#
print g.next()
# # 6、使用函数next()获取生成器对象中的元素
print next(g)
# g = ((i+2)**2 for i in range(10)) #7、使用循环直接遍历生成器对象中的元素
for item in g:
print item #8、 filter对象也具有类似的特点
x = filter(None, range(20))
print x
# [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19] #9、map对象也具有类似的特点
x = map(str, range(20))
print x
# ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15', '16', '17', '18', '19']