我查看了问题https://stackoverflow.com/questions/29864146/difference-between-function-and-generator，但它被标记为重复。所以我在这里发布我的答案版本。
原来的问题是：
我正在寻找普通函数和生成器之间的确切区别。我已经用谷歌搜索过了。但所有的结果都相当混乱。我是初学者，所以我期待一些简短而准确的例子。
我试过这个What is the difference between normal function and generator function? 但没用。
我已经看过这个What does the "yield" keyword do?，但它纯粹是在谈论生成器，函数和生成器之间没有什么区别。我需要帮助吗？
【问题讨论】：
标签： python function count generator itertools
原则上，生成器因其惰性求值而具有内存效率。
generator 与返回数组的函数非常相似，因为generator 有参数，可以调用，并生成一系列值。但是，不是构建一个包含所有值的数组并一次返回它们，而是一个生成器yields 一次一个值，这需要更少的内存并允许调用者立即开始处理前几个值。
简而言之，生成器看起来像 function，但行为却像 iterator。
from itertools import count
itertools 提供count 以生成无限的整数流。您可以给出 start 和 step 来告诉生成流的开始和步进值。我将在下面的示例中使用它。
for i in count(start=0, step=1):
print i
生成偶数列表的简单示例。
构建并返回一个列表：
def find_even_number_function(number_stream):
even_number = []
for n in number_stream:
if n % 2 == 0:
even_number.append(n)
return even_number
for i in find_even_number_function(count()):
print i
代码非常简单明了，但它在内存中构建了完整的列表。这在我们的情况下显然是不可接受的，因为我们无法将所有无限整数都保存在内存中。如您所见，该功能永远不会停止。在这种情况下，我们将使用生成器。
yields 项目而不是返回列表的生成器
def find_even_number_generator(number_stream):
for n in number_stream:
if n % 2 == 0:
yield n
for i in find_even_number_generator(count()):
print i
请注意，数字生成逻辑的表达方式清晰自然。它与在内存中构建列表的实现非常相似，但具有迭代器实现的内存使用特性。
使用生成器带来的性能改进是惰性（按需）生成值的结果，这意味着更低的内存使用量。此外，我们不需要等到所有元素都生成后才开始使用它们。这类似于迭代器提供的好处，但生成器使构建迭代器变得容易。
所以简单来说，如果你在上述情况下使用普通函数，你会耗尽内存。或者，如果您使用 生成器功能，您将用完时间。
【讨论】：