生成器表达式省内存仅在惰性求值且不全消费时成立；它仅存状态（约56–120字节），而列表推导式直接存储全部值（约8mb），一旦全量展开或传给需完整数据的库，内存优势消失。
生成器表达式只存状态，列表推导式直接存全部值
生成器表达式 (x*2 for x in range(10**6)) 创建的是一个迭代器对象，内部只保存当前迭代位置、循环变量引用和代码逻辑，sys.getsizeof() 实测约 56–120 字节；而列表推导式 [x*2 for x in range(10**6)] 会立刻分配连续内存存储一百万个整数，在 CPython 中每个 int 占 24–28 字节，加上列表结构开销，总内存约 8MB。
惰性求值不等于“永远不占内存”，关键看是否被消费
生成器省内存的前提是你没把它一次性全取出来。一旦执行 list(gen)、sum(gen) 或完整 for x in gen:，内存峰值其实和列表推导式接近——因为目标容器（如新列表）正在构建，而生成器对象还活着，两者短暂共存。
-
next(gen); next(gen); next(gen)→ 内存几乎无增长 -
list(gen)→ 先建生成器（≈56B），再建列表（≈8MB），GC 前峰值 ≈8MB+56B -
[x*2 for x in range(10**6)]→ 直接分配 ≈8MB，无额外对象
生成器不支持索引、长度查询和重复遍历
你不能对 gen 写 gen[5]、len(gen) 或切片，它只支持单次顺序遍历。这不是 bug，是内存节省的代价交换：不存全部值，就无法回头或跳转。
- 不适合场景：
my_data[1000]、my_data[::-1]、反复for循环、传给要求__len__的库函数（如pandas.DataFrame()、numpy.array()） - 适合场景：逐行读大文件、API 分页拉取、过滤链
(x*2 for x in data if x > 10)
嵌套和闭包里容易踩坑，调试时看不见内容
生成器表达式在调试时非常不友好：print(gen) 只输出类似 <generator object> at 0x...</generator>，没法像列表那样一眼看到内容。
- 闭包捕获问题：
(lambda: i for i in range(3))中所有 lambda 都返回最后一个i值（2），和列表推导式行为一致，但更难 inspect 和断点追踪 - 嵌套生成器如
((x,y) for x in A for y in B)无法直接print查看中间态 - 多层
itertools.chain()+ 生成器后，StopIteration错误堆栈可能指向最外层，源头早已耗尽
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
