python高阶应用——迭代器和生成器

qq_45075570

已于 2024-04-11 14:58:15 修改

阅读量542

点赞数 9

文章标签： python 开发语言

于 2024-04-10 17:47:50 首次发布

本文链接：https://blog.csdn.net/qq_45075570/article/details/137605304

版权

本文详细比较了Python中迭代器和生成器的概念，强调了它们的定义、特点、实现方式以及在性能、状态保持和语法上的差异。生成器因其简洁性和性能优势而更适用于简单的迭代任务，而迭代器则提供了更多定制选项。

摘要由CSDN通过智能技术生成

在 Python 中，迭代器（Iterators）和生成器（Generators）是两个紧密相关的概念，它们都用于迭代一系列的值。不过，它们之间有一些关键的区别。

1.迭代器（Iterators）

1.1 迭代器的定义

迭代器是遵守迭代器协议的对象，这意味着它们实现了两个特殊方法：__iter__() 和 __next__()。

__iter__() 方法返回迭代器对象本身。这通常用于 for 循环和其他迭代环境。
__next__() 方法返回迭代器的下一个元素。如果没有元素可以返回，这个方法应该抛出一个 StopIteration 异常。
任何实现了这两个方法的对象都可以被称作迭代器。

1.2 迭代器的特点

惰性求值：迭代器只在需要返回下一个元素时才计算该元素，这意味着它们非常适合处理大型数据集，因为它们不需要在开始迭代前将所有元素加载到内存中。
状态保持：迭代器会保持当前的状态，记录下一次调用 __next__() 时需要返回的元素。
可耗尽性：一旦所有元素都被返回，迭代器就会抛出 StopIteration 异常，表明迭代已经结束。此后再调用 __next__() 将不会返回新的值。

1.3 迭代器的实现

在 Python 中，迭代器是遵循迭代器协议的对象，它必须实现两个方法：__iter__() 和 __next__()。__iter__() 方法返回迭代器对象本身，__next__() 方法返回容器中的下一个元素。
1.3.1 使用内置类型创建迭代器
Python 的内置容器类型（如列表、元组、字典、集合等）都是可迭代的，因此可以直接使用内置的 iter() 函数来获取它们的迭代器。

# 这是一个列表
my_list = [1, 2, 3, 4]

# 获取列表的迭代器
my_iter = iter(my_list)

# 使用 next() 来访问迭代器的下一个元素
print(next(my_iter))  # 输出 1
print(next(my_iter))  # 输出 2
# ...以此类推，直到 StopIteration 异常被抛出

1.3.2实现自定义迭代器

你可以定义一个类，实现 __iter__() 和 __next__() 方法来创建一个迭代器。

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

# 创建迭代器
counter = Counter(3, 8)

# 使用 next() 访问迭代器的下一个元素
print(next(counter))  # 输出 3
print(next(counter))  # 输出 4
# ...以此类推，直到 StopIteration 异常被抛出

在上面的例子中，Counter 类定义了一个从 low 到 high 的迭代器。每次调用 next()
时，__next__() 方法都会被调用，返回当前值并递增，直到达到 high 值。

**自定义迭代器的例子：**
class Repeater:
    def __init__(self, value):
        self.value = value

    def __iter__(self):
        return self

    def __next__(self):
        return self.value

# 使用自定义迭代器
repeater = Repeater('Hello')
for item in repeater:  # 这个循环将无限进行，因为迭代器总是返回相同的值
    print(item)

1.3.3 使用生成器创建迭代器
生成器是一种特殊的迭代器，你可以使用生成器函数或生成器表达式来创建它。

2.生成器（Generators）

2.1生成器含义

生成器是一种特殊类型的迭代器，更容易创建且更节省内存。生成器函数使用 yield 语句来产生一系列的值。当生成器函数被调用时，它不会立即执行，而是返回一个生成器对象。只有当使用 next() 函数或在 for 循环中迭代时，函数才会执行。

生成器函数的一个关键特性是，局部变量和执行状态都在每次调用之间自动保存，这使得函数能够在每次 yield 之后暂停并在下一次 next() 调用时恢复。

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

# 使用生成器
for c in counter(1, 3):
    print(c)  # 输出 1, 2, 3

2.1 生成器特点

简洁的语法：使用 yield 关键字可以避免编写繁琐的 __iter__() 和 __next__() 方法。
自动状态保持：生成器自动保存局部变量的状态，每次从 yield 返回时，都会保留函数的执行状态。
惰性求值：生成器也是惰性的，它们只在迭代到特定位置时才计算值。
在上面的例子中，counter 函数是一个生成器函数，它产生从 low 到 high 的整数序列。每次 for 循环迭代时，它都会执行到下一个 yield 语句，然后暂停，直到下一次迭代。

2.3 生成器的实现

生成器是一种特殊的迭代器，它更容易创建且使用起来更简洁。生成器可以通过两种方式创建：

生成器函数：这是一个包含 yield 表达式的普通函数。当调用生成器函数时，它返回一个生成器对象，但并不立即执行函数体内的代码。

def fib(limit):
    # 斐波那契数列生成器函数
    a, b = 0, 1
    while a < limit:
        yield a
        a, b = b, a + b

# 使用生成器函数
for i in fib(10):
    print(i)  # 会输出斐波那契数列中小于10的数

生成器表达式：
这是一种类似于列表推导的语法，但它使用圆括号而不是方括号。生成器表达式返回一个生成器对象。

# 生成器表达式
squares = (x*x for x in range(10))

# 使用生成器表达式
for num in squares:
    print(num)  # 会输出0到81的平方数

3.迭代器与生成器区别

生成器和迭代器都是用于迭代一系列值的，但它们在实现和使用上有所不同。下面详细描述它们之间的区别：

3.1 实现方式

迭代器：

迭代器通常需要定义一个类，至少实现 __iter__() 和 __next__() 方法。
__iter__() 方法返回迭代器对象本身。
__next__() 方法返回序列的下一个元素。如果没有元素可以返回，它必须抛出 StopIteration 异常。

生成器：

生成器是通过在函数中使用 yield 语句自动实现迭代器接口的函数。
生成器函数被调用时，它返回一个生成器对象，但不立即执行函数体。
yield 语句用于函数中返回一个值，并暂停函数的执行，直到生成器的 __next__() 方法再次被调用。

3.2使用简便性

迭代器：

实现一个迭代器可能需要更多的代码，因为需要显式编写一个类，处理内部状态，并且要正确处理 StopIteration 异常。

生成器：

生成器使用起来通常更加简单，因为不需要写类，也不需要处理 StopIteration 异常。状态的保存和恢复是自动进行的。

3.3性能

迭代器和生成器在性能上通常是相似的，因为它们都是惰性计算，按需产生元素。不过，由于生成器的实现更加简洁，编写生成器函数通常更快，并且在阅读和维护代码时也更容易。

3.4状态保持

迭代器：

迭代器可以保持复杂的状态，因为它是一个完整的对象。你可以在迭代器类中定义多个方法和属性以保存其状态。

生成器：

生成器自动保持它们在函数中的状态。当生成器函数中的 yield 被执行时，所有局部变量都会被保存下来，并在下一次 __next__() 调用时恢复。