一、生成器
一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会得到返回的具体的值，而是得到一个可迭代的对象。每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的返回值。直到函数执行结束。
def func(): print(111) yield 1 print(222) yield 2 print(333) yield 3 ret = func() r = ret.__next__() print(r) r2 = ret.__next__() print(r2) r3 = ret.__next__() print(r3)
111 1 222 2 333 3
生成器图示解析：
range 和 xrange
range 前面已经说明了，range([start,] stop[, step])，根据 start与 stop指定的范围以及step设定的步长，生成一个序列。
在 python 2.7中的 range
>>> range(5) [0, 1, 2, 3, 4] >>> range(1,5) [1, 2, 3, 4] >>> range(0,6,2) [0, 2, 4]
xrange 用法与 range 完全相同，所不同的是生成的不是一个list对象，而是一个生成器。xrange即是 python3中的 range用法
>>> xrange(5) xrange(5)
>>> list(xrange(5)) [0, 1, 2, 3, 4]
>>> xrange(1,5) xrange(1, 5)
>>> list(xrange(1,5)) [1, 2, 3, 4]
>>> xrange(0,6,2) xrange(0, 6, 2)
>>> list(xrange(0,6,2)) [0, 2, 4]
由上面的示例可以知道：要生成很大的数字序列的时候，用 xrange会比 range性能优很多，因为不需要一上来就开辟一块很大的内存空间，就是生成器的原理。
xrange 和 range 这两个基本上都是在循环的时候用。
for i in range(0, 100): print i for i in xrange(0, 100): print i
这两个输出的结果都是一样的，实际上有很多不同
range会直接生成一个 list对象：
a = range(0,100) print type(a) print a print a[0], a[1]
输出结果：
<type 'list'> [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99] 0 1
而 xrange则不会直接生成一个 list，而是每次调用返回其中的一个值：
a = xrange(0,100) print type(a) print a print a[0], a[1]
输出结果：
<type 'xrange'> xrange(100) 0 1
好在 python3中 range就已经是 xrange的模式了
现在我们基于生成器来实现 range功能
def myrange(arg): start = 0 while True: if start > arg: return yield start start += 1 ret = myrange(10) r = ret.__next__() print(r)
二、迭代器
迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。
迭代器只能往前不会后退，不过这也没什么，因为人们很少在迭代途中往后退。
另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。
迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件。
def myrange(arg): start = 0 while True: if start > arg: return yield start start += 1 ret = myrange(10) r = ret.__next__() print(r) r = ret.__next__() print(r) r = ret.__next__() print(r) r = ret.__next__() print(r)
python 中的 for循环自动调用了如上的__next__方法，作为迭代器
def myrange(arg): start = 0 while True: if start > arg: return yield start start += 1 ret = myrange(10) for item in ret: print(item)
所以我们只需要了解封装了迭代器的 for 循环的本质就OK了！
三、函数的递归
本质上就是指一个函数调用另一个函数
讲通俗一些就是老和尚给小和尚讲故事，讲的故事又是老和尚给小和尚讲故事...
即递归的定义——在一个函数里再调用这个函数本身
def func(n): n += 1 if n >= 10: return 'end' return func(n) r = func(1) print(r)
递归的最大深度——997
递归函数如果不受到外力的阻止会一直执行下去。
之前已经说过关于函数调用的问题，每一次函数调用都会产生一个属于它自己的名称空间，如果一直调用下去，就会造成名称空间占用太多内存的问题
于是python为了杜绝此类现象，强制的将递归层数控制在了 997
def foo(n): print(n) n += 1 foo(n) foo(1)
上述代码实验可以看出，未报错之前能看到的最大数字就是997。
当然了，997是 python为了我们程序的内存优化所设定的一个默认值，我们当然还可以通过一些手段去修改它：
import sys print(sys.setrecursionlimit(100000))
总而言之
理解好了生成器、迭代器和递归，可以说是深入理解了函数循环的真正含义