In [2]:
{i:el for i,el in enumerate(["one","two","three"])}
Out[2]:
{0: 'one', 1: 'two', 2: 'three'}
enumerate() 是内建函数，可以让列表获得“下标”的属性。
而如果不用列表推导式，上例需要这么写：
In [3]:
lst = ["one","two","three"]
i = 0
for e in lst:
lst[i] = '%d: %s' % (i,lst[i])
i +=1
lst
Out[3]:
['0: one', '1: two', '2: three']
In [4]:
import sys
i = iter(range(10000))
id(i.__next__())
Out[4]:
93933276092968
In [5]:
sys.getsizeof(i)
Out[5]:
40
In [6]:
sys.getsizeof(i.__next__())
Out[6]:
28
In [7]:
e = range(10000)
sys.getsizeof(e)
Out[7]:
48
In [8]:
sys.getsizeof(list(e))
Out[8]:
80056
可以看到，如果一次性把 list 全部加载进来，需要 90112byte 内存空间，
如果使用迭代器迭代，仅仅需要 28byte 内存空间。
可以被 next() 函数调用并不断返回下一个值的对象称为迭代器。
生成器都是 Iterator 对象，但 list 、 dict 、 str 虽然是 Iterable ，却不是 Iterator ，
list , tuple , dict , str 是有可迭代属性(惰性循环),但如果需要转化成可迭代对象，
可以用 iter() 来转换,验证方式就是看对象是否有__next__方法。
生成器(generator)
生成器是一种特殊的迭代器。
什么时候需要用生成器
其实一般情况下是不需要生成器的，只有当因为性能限制下才需要用到，
比如需要用python来 read 一个10g的 txt 文件，如果一次性把10g的文件加载到内存再处理( .read() 方法)，
内存肯定溢出了。这里如果使用生成器，就可以把读和处理交叉进行，
比如使用( .readline 和 .readlines )就可以在循环读取的同时不断处理，这样可以节省大量内存空间。
此外，还可以使用生成器生成线程池。
（如果当自己写一个读写函数封装给别人使用时,那么要考虑到文件容量问题,此时应该考虑使用生成器。）
生成生成器的两种方法
第一种比较简单，将列表推导式的 [] 改称 () 就可以了：
In [9]:
g = (x*x for x in range(10))
In [10]:
'__next__' in dir(g)
Out[10]:
True
在这里可以看到g有一个__next__的魔术方法,而这是生成器所特有的属性，下面两种方式调用都可以。
In [11]:
g.__next__()
Out[11]:
0
In [12]:
g.__next__()
Out[12]:
1
In [13]:
next(g)
Out[13]:
4