从形式上看，生成器推导式与列表推导式非常接近，只是生成器推导式使用圆括号而不是列表推导式使用的方括号。与列表推导式不同的是，生成器推导式的结果是一个生成器对象，而不是列表，也不是元组。使用生成器对象的元素是，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，或者直接将其作为迭代器对象来使用。但是不管哪种方法访问其元素，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。
1 >>> g = (( i + 2 ) ** 2 for i in range(10)) #创建生成器对象 2 >>> g 3 <generator object <genexpr> at 0x00000000035414C0> 4 >>> 5 >>> tuple(g) #将生成器对象转换为元组 6 (4, 9, 16, 25, 36, 49, 64, 81, 100, 121) 7 >>> 8 >>> list(g) #生成器对象已遍历结束，已经没有元素了 9 [] 10 >>> 11 >>> g = (( i + 2 ) ** 2 for i in range(10)) 12 >>> 13 >>> g.__next__() #使用生成器对象的__next__()方法获取元素 14 4 15 >>> g.__next__() #获取下一个元素 16 9 17 >>> 18 >>> next(g) #使用内置函数next()获取生成器对象中的元素 19 16 20 >>> next(g) #获取下一个元素 21 25 22 >>> 23 >>> 24 >>> 25 >>> g = (( i + 2 ) ** 2 for i in range(10)) 26 >>> 27 >>> for item in g: #使用循环直接遍历生成器对象中的元素 28 print(item,end=‘ ‘) 29 30 31 4 9 16 25 36 49 64 81 100 121 32 >>>
小提示：
（1）生成器对象具有惰性求值的特点，只在需要时返回元素，比列表推导式具有更高的效率，尤其适合大量数据的遍历。
拓展知识：
生成器对象。包含yield语句的函数也可以用来创建可迭代的生成器对象。下面的diamante演示了如何使用生成器来生成斐波那契数列。
1 >>> def f(): 2 a,b = 1,1 #序列解包，同时为多个元素赋值 3 while True: 4 yield a #暂停执行，需要时再产生一个新元素 5 a,b = b,a + b #序列解包，继续生成新元素 6 7 8 >>> 9 >>> a = f() #创建生成器对象 10 11 >>> for i in range(10): #获取斐波那契数列中前10个元素 12 print(a.__next__(),end = ‘ ‘) 13 14 15 1 1 2 3 5 8 13 21 34 55 16 >>> 17 >>> 18 >>> 19 >>> 20 >>> 21 >>> for i in f(): #获取斐波那契数列中第一个大于100的元素 22 if i > 100: 23 print(i) 24 break 25 26 27 144 28 >>> 29 >>> a = f() 30 >>> next(a) #使用内置函数next()获取生成器对象中的元素 31 1 32 >>> 33 >>> next(a) #每次获取新元素是，由yield语句返回。 34 1 35 >>> 36 >>> a.__next__() 37 2 38 >>>