（7）100天python从入门到拿捏《迭代器和生成器》

迭代器和生成器

在 Python 中，迭代器和生成器是非常重要的概念。它们使得 Python 的循环结构更加简洁高效，尤其在处理大量数据时，它们可以大大减少内存的消耗。下面我会详细介绍迭代器和生成器的定义、用法、以及它们的区别和关系。

1. 迭代器

定义

迭代器是一个对象，它实现了 __iter__() 和 __next__() 方法，使得对象可以在循环中逐个返回其元素。迭代器用于遍历一个集合数据，比如列表、元组、字典等。

特点

• 迭代器在内存中逐个生成元素，不会一次性将所有数据存储在内存中。
• 迭代器只能向前遍历，不能倒回。
• 迭代器提供了 惰性求值，即只有在需要时才会生成下一个元素。

迭代器的工作原理

1. 通过 __iter__() 方法返回迭代器对象本身。
2. 通过 __next__() 方法返回下一个元素。
3. 当没有元素时，__next__() 会引发 StopIteration 异常。

创建迭代器

可以通过可迭代对象的 iter() 函数将其转换为迭代器。

# 创建一个迭代器
my_list = [1, 2, 3]
iterator = iter(my_list)print(next(iterator))  # 输出：1
print(next(iterator))  # 输出：2
print(next(iterator))  # 输出：3
# 如果再次调用next()，将抛出 StopIteration 异常
# print(next(iterator))  # StopIteration

自定义迭代器

可以通过定义一个类，并实现 __iter__() 和 __next__() 方法来创建自己的迭代器。

class MyIterator:def __init__(self, start, end):self.current = startself.end = enddef __iter__(self):return selfdef __next__(self):if self.current >= self.end:raise StopIterationself.current += 1return self.current - 1# 使用自定义的迭代器
iterator = MyIterator(1, 4)
for value in iterator:print(value)

输出：

1
2
3

2. 生成器

定义

生成器是一个特殊类型的迭代器。它是通过 yield 关键字定义的函数（也叫生成器函数）。与普通函数不同，生成器函数在执行时会暂停并记住当前位置，直到下次调用生成器时再继续执行。

特点

• 生成器使用了 惰性求值，在需要时才生成一个元素，因此它们是高效的内存利用方式。
• 生成器函数通过 yield 语句逐个返回数据，每次调用 next() 都会继续从上次停止的地方开始。
• 生成器会自动实现迭代器的协议，因此可以像迭代器一样使用 for 循环进行遍历。

创建生成器

生成器是通过带有 yield 的函数定义出来的。每当 yield 被执行时，函数暂停并返回一个值，之后可以通过调用 next() 恢复执行并返回下一个值。

def my_generator():yield 1yield 2yield 3gen = my_generator()
print(next(gen))  # 输出：1
print(next(gen))  # 输出：2
print(next(gen))  # 输出：3
# 如果再次调用next()，将抛出 StopIteration 异常
# print(next(gen))  # StopIteration

使用 for 循环遍历生成器

for value in my_generator():print(value)

输出：

1
2
3

3. 生成器表达式

生成器表达式是一种简洁的生成器定义方式，它类似于列表推导式，但返回的是生成器对象而不是一个列表。

语法：

(expression for item in iterable if condition)

案例

gen_exp = (x ** 2 for x in range(5))
print(next(gen_exp))  # 输出：0
print(next(gen_exp))  # 输出：1
print(next(gen_exp))  # 输出：4

4. 迭代器与生成器的区别

特性	迭代器 (Iterator)	生成器 (Generator)
定义方式	通过实现 __iter__() 和 __next__() 方法定义	通过 yield 关键字或生成器表达式定义
内存管理	一次性将所有元素加载到内存中	按需生成元素，内存占用低
实现复杂度	需要定义 __iter__() 和 __next__() 方法	通过函数和 yield 关键字实现，代码更简洁
惰性求值	是	是
用法	手动实现迭代器协议	更加简洁和直观，适用于生成大量数据
是否能迭代	是	是
是否可以重新迭代	不能重新开始迭代（除非重新创建迭代器对象）	不能重新开始迭代（除非重新创建生成器对象）

5. 生成器的性能优势

生成器的主要优势是 内存效率。它们在每次迭代时生成一个值，并将其返回，而不是一次性将所有数据加载到内存中。这在处理大量数据时尤为重要，特别是当数据量非常大，甚至超出内存容量时，生成器提供了一个很好的解决方案。

生成大量数据时的内存优势

当你要处理一个包含 10 亿数字的列表，如果使用普通列表，你的程序可能会因为内存不足而崩溃。而使用生成器，你的程序只会按需生成每个元素，不会占用太多内存。

def large_data_generator():for i in range(1000000000):yield i# 这个生成器不会一次性将所有 10 亿个数字存储在内存中
gen = large_data_generator()

6. 生成器的 Send() 和 Close() 方法

生成器不仅仅能使用 yield 来生成值，还支持 send() 和 close() 方法，用于向生成器传递数据或关闭生成器。

send() 方法

send() 方法用于向生成器传递值并恢复生成器的执行，生成器会执行到下一个 yield 语句，并将该值返回。

案例

def generator():result = yield 1  # 暂停并返回 1yield result  # 返回通过 send() 传入的值gen = generator()
print(next(gen))  # 输出：1
print(gen.send(10))  # 输出：10

close() 方法

close() 方法用于关闭生成器，停止生成器的执行。

案例

def generator():yield 1yield 2gen = generator()
print(next(gen))  # 输出：1
gen.close()  # 关闭生成器

总结

• 迭代器 是一种可以用于遍历的对象，通过实现 __iter__() 和 __next__() 方法来定义。
• 生成器 是一种特殊类型的迭代器，通过使用 yield 关键字定义，具备惰性求值的特点，更加节省内存。
• 生成器表达式 是一种更简洁的定义生成器的方式，类似于列表推导式，但返回的是生成器。
• 生成器的 内存优势 在于它们只在需要时生成数据，而不一次性加载所有数据，这使得它们特别适合处理大量数据。

python学习专栏导航
（1）100天python从入门到拿捏《Python 3简介》
（2）100天python从入门到拿捏《python应用前景》
（3）100天python从入门到拿捏《数据类型》
（4）100天python从入门到拿捏《运算符》
（5）100天python从入门到拿捏《流程控制语句》
（6）100天python从入门到拿捏《推导式》