python基础知识之迭代器与生成器

迭代器 (Iterators)

迭代器是一个对象，它实现了两个魔术方法，__iter__() 和 __next__()。它们使对象能够在 for 循环中使用。

1. __iter__() 返回迭代器对象本身。
2. __next__() 返回容器中的下一个值。如果容器中没有更多的项，它应该抛出 StopIteration 异常。

示例:

class Counter:
    def __init__(self, low, high):
        self.current = low
        self.high = high

    def __iter__(self):
        return self

    def __next__(self):
        if self.current > self.high:
            raise StopIteration
        else:
            self.current += 1
            return self.current - 1

c = Counter(5, 10)
for number in c:
    print(number)

Python 的内置数据结构如列表、元组等都是可迭代的。当你在这些结构上使用 iter() 函数时，它返回一个迭代器，该迭代器定义了访问容器内容的方式。

生成器 (Generators)

生成器是一种特殊类型的迭代器，更简洁且更便于使用。与迭代器相比，生成器的创建不需要实现 __iter__() 和 __next__() 方法。相反，你只需要使用一个函数，该函数包含一个或多个 yield 语句。

1. 当调用一个生成器函数时，它返回一个生成器对象，但不立即执行函数。
2. 当 __next__() 被调用时，函数从上次暂停的地方开始执行，直到遇到 yield 语句。

示例:

def counter(low, high):
    while low <= high:
        yield low
        low += 1

for number in counter(5, 10):
    print(number)

除了上述的生成器函数，你还可以使用生成器表达式创建生成器，这与列表推导式类似，但使用圆括号而非方括号。

squared_numbers = (x*x for x in range(5))
for num in squared_numbers:
    print(num)

总结:

• 迭代器和生成器都允许你迭代数据，但生成器更为简洁，并且更易于编写和理解。
• 生成器是懒惰的，这意味着它们仅在需要时才生成值，这在处理大数据集时很有用，因为你不需要在内存中存储所有的值。
• 迭代器和生成器都是一次性使用的，这意味着一旦你迭代过它们，你不能重新开始或回退（除非你重新创建迭代器或生成器）。