python range返回_迭代器 VS 生成器：Python告诉你！

最近有读者留言，问小编生成器与迭代器有什么区别，小编坦言玩了将近两年的python，还真没有直接用过生成器和迭代器的相关方法和协议，我也是恶补了两天，将我了解到的生成器和迭代器致使给大家讲一讲：

先说说迭代器(iterator)，迭代器是访问可迭代对象的工具，是指用iter(obj)函数返回的对象(实例)，并用next(it)函数获取可迭代对象的数据。关于迭代器函数iter，其语法为：it=iter(iterable)从可迭代对象中返回一个迭代器，iterable必须是可迭代对象，而python数据类型都可以作为可迭代对象使用，此外range函数也是可迭代对象，而next(it)方法是指从迭代器iterator中获取下一个记录，如果无法获取下一条记录，则触发StopIterator错误，下面就是一个简单的迭代器函数iter示例：

迭代器函数

可以发现，迭代器只能向前取值，不能后退，next方法使用一次，就代表指针向前进一，如果迭代器无法获取下一条记录，则会触发StopIterator错误，于是小编有个不成熟的想法，python的for循环是不是可以用迭代器+while模拟一下，因为for循环对象也是可迭代对象，但与迭代器不同的是，for循环越界时并不会报错，下面是相关代码：

迭代器+while模拟for循环

因此for语句的本质可能就是while循环+迭代器，for语句里先从可迭代对象中返回一个迭代器，对迭代器执行next方法，如果触发StopIterator异常，迭代器则生成完毕，而代码中的print输出，在for循环里可以通过else语句体现，打印print("循环结束")。

下面解释一下什么是生成器，生成器是能够动态提供数据的对象，生成器对象也是可迭代对象(实例)，生成器主要有两种，一种是生成器函数，一种是生成器表达式。那什么是生成器函数呢？含有yield语句的函数就是生成器函数，此函数被调用将返回一个生成器对象，可以迭代器调用，可以直接使用next()方法，也可以for循环使用，代码如下：

生成器函数

可以看出，生成器对象是一个可迭代对象，可以通过迭代器调用，也可以for循环使用，下面再举一个生成器例子，写一个生成器函数myeven(start, stop) ，此函数用来被生成从start开始到stop结束(不包含)区间内的一系列偶数，代码如下：

生成器示例-生成偶数

相信大家还记得range()函数吧，作为一个可迭代对象，可以和for循环配合生成随机数，而range()函数的本质可以模拟成一个生成器对象。前面已经说过，语法for i in range(num)输出i相当于迭代器的next函数，一直往前执行，找range()函数要i，执行到yield语句时，生成一个i，立即返回给i，这时继续找range()函数要i，继续执行i+=1，说白了，range()函数没有结束，而是两个循环一前一后相互执行，称之为协程，而当yield不能再提供i时，会触发一个StopIteration异常，结束执行！

那解释一下生成器的另外一种形式：生成器表达式。生成器对象 = ( 表达式 for 变量 in 可迭代对象 if 真值表达式) ，其中，if子句可以省略，相当于用推导式的形式创建一个新的生成器，生成器表达式和生成器函数一样，都是生成一个生成器对象，而括号只是一个生成器工具，是指有需要生成元素时，将for循环每生成的一个元素作为x传递给next(it)，具体看代码：

生成器表达式

生成器的最大好处就在于用多少，生成多少，既保留了当前状态，下次又可在另外一个地方调用它，它会继续按以前状态继续执行下去，这对于数据量很大的程序有很大的用处。接着我们来看一个高级一点的，这里我们以产生斐波那契数列的前40个数为例，一般的方法都会产生大量的重复计算，生成的大量数据会占满内存，但是我们的生成器就可以完美解决这个问题。我们可以产生一个生成器，需要多少取多少即可，直接上代码：

斐波那契数列

受制于水平的有限，这里将迭代器和生成器进行了简单的对比，而生成器的主要优势在于随用随时生成，不占用内存，尤其是在生成一个无穷数列的时候作用明显，不过小编想说，无论是用生成器生成数据，还是用递归或是其他方法，代码逻辑才是最重要的。需要交流和切磋的读者朋友，请在评论区积极留言，欢迎关注头条号：杜哥说python。