Python中的迭代器与生成器

最新推荐文章于 2024-07-17 09:15:39 发布

Bro_cat

最新推荐文章于 2024-07-17 09:15:39 发布

阅读量1.3k

点赞数 25

分类专栏： Python 文章标签： python 开发语言迭代器迭代器模式

本文链接：https://blog.csdn.net/Broken_x/article/details/139579267

版权

Python 专栏收录该内容

8 篇文章 0 订阅

订阅专栏

在Python中，迭代器（iterator）和生成器（generator）是处理序列数据的重要工具。它们能够以高效且灵活的方式处理大规模数据集，同时简化了代码的编写。

一、什么是迭代器

迭代器是一种实现了迭代协议的对象，能够逐个返回序列中的元素。它是一种惰性求值（lazy evaluation）的方式，只在需要时生成值，有效地节省了内存空间。Python中的许多内置数据结构都是可迭代的，例如列表、元组、字典和集合。同时，我们也可以自定义迭代器来处理自定义的数据结构。

例如：

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

# 使用自定义迭代器
my_list = [1, 2, 3, 4, 5]
iterator = MyIterator(my_list)

for item in iterator:
    print(item)

在C语言中，我们遍历一个数组可能需要用到一个类似“指针”的东西——i，就像这样：

int arr[1,5,6,45];
int i;
for(i=0;i<4;i++)
{
    printf("%d",arr[i]);
}

而python作为一种更高级的语言，自然也是有更高级的写法了，那就是iterator(对象)在python中万物皆对象，例如：

list_1=[1,2,2,3,5]
a=iter(list_1)
for element in a:
    print(element)

你可能会发现，我们平常在遍历时，并没有这样写，而是直接这样写：

list_1=[1,2,2,5]
for element in list_1:
    print(element)

那么他们有什么区别呢？

直接遍历列表
list_1 = [1, 2, 2, 5] 
for element in list_1: 
    print(element)
直接从列表中获取每个元素。
代码更简洁、可读性更高。
for 循环内部隐式地调用了 iter() 方法来获取迭代器。
使用迭代器
list_1 = [1, 2, 2, 5] 
a = iter(list_1) 
for element in a: 
    print(element)
显式创建了一个迭代器 a。
可以更明确地控制迭代过程，比如手动调用 next(a) 获取下一个元素。
适用于需要更细粒度控制迭代行为的场景。
选择哪种方式

如果只需要遍历列表中的元素，直接使用 for element in list_1 是更好的选择，因为它更简洁、更符合 Python 的习惯用法。
如果需要对迭代过程进行更多控制，或者需要将迭代器传递给其他函数，则使用显式的迭代器更合适。

总的来说，Python 提供了更高层次的抽象，使得代码更简洁、更易读，同时也提供了底层的迭代器机制，以便在需要时进行更精细的控制。

二、那么生成器又是啥

生成器是一种简洁的方式来创建迭代器，它能够逐个生成值，而不是一次性生成所有值。生成器可以通过函数定义和使用 yield 语句来创建，也可以使用生成器表达式来生成。生成器能够在需要时按需生成值，非常适合处理大数据集或者无限序列。

下面是一个使用生成器函数创建斐波那契数列的示例：

def fibonacci(n):
    a, b = 0, 1
    count = 0
    while count < n:
        yield a
        a, b = b, a + b
        count += 1

# 使用生成器
for num in fibonacci(10):
    print(num)

我们可以看到生成器有点类似于函数，但是它和函数又有点区别。实际上，生成器（generator），是计算机科学中特殊的子程序，所有的生成器都是迭代器。生成器非常类似于返回数组的函数，都是具有参数、可以被调用、产生一系列列的值。但是生成器不是构造出数组包含所有的值并一次性返回，而是每次产生一个值，因此生成器看起来像函数，但行为像迭代器。

三、迭代器 vs. 生成器

内存效率：生成器按需生成值，节省了内存空间，而迭代器需要一次性存储所有值。
代码简洁：生成器能够通过简单的 yield 语句来创建，代码更加简洁易懂，而迭代器需要手动实现 __iter__() 和 __next__() 方法。
适用场景：生成器适用于处理大规模数据集和无限序列，而迭代器更适用于处理有限的数据集合。

那__iter__() 和 __next__() 方法又是什么呢？

__iter__() 和 __next__() 方法是 Python 中迭代协议的一部分，它们允许对象进行迭代。理解这两个方法有助于我们更好地掌握迭代器和生成器的工作原理。

__iter__() 方法

定义： __iter__() 方法返回一个迭代器对象，该对象可以是对象自身。
用途： 使对象成为可迭代对象，允许它在 for 循环等上下文中使用。
实现： 一个类需要实现 __iter__() 方法来成为可迭代对象，通常这个方法会返回 self。

__next__() 方法

定义： __next__() 方法返回迭代中的下一个值。如果没有更多的值可返回，则应该引发 StopIteration 异常。
用途： 允许迭代器逐步返回序列中的下一个值。
实现： 一个迭代器类需要实现 __next__() 方法来返回序列中的下一个值