讲到生成器，往前可以讲到列表生成式，往后可以讲到迭代器
今天就复习一下生成器，再另外多复习一下高阶函数
如何定义一个生成器
方法1：
首先，像列表生成式，我们用得很普遍了
如 L=[x for x in range(1,5)]
这样生成的结果就是[1,2,3,4]
那生成器是什么呢？他其实是一个对象，并不是一个具体的序列形式
比如，我们把列表生成式的外壳[ ] 改成( ),他的返回对象就是一个生成器了
你如果用dir(b)来检查b这个生成器对象的话，你会发现，他有一个属性叫做__next__，什么意思呢？就是每用一次这个函数，他都会返回一轮迭代并停止
比如下图，你可以用b.__next__或者next(b)，两者都行
但是，当你的迭代超出范围了以后，他就会报错StopIteration了。
如果需要避免这样的报错的话，你可以用for循环来从中取值
方法2：
另外一种产生生成器的方法，则是定义的函数中，包含了关键字yield，那么这个函数就不是一个特殊的函数
比如，我们来举个例子，下面的例子，由于函数里面包含了yield，所以每一次函数运行到yield的时候，就会提取当轮的数据，并停止，只有当你再次执行next的时候，再从停止的位置开始，继续往下走，走到下一次yield的时候
特殊情况：
生成器可以来说是一个惰性的结构，需要后续的操作来消耗他，所以对于生成器来说内容被消耗完了，怎么办？
比如前面碰到的，会有StopIteration的错误发生，那是否可以优雅地避免呢？
你就可以使用try功能，比如下面的例子
a=(x for x in range(1,5))
while True:
try:
print (a.__next__())
except StopIteration as e:
print (e.value)
break
当while循环消耗完所有的迭代内容后，触发stopiteration错误时，自动停止,这样就避免了触发报警信息.
最后自己做一个例子：
写一个指定范围内，3的倍数的生成器，并以列表打印出来
def triple(n):
x=1
while x<=n:
if x%3==0:
yield x
x+=1
else:
x+=1
continue
return 'done'
a= [x for x in triple(1000)]
print (a)
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------
高阶函数
接着，来讲讲高阶函数，主要有这几种filter,map,reduce
首先是filter
filter函数，接受2个参数,一个已定义的函数或lambda表达式，和一个可迭代的对象
他的作用过程是，将第二个可迭代对象的内部参数，一个一个传入function内部使用，如果返回值是True，则加入结果，反之，则不加入
最终，生成一个迭代器，由所有返回结果为True的元素组成。
如果function定义了，那么，他返回的是上面说的形式
如果function 是None，那么，他返回的是可迭代对象内部，不是False的元素
a=[1,2,3,4,5,6,7,8,9]
def test_filter(s):
if s%2==0:
return True
else:
return False
print (list(filter(test_filter,a)))
注意，filter返回的是一个可迭代对象，你需要用list这样的操作方式来将他显性地显示出来
另外还需要注意，定义的函数需要以bool值来返回，这样有利于判断
再缩略一些，就用lambda函数
map函数
接着是map函数
同样也是传入function和可迭代对象，他的工作过程是将iterable内的元素一一放进function内，并返回所有结果的迭代器
注意：如果有多个iterable同时传入，那么，取值时候就是从2个iterable内同步取值，如果2个iterable长度不一样，则以短的结束时候为准
a=[1,2,3,4,5,6,7,8,9]
def test_map(s):
return s+5
print (list(map(test_map,a)))
结果如下
如果用lambda函数来写，也行
我们再来看看，同时传入多个iterable参数的时候的情况
如果函数定义的参数只有一个，但是传入参数有2个，就会报错
再来看下形参和实参一致的情况下，2个参数长度不一致的情况，如下
a=map(lambda x,y:x+y,range(1,10),range(1,5))
reduce函数
reduce函数的话，说穿了也是讲给定iterable内部函数传入指定函数的工作过程，但是，他在每一次迭代后，都会和上一次进行累加
内部指定的这个function函数，必须接受2个参数
说起来有点拗口，先看看定义
来看下面的例子
from functools import reduce
a=[1,2,3,4,5]
def f(a,b):
return a+b
print (reduce(f,a))
当然，你也可以设定第三个参数，初始值，如果你设定了初始值，那么，他在第一轮的时候，就不是取第1,2个参数了，而是用第1个参数传入函数计算后，结果加上初始值
比如下面
from functools import reduce结果如下
a=[1,2,3,4,5]
def f(a,b):
return a+b
print (reduce(f,a,100))
所以，reduce函数在做累加运算的时候比较有用
最后看一个稍微复杂点的例子
from functools import reduce
def fn(x, y):
return x * 10 + y
def char2num(s):
return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
print (reduce(fn,map(char2num,'13579')))
而最后，通过reduce函数，将这个iterator内部的元素（已经是整型了的元素），通过fn函数，累加起来，拼成结果。