生成器表達式是 Python 中一種更簡潔的語法，專門用來創建生成器。它的語法與列表生成式類似，但將列表生成式中的方括號 [] 替換為小括號 ()。生成器表達式與生成器函數類似，具有「惰性評估」的特性，因此它只在需要時才生成元素，從而節省記憶體。
生成器的「惰性評估」（也叫延遲求值）指的是生成器不會一次性生成所有結果，而是按需生成，也就是當你需要一個值時，它才計算並返回這個值，而不會提前計算或佔用額外的記憶體。
動態產生值，並透過迭代器一次送出一個值，無法備份或重新啟動產生器。生成器表達式的語法
(expression for item in iterable if condition)
expression：表達式，表示生成的元素。item：每次迭代的項目。iterable：可迭代對象，例如列表、範圍等。condition（可選）：用於過濾條件。
生成器表達式
範例 1：基本生成器表達式
這裡我們生成 0 到 4 的平方：
gen = (i * 2 for i in range(5))
print(gen) # 這裡返回的是生成器對象
要取出生成器中的元素，可以使用 for 迴圈或者 next() 函數：
for value in gen:
print(value)
但只能取一次，若在取就取不出東西
範例 2：帶條件的生成器表達式
我們可以在生成器表達式中加入條件來過濾元素。下面例子只生成偶數的平方：
gen = (i ** 2 for i in range(10) if i % 2 == 0)
for value in gen:
print(value)
輸出：
0
4
16
36
64
範例 3：計算數字總和
使用生成器表達式可以更高效地處理大型數據集。以下是計算 100 萬個數字總和的例子，使用生成器表達式比列表生成式更節省記憶體：
gen = (i for i in range(10**6))
total = sum(gen)
print(total)
輸出：
499999500000這裡的 sum() 函數使用生成器表達式進行計算，因為生成器按需產生數字，所以節省了大量記憶體。
使用生成器表達式的優點
因為生成器不會將所有數據一次性載入到記憶體，當處理大數據集時，它可以顯著減少記憶體使用量。
程式範例
- 當你使用列表生成式時，例如：
a = [i for i in range(10**7)]
這個列表會一次性在記憶體中生成 1000 萬個數字。這會立即佔用大量的記憶體。 - 而當你使用生成器時，例如：
a = (i for i in range(10**7))
生成器不會立即生成這 1000 萬個數字，它只在每次需要數字時（例如透過迴圈遍歷）才生成下一個數字。這樣的方式讓程式在需要時才計算數據，從而減少了記憶體的使用，因為它不會同時在記憶體中儲存所有數據。
例子
假設你有以下的兩段程式碼來處理 1000 萬個元素：
列表版本：
a = [i for i in range(10**7)] # 一次性生成1000萬個數字，佔用大量記憶體
for i in a:
print(i)
這個程式會在執行 range(10**7) 時一次性生成 1000 萬個數字，將它們存放在列表 a 中，然後再進行迴圈處理。這樣需要預先佔用大量記憶體。
生成器版本：
a = (i for i in range(10**7)) # 使用生成器，不會一次性生成全部數字
for i in a:
print(i)
在這個程式中，生成器會逐步生成數字，每次只在需要時生成下一個數字，從而大幅減少記憶體消耗。當你進行迴圈遍歷時，生成器會計算並返回下一個值，而不是一次性生成所有結果。
謝謝大家觀看，若喜歡的話，希望可以追蹤，點愛心給予鼓勵
其他生成器表達式相關文章
[Python][OpenCV]使用yield應用在影像讀取的好處
