这是否违背了使用生成器的目的，因为它然后在偶数列表中创建了它。在这种情况下，生成器在哪些具体情况下有用？
这有点基于意见，但在某些情况下，列表可能无法解决问题（例如由于硬件限制）。
节省 CPU 周期（时间）
想象一下，您有一个偶数列表，然后想要计算前五个数字的总和。在Python中我们可以用islice, like:
sumfirst5even = sum(islice(even(100), 5))
如果我们首先生成一个包含 100 个偶数的列表（不知道稍后我们将如何处理该列表），那么我们会花费大量的 CPU 周期来构建这样的列表，这些周期都被浪费了。
通过使用生成器，我们可以将其限制为仅包含我们真正需要的元素。所以我们只会yield前五个要素。该算法将never计算大于 10 的元素。是的，这是否会产生任何（重大）影响值得怀疑。甚至有可能“生成器协议“与生成列表相比，需要更多的 CPU 周期，因此对于小列表来说，没有优势。但现在想象一下我们使用even(100000)，那么我们在生成整个列表上花费的“无用的 CPU 周期”量可能会很大。
节省内存
另一个潜在的好处是节省内存，因为我们这样做not需要内存中生成器的所有元素同时存在。
以下面的例子为例：
for x in even(1000):
print(x)
If even(..)构造一个列表1000元素，那么这意味着所有这些数字需要同时成为内存中的对象。根据 Python 解释器的不同，对象可能会占用大量内存。例如一个int接受CPython，28字节内存。这意味着包含 500 个这样的列表ints 大约需要 14 kB 的内存（列表需要一些额外的内存）。是的，大多数 Python 解释器都维护“享元”模式，以减轻小整数的负担（这些是共享的，所以我们这样做not为每个对象创建一个单独的对象int我们在这个过程中构建），但它仍然可以很容易地加起来。为even(1000000)，我们将需要 14 MB 内存。
如果我们使用发电机，则取决于我们如何use生成器，我们可能会节省内存。为什么？因为一旦我们不再需要这个号码123456（自从for循环前进到下一项），对象“占用”的空间可以回收，并给予int有价值的对象12348。因此，这意味着 - 考虑到我们使用生成器的方式允许这样做 - 内存使用量保持不变，而对于列表来说，它是线性缩放的。当然生成器本身也需要做适当的管理：如果在生成器代码中，我们建立了一个集合，那么内存当然也会增加。
在 32 位系统中，这甚至可能会导致一些问题，因为 Python 列表有一个最大长度 https://stackoverflow.com/a/855455/67579。一个列表最多可以包含 536'870'912 个元素。是的，这是一个巨大的数字，但是如果您想要生成给定列表的所有排列怎么办？如果我们将排列存储在一个列表中，那么这意味着对于 32 位系统，一个包含 13 个（或更多元素）的列表，我们将永远无法构造这样的列表。
“在线”节目
在理论计算机科学中，一些研究人员将“在线算法”定义为一种逐渐接收输入的算法，因此无法提前知道整个输入。
一个实际的例子是网络摄像头，它每秒生成一个图像，并将其发送到 Python 网络服务器。那时我们还不知道网络摄像头在 24 小时内捕获的图片会是什么样子。但我们可能对侦查意图偷东西的窃贼感兴趣。在这种情况下，帧列表将不会包含所有图像。然而，生成器可以构建一个优雅的“协议”，我们可以在其中迭代地获取图像、检测窃贼并发出警报，例如：
for frame in from_webcam():
if contains_burglar(frame):
send_alarm_email('Maurice Moss')
无限发电机
我们不需要网络摄像头或其他硬件来利用发电机的优雅。生成器可以产生“无限”序列。或者even例如，生成器可能如下所示：
def even():
i = 0
while True:
yield i
i += 2
这是一个发电机，它将最终产生all偶数。如果我们继续迭代它，最终我们将得到数字 123'456'789'012'345'678 （尽管这可能需要很长时间）。
如果我们想要实现一个程序，例如不断产生回文偶数，则上述内容可能很有用。这可能看起来像：
for i in even():
if is_palindrome(i):
print(i)
因此，我们可以假设该程序将继续工作，并且不需要“更新”偶数列表。在一些pure函数式语言使惰性编程变得透明，编写程序就像创建一个列表一样，但实际上它通常是一个生成器。
“丰富”发电机：range(..)和朋友
在 Python 中，很多类在迭代它们时不会构造列表，例如range(1000)对象确实not首先构建一个列表（它在python-2.x /questions/tagged/python-2.x，但不在python-3.x /questions/tagged/python-3.x). The range(..)简单地对象代表一个范围。 Arange(..)对象是not一个生成器，但它是一个可以生成迭代器对象的类，其工作方式类似于生成器。
除了迭代之外，我们还可以用range(..)对象，这对于列表是可能的，但是not以有效的方式。
例如，如果我们想知道是否1000000000是一个元素range(400, 10000000000, 2)，那么我们可以写1000000000 in range(400, 10000000000, 2)。现在有一个算法可以检查这一点without生成范围，或构建列表：它查看元素是否是int，在范围内range(..)对象（因此大于或等于400，并且小于10000000000），以及是否产生（考虑到步骤），这确实not需要对其进行迭代。因此，会员资格检查可以立即完成。
如果我们生成了一个列表，这意味着 Python 必须枚举每个元素，直到它最终找到该元素（或到达列表的末尾）。对于像这样的数字1000000000，这很容易需要几分钟、几小时，甚至几天。
我们还可以“切片”范围对象，这会产生另一个range(..)对象，例如：
>>> range(123, 456, 7)[1::4]
range(130, 459, 28)
通过算法，我们可以立即切片range(..)对象变成一个新的range目的。对列表进行切片需要线性时间。这又会（对于巨大的列表）需要大量的时间和内存。
