Python 中的迭代器和生成器-EW帮帮网

Python 中的迭代器和生成器是处理序列数据的重要工具，能够提高代码的可读性和性能。以下是对迭代器和生成器的详细介绍，包括它们的概念、使用方法、区别和最佳实践。

迭代器是实现了迭代协议的对象，即实现了 __iter__() 和 __next__() 方法的对象。迭代器可以用于逐个访问元素，直到元素被访问完为止。

创建迭代器：通过定义一个类，实现 __iter__() 和 __next__() 方法来创建迭代器。
class MyIterator: def __init__(self, data): self.data = data self.index = 0 def __iter__(self): return self def __next__(self): if self.index < len(self.data): result = self.data[self.index] self.index += 1 return result else: raise StopIteration # 使用迭代器 my_iter = MyIterator([1, 2, 3]) for item in my_iter: print(item)
内置迭代器：Python 提供了许多内置的迭代器，如列表、元组、字典等数据结构都实现了迭代协议。
my_list = [1, 2, 3] my_iter = iter(my_list) print(next(my_iter)) # 输出: 1 print(next(my_iter)) # 输出: 2 print(next(my_iter)) # 输出: 3

生成器是一种特殊的迭代器，使用 yield 关键字定义。生成器函数在每次调用时生成一个值，并保持函数的执行状态，以便下次继续执行。

创建生成器：使用 yield 关键字定义生成器函数。
def my_generator(): yield 1 yield 2 yield 3 # 使用生成器 gen = my_generator() for value in gen: print(value)
生成器表达式：类似列表推导式，但使用圆括号返回一个生成器对象。
gen = (x * x for x in range(3)) for value in gen: print(value)

定义方式：
- 迭代器：需要显式定义 __iter__() 和 __next__() 方法。
- 生成器：使用 yield 关键字定义生成器函数，自动实现 __iter__() 和 __next__() 方法。
实现复杂度：
- 迭代器：需要手动管理状态。
- 生成器：由 Python 自动管理状态，代码更加简洁。
性能和内存使用：
- 迭代器和生成器都支持惰性求值，适用于处理大数据或无限序列。
- 生成器在大多数情况下更简洁，更适合临时生成序列。

斐波那契数列生成器：
def fibonacci(n): a, b = 0, 1 for _ in range(n): yield a a, b = b, a + b for num in fibonacci(10): print(num)
文件读取生成器：逐行读取大文件，节省内存。
def read_large_file(file_path): with open(file_path, 'r') as file: for line in file: yield line.strip() for line in read_large_file('large_file.txt'): print(line)

迭代器和生成器是 Python 中处理序列数据的重要工具，通过惰性求值和高效的内存使用方式，可以极大地提高程序的性能和可读性。了解并掌握它们的使用方法和最佳实践，对于编写高效、简洁的 Python 代码至关重要。

Python 中的迭代器和生成器