使用生成器推导式创建Pandas数据帧时为何得到实际DataFrame而非生成器对象

你对生成器的基础认知是正确的：带圆括号的推导式本身确实会生成惰性求值的生成器对象，不会在定义阶段就立刻生成全部的DataFrame内容。出现认知偏差的核心，是没有注意到解包赋值操作会自动触发生成器的完整迭代流程，具体逻辑可以拆成两步看：

• 首先，代码中(pd.DataFrame(rng.rand(nrows, ncols)) for i in range(4)这部分在执行时，只会生成一个等待触发的生成器实例，不会立刻运行循环逻辑产出DataFrame。如果单独把这个生成器赋值给单个变量，比如写gen = (pd.DataFrame(rng.rand(nrows, ncols)) for i in range(4))，此时查看type(gen)会得到<class 'generator'>，完全符合你对生成器的认知。
• 其次，Python中的解包赋值（即左侧同时排列多个变量的赋值语法），本质是强制对右侧的可迭代对象做全量遍历，按照迭代返回值的顺序，依次给左侧的变量赋值。当生成器对象被放到解包赋值的右侧时，Python会自动逐次调用生成器的__next__()方法，直到生成器迭代结束：
  1. 第一次取迭代值时，生成器执行第一轮循环逻辑，生成第一个DataFrame，赋值给df1
  2. 第二次取迭代值时，生成器执行第二轮循环，生成第二个DataFrame，赋值给df2
  3. 重复这个过程直到生成器把4次循环的内容全部产出，最终四个变量拿到的都是实际生成的DataFrame对象，而非那个空的生成器本身。

补充验证：如果可迭代对象的长度和左侧变量数量不匹配，解包操作会直接抛出ValueError: not enough values to unpack或ValueError: too many values to unpack的报错，这也能佐证解包操作确实是在遍历、拆分可迭代对象的内部元素，而非直接把整个右侧对象赋值给第一个变量。

内容的提问来源于stack exchange，提问作者jgg