【Python--迭代器和生成器的区别】

🚀 作者 ：“码上有前”
🚀 文章简介 ：Python
🚀 欢迎小伙伴们 点赞👍、收藏⭐、留言💬

往期内容

【Python–vscode常用快捷键，必收藏！】
【Python–代码规范 】
【Python --优雅代码写法】
【Python–Python2.x与Python3.x的区别】
【Python–Web应用框架大比较】
【Python—内置函数】
【Python—六大数据结构】
【python–迭代生成器闭包面向对象继承多态】
【Python–定时任务的四种方法】
【Python–迭代器和生成器的区别】
【Python–读写模式全解】
【Python–高级教程】
【Python–网络编程之DHCP服务器】
【Python–网络编程之Ping命令的实现】
【Python–网络编程之TCP三次握手】

迭代器

在 Python 中，迭代器（iterator）是访问集合元素的一种方式，它可以遍历一个序列中的元素，而无需事先确定序列的大小（即无需全部载入到内存中），且支持惰性求值。使用迭代器可以大大减少内存的开销，提高程序的运行效率。

迭代器提供了一种遍历数据集合的统一接口，可以让我们在访问集合元素时避免直接使用索引，从而使代码更加简洁和易于理解。有迭代器接口的对象可以使用for…in

同时也可以通过内置函数去判断一个类型的变量是否可迭代和是否是迭代器

以下列举可迭代的数据类型：

要创建一个迭代器，需要先创建一个可迭代对象（iterable），即实现了 iter() 方法的对象。在这个可迭代对象中，通过定义一个 next() 方法来实现迭代过程。当迭代到最后一个元素后，再次调用 next() 方法时，会触发 StopIteration 异常，表示迭代完成。

例如，可以使用 for 循环来遍历一个列表对象，这里的列表是一个可迭代对象

list_obj = [1, 2, 3, 4, 5]
for i in list_obj:
    print(i)

上述代码中，通过 for 循环遍历了列表对象 list_obj，并输出了其中的每一个元素。

如果需要手动创建一个迭代器，可以使用 iter() 函数来实现，例如：

list_obj = [1, 2, 3, 4, 5]
iter_obj = iter(list_obj)

print(next(iter_obj))  # 输出 1
print(next(iter_obj))  # 输出 2
print(next(iter_obj))  # 输出 3

上述代码先通过 iter() 函数创建了一个迭代器 iter_obj，然后使用 next() 函数来获取每个元素，并输出了这些元素。

除了列表对象，其他的一些对象，比如文件对象，也是可迭代对象，例如：

# 打开一个文件，读取其中的内容
with open('sample.txt', 'r') as f:
    for line in f:
        print(line)

述代码中，通过 with 语句打开了一个文件，然后通过 for 循环和文件对象的迭代接口，遍历了文件中的每一行并输出了它们。

迭代器是 Python 中非常重要且常用的概念，掌握了它的使用方法，可以大大提高程序的效率和灵活性。

生成器

在 Python 中，生成器（generator）是一种特殊的迭代器，它是通过函数来实现的。与普通函数不同的是，生成器函数在执行过程中可以中断，并且可以在需要时继续执行，从而实现了一种基于函数的惰性求值。

生成器函数的特点是在函数体中通过关键字 yield 来定义生成器的迭代内容，每次执行生成器时，函数会从上一次 yield 语句处继续执行，直到遇到下一个 yield 语句或者函数结束。通过这种方式，可以动态地生成数据，而不必将所有数据一次性载入内存，从而减少了内存的开销。

下面给出一个简单的生成器函数的例子，该函数可以生成一个从 0 开始的整数序列：

def generator():
    i = 0
    while True:
        yield i
        i += 1

上述代码中，通过 yield 语句来定义了一个生成器函数，每次生成一个从 0 开始递增的整数，而函数本身并不返回任何值，而是通过 yield 语句来产生数据。该函数无限循环，直到程序被终止或者出现异常。

生成器函数的调用类似于函数的调用，只不过需要将函数名后面的圆括号替换为方括号，例如：

g = generator()
next(g)  # 输出 0
next(g)  # 输出 1
next(g)  # 输出 2

上述代码中，首先创建了一个生成器对象 g，然后调用 next() 函数来获取生成器的下一个值，每次调用时生成器函数都会从上一次执行的位置继续运行，并生成一个新的整数。

生成器在 Python 中的应用非常广泛，比如在处理大数据集、并发编程和协程等方面都有很多的应用。因为生成器提供了一种比较简洁、高效的方法来生成数据，可以在一定程度上优化程序的性能。

迭代器与生成器的区别与联系

迭代器和生成器都是 Python 中用于实现惰性求值的重要机制，它们可以使程序在处理大数据集等情况下更加高效。

迭代器是一种特殊的对象，它可以被用于遍历序列中的元素，而无需事先确定序列的大小。对于迭代器对象，可以通过调用 iter() 函数来进行创建，然后通过 next() 函数来获取序列中的每一个元素，直到序列结束。通常情况下，我们使用 for 循环来遍历迭代器对象，因为 for 循环使用了迭代器对象的相关方法，比如 iter() 和 next() 方法。

而生成器则是一种特殊的函数，它可以实现依次生成惰性计算结果的能力。在生成器函数中，我们使用 yield 语句来实现对序列的依次生成。每次调用生成器函数时，程序会在 yield 语句处暂停执行，并返回一个生成器对象。通过调用生成器对象的 next() 或者 send() 方法，可以使程序从上一次暂停的位置继续执行，并生成下一个值。换句话说，我们可以通过生成器函数来自定义迭代器，而且它更加灵活。

在语法上，迭代器和生成器最大的区别在于，生成器使用关键字 yield 来实现惰性计算，而迭代器没有这个关键字。此外，生成器还可以使用函数的方法来定义，而对于迭代器，我们通常是手动定义 iter() 和 next() 这两个特殊方法来实现。

最后，需要注意的是，虽然迭代器和生成器都可以实现惰性计算，但它们之间还是有一些区别的。迭代器通常更加简单，而且可以在需要时手动控制序列的遍历过程，而生成器则更加灵活和高效，因为它可以在函数内部维护状态，并随时暂停和恢复运行。总之，在不同的场景下，根据实际需求选择使用适当的方法可以使程序更加高效。