惰性求值与生成器
Python 中的惰性求值概念回顾，以及 range 与生成器：用 yield 创建惰性序列，实现无限流式的数据。
惰性求值
抱歉，这里话题跳了一下。你们在第 12 课跳过了这部分，所以我们在这里快速补个入门。
惰性求值（lazy evaluation）就是正规序求值的实现，相对于应用序求值而言。复习一下：第 1 课讨论求值模型时我们说过，Scheme 是应用序语言，即调用过程时所有参数都会先求值。相反，正规序语言把过程参数的求值推迟到真正需要参数值的时候。把过程参数的求值拖到最后一刻（比如拖到某个原始操作非它不可时）才进行，就叫惰性求值。
Python 和 Scheme 类似：定义过程并用参数调用它时，所有参数都会在过程体求值之前求值。
来看这个过程：
def try(a, b):
if a == 0:
return True
else:
return b求值 try(0, 1/0) 会触发除零错误，因为两个参数都先被求值了。
惰性求值下则不会出错：表达式会返回 True，因为参数 1/0 永远不会被求值——它既没被原始过程用到，也没有被返回。
直接使用时，if 就是惰性的。不信试一下：
$ python
>>> if 0 == 0:
... True
... else:
... 1/0
...
True看，返回的是 True，因为我们从不需要求值 1/0，所以永远不会报错！这之所以可行，是因为在求值过程中 if 是作为特殊形式（special form）处理的（想想第 11 课的 mc-eval）。要想让每次过程调用都有这种行为，我们就得修改 Python 中 eval 和 apply 的工作方式：过程应用的参数不再在传给 apply 之前立即求值，只在它被返回或被原始使用时才求值。
如果你想更深入地理解解释器中惰性求值的实现，请阅读第 12 课原文。
如果你想在 Python 里摆弄惰性求值包装器的实现，可以参考这个网站上的 lazy.py 模块。
Range 与生成器
我们一直在 for 循环里用 range()，却没怎么想过它的工作原理。range 是一个不可变的惰性序列。幕后，range 创建的序列元素要到需要时才生成。不信？试试 print(range(4)) 和 print([0, 1, 2, 3])。
借助生成器（generator），我们可以创建类似 range() 的序列。在 Python 中，生成器是这样一种函数：它按需计算并 yield（产出）下一个值来生成序列。它们类似于 Scheme 中的流（stream），是惰性序列，与列表这种积极序列（eager sequence，急于把所有元素列出来）相对。
生成器是可迭代的，所以你能在 for 循环里使用它们，就像我们用 range() 一样。你也可以对任何生成器过程调用 next(generator) 来获取后续元素。不过，生成器不能重复迭代——序列用完就没了。如果你对用完的生成器调用 next()，会收到 StopIteration 错误信息。
花点时间想想我们为什么需要生成器。为什么不干脆一直用列表？
yield 是我们把普通函数变成生成器的方式。用它代替 return。来看个例子：
def gen_to(n):
for i in range(n+1):
yield i现在试试用 for 循环逐个打印元素：
gen_to_7 = gen_to(7)
for i in gen_to(7):
print(i)现在试试调用 next：
next(gen_to_7)啊哈！StopIteration 错误！
再来一个无限生成器！试着打印它，然后用 next 一步步取。
def gen_forever():
i = -1
while true:
i += 1
yield i笔记
作业题 10：成长的烦恼（指数级）
写一个生成器 gen_exp()，接受一个数字 n，从 n 开始，（永远地）生成 n 的 n 的 n……指数塔序列。
例如 gen_exp(2) 的前几个元素应该是 2、(2^2)、((2^2)^2)、(((2^2)^2)^2)。