todo5： 通过多个案例对python语言中具有惰性求值特点的函数进行介绍

在 Python 中，惰性求值是一种在需要时才计算值的技术，常用于那些可能会消耗大量资源或有递归性质的高级数据结构或函数。下面我们会通过几个常见的案例来理解这个特性。

1. **生成器**：生成器是最直观的惰性求值的例子。例如，`range()` 和 `map()` 函数通常会产生一系列的数字，但是当你开始迭代它们时，实际的计算才会发生，直到遇到yield表达式才产生下一个值。这使得我们可以在处理大量数据时节省内存。

   def lazy_range(n):
       i = 0
       while i < n:
           yield i
           i += 1

   # 实际生成值是在迭代时发生的
   gen = lazy_range(10_000)
   print(next(gen))  # 输出：0

2. **装饰器**：有些装饰器也采用了惰性求值的方式，比如`functools.lru_cache`。它缓存最近使用的函数结果，只有当函数被再次调用且不在缓存中时，才真正执行函数体。

   from functools import lru_cache
   
   @lru_cache(maxsize=5)
   def fibonacci(n):
       if n <= 2:
           return n
       else:
           return fibonacci(n - 1) + fibonacci(n - 2)

   # 第一次调用时会执行实际计算，后续多次调用直接返回缓存结果
   print(fibonacci(10))

3. **列表推导式**：虽然列表推导式会在创建时一次性计算，但如果嵌套的条件判断较多，内部操作是延迟到实际访问列表元素时才执行的。

   # 这里不会立即计算所有的平方，而是等到需要的时候
   squares = [x**2 for x in range(10) if x % 2 == 0]

   print(squares)  # 输出：[0, 4, 16, 36, 64]