Python入门：Python3 迭代器与生成器全面学习教程

原创于 2025-08-16 08:32:59 发布 · 10w+ 阅读

135

133 ·

CC 4.0 BY-SA版权

文章标签：

#python #学习 #开发语言 #迭代器 #生成器 #python3 #教程

Python入门专栏收录该内容

51 篇文章

订阅专栏

该文章已生成可运行项目，

在这里插入图片描述

Python入门：Python3 迭代器与生成器全面学习教程

Python入门：Python3 迭代器与生成器全面学习教程，本文详细讲解了 Python3 中迭代器与生成器的相关知识。迭代器是能记住遍历位置的对象，可通过 iter () 和 next () 方法操作，也能用 for 循环遍历，还可自定义，需实现iter__() 与__next__() 方法并处理 StopIteration 异常。生成器是含 yield 的特殊函数，返回迭代器，能逐步产生值，更简洁高效，适合处理大量数据。文中还对比了二者特性及适用场景，助力读者掌握这两种核心迭代机制。

在这里插入图片描述

前言

Python作为一门简洁、易读、功能强大的编程语言，其基础语法是入门学习的核心。掌握好基础语法，能为后续的编程实践打下坚实的基础。本文将全面讲解Python3的基础语法知识，适合编程初学者系统学习。Python以其简洁优雅的语法和强大的通用性，成为当今最受欢迎的编程语言。本专栏旨在系统性地带你从零基础入门到精通Python核心。无论你是零基础小白还是希望进阶的专业开发者，都将通过清晰的讲解、丰富的实例和实战项目，逐步掌握语法基础、核心数据结构、函数与模块、面向对象编程、文件处理、主流库应用（如数据分析、Web开发、自动化）以及面向对象高级特性，最终具备独立开发能力和解决复杂问题的思维，高效应对数据分析、人工智能、Web应用、自动化脚本等广泛领域的实际需求。

在这里插入图片描述

🥇 点击进入Python入门专栏，Python凭借简洁易读的语法，是零基础学习编程的理想选择。本专栏专为初学者设计，系统讲解Python核心基础：变量、数据类型、流程控制、函数、文件操作及常用库入门。通过清晰示例与实用小项目，助你快速掌握编程思维，打下坚实根基，迈出自动化办公、数据分析或Web开发的第一步。

🥇 点击进入Python小游戏实战专栏，寓教于乐，用Python亲手打造经典小游戏！本专栏通过开发贪吃蛇、飞机大战、猜数字、简易版俄罗斯方块等趣味项目，在实践中掌握Python核心语法、面向对象编程、事件处理、图形界面（如Pygame）等关键技能，将枯燥的代码学习转化为可见的成果，让学习编程充满乐趣与成就感，快速提升实战能力。

🥇 点击进入Python小工具实战专栏，告别重复劳动，用Python打造效率神器！本专栏教你开发文件批量处理、自动邮件通知、简易爬虫、桌面提醒、密码生成器、天气查询等实用小工具。聚焦os、shutil、requests、smtplib、schedule等核心库，通过真实场景案例，快速掌握自动化脚本编写技巧，解放双手，显著提升工作与生活效率，让代码真正服务于你的日常。

🥇 点击进入Python爬虫实战专栏，解锁网络数据宝库！本专栏手把手教你使用Python核心库（如requests、BeautifulSoup、Scrapy）构建高效爬虫。从基础网页解析到动态页面抓取、数据存储（CSV/数据库）、反爬策略应对及IP代理使用，通过实战项目（如电商比价、新闻聚合、图片采集、舆情监控），掌握合法合规获取并利用网络数据的核心技能，让数据成为你的超能力。

🥇 点击进入Python项目实战专栏，告别碎片化学习，挑战真实项目！本专栏精选Web应用开发（Flask/Django）、数据分析可视化、自动化办公系统、简易爬虫框架、API接口开发等综合项目。通过需求分析、架构设计、编码实现、测试部署的全流程，深入掌握工程化开发、代码复用、调试排错与团队协作核心能力，积累高质量作品集，真正具备解决复杂问题的Python实战经验。

Python入门：Python3 迭代器与生成器全面学习教程

🌐 前篇文章咱们讲解了 Python入门：Python3 推导式全面学习教程，如果忘记了，可以去重温一下，不停的重复敲击基础代码，有助于让你更加熟练掌握一门语言。今天咱们学习 Python3 迭代器与生成器全面学习教程，下面开始吧！

迭代和生成是 Python 中处理序列数据的核心机制，掌握迭代器与生成器不仅能让代码更高效，还能帮你理解 Python 底层的迭代逻辑。本文将从概念到实战，全面讲解迭代器与生成器的使用方法。

一、迭代器：遍历集合的高效工具

1. 什么是迭代器？

迭代器是一个可以记住遍历位置的对象，它从集合的第一个元素开始访问，直到所有元素被访问完结束，且只能向前遍历，不能后退。

在 Python 中，迭代器是实现了迭代协议的对象，核心特征是：

可通过 iter() 函数创建
可通过 next() 函数获取下一个元素
遍历结束时会触发 StopIteration 异常

2. 迭代器的基本使用

（1）创建迭代器

字符串、列表、元组等可迭代对象都能通过 iter() 函数创建迭代器：

# 列表创建迭代器示例
list_data = [1, 2, 3, 4]
it = iter(list_data)  # 创建迭代器对象

# 用 next() 获取元素
print(next(it))  # 输出：1
print(next(it))  # 输出：2

（2）遍历迭代器

迭代器可直接用 for 循环遍历，无需手动处理 StopIteration 异常：

list_data = [1, 2, 3, 4]
it = iter(list_data)
for x in it:
    print(x, end=" ")  # 输出：1 2 3 4

也可通过 while 循环配合 try-except 捕获异常：

import sys
list_data = [1, 2, 3, 4]
it = iter(list_data)

while True:
    try:
        print(next(it))  # 逐个获取元素
    except StopIteration:
        sys.exit()  # 遍历结束时退出

控制台输出

在这里插入图片描述

3. 自定义迭代器

通过类实现迭代器需重写两个方法：

__iter__()：返回迭代器对象本身（通常返回 self）
__next__()：返回下一个元素，遍历结束时触发 StopIteration

示例：创建一个递增数字迭代器

class MyNumbers:
    def __iter__(self):
        self.a = 1  # 初始值
        return self
    
    def __next__(self):
        if self.a <= 10:  # 限制迭代次数
            x = self.a
            self.a += 1
            return x
        else:
            raise StopIteration  # 触发停止异常

# 使用自定义迭代器
myclass = MyNumbers()
myiter = iter(myclass)
for x in myiter:
    print(x)  # 输出 1 到 10

控制台输出

在这里插入图片描述

二、生成器：简化迭代器的创建

1. 什么是生成器？

生成器是一种特殊的迭代器，通过 yield 关键字定义的函数创建。它无需手动实现 __iter__() 和 __next__() 方法，就能实现迭代功能。

生成器的核心特点：

调用生成器函数返回的是迭代器对象
通过 yield 语句暂停执行并返回值
再次调用时从上次暂停的位置继续执行

2. 生成器的基本使用

（1）简单生成器示例

def countdown(n):
    while n > 0:
        yield n  # 暂停并返回当前值
        n -= 1

# 创建生成器对象
generator = countdown(5)

# 逐步获取值
print(next(generator))  # 输出：5
print(next(generator))  # 输出：4

# 用 for 循环遍历剩余值
for value in generator:
    print(value)  # 输出：3 2 1

3. 生成器的优势

内存高效：无需一次性生成所有数据，按需产生值，适合处理大量数据
代码简洁：比自定义迭代器少写大量模板代码
无缝集成：可直接用于 for 循环、列表推导等迭代场景

4. 实战：用生成器实现斐波那契数列

斐波那契数列是生成器的经典应用场景，通过 yield 可高效生成数列：

import sys

def fibonacci(n):
    a, b, counter = 0, 1, 0
    while True:
        if counter > n:
            return  # 结束生成器
        yield a  # 返回当前斐波那契数
        a, b = b, a + b  # 计算下一组值
        counter += 1

# 使用生成器
f = fibonacci(10)  # 生成前10个斐波那契数
while True:
    try:
        print(next(f), end=" ")  # 输出：0 1 1 2 3 5 8 13 21 34 55
    except StopIteration:
        sys.exit()

控制台输出

在这里插入图片描述

三、迭代器与生成器的区别

特性	迭代器	生成器
实现方式	需手动实现 `__iter__()` 和 `__next__()`	通过 `yield` 关键字自动实现
内存占用	需自定义控制数据生成逻辑	自动按需生成，内存更高效
使用场景	复杂迭代逻辑（如自定义集合）	简单序列生成（如数列、数据流）

总结

迭代器和生成器是 Python 迭代机制的核心，迭代器适合自定义复杂遍历逻辑，生成器则是简化迭代器创建的高效工具。掌握它们不仅能提升代码性能，还能让你写出更 Pythonic 的代码。建议多通过实战练习（如处理大文件、生成无限序列）加深理解。

💡下一篇咱们学习 Python3 with关键字全面学习教程！

附录：扩展学习资源

官方资源：
- Python官网：https://www.python.org
- PyPI：https://pypi.org（查找第三方库）
- 安装包等相关文件（另附带pycharm工具），网盘下载地址：https://pan.quark.cn/s/649af731037c
- 学习资料视频和文档资源，网盘下载地址： https://pan.quark.cn/s/ee16901a8954
本专栏特色资源：
- 代码资源仓库：CSDN专属资源在线获取
- 海量Python教程：关注公众号：xcLeigh，获取网盘地址
- 一对一答疑：添加微信与博主在线沟通（备注“Python专栏”）

联系博主

xcLeigh 博主，全栈领域优质创作者，博客专家，目前，活跃在CSDN、微信公众号、小红书、知乎、掘金、快手、思否、微博、51CTO、B站、腾讯云开发者社区、阿里云开发者社区等平台，全网拥有几十万的粉丝，全网统一IP为 xcLeigh。希望通过我的分享，让大家能在喜悦的情况下收获到有用的知识。主要分享编程、开发工具、算法、技术学习心得等内容。很多读者评价他的文章简洁易懂，尤其对于一些复杂的技术话题，他能通过通俗的语言来解释，帮助初学者更好地理解。博客通常也会涉及一些实践经验，项目分享以及解决实际开发中遇到的问题。如果你是开发领域的初学者，或者在学习一些新的编程语言或框架，关注他的文章对你有很大帮助。

亲爱的朋友，无论前路如何漫长与崎岖，都请怀揣梦想的火种，因为在生活的广袤星空中，总有一颗属于你的璀璨星辰在熠熠生辉，静候你抵达。

愿你在这纷繁世间，能时常收获微小而确定的幸福，如春日微风轻拂面庞，所有的疲惫与烦恼都能被温柔以待，内心永远充盈着安宁与慰藉。

至此，文章已至尾声，而您的故事仍在续写，不知您对文中所叙有何独特见解？期待您在心中与我对话，开启思想的新交流。

💞 关注博主 🌀 带你实现畅游前后端！

🏰 大屏可视化 🌀 带你体验酷炫大屏！

💯 神秘个人简介 🌀 带你体验不一样得介绍！

🥇 从零到一学习Python 🌀 带你玩转Python技术流！

🏆 前沿应用深度测评 🌀 前沿AI产品热门应用在线等你来发掘！

💦 注：本文撰写于CSDN平台,作者：xcLeigh（所有权归作者所有） ，https://xcleigh.blog.csdn.net/，如果相关下载没有跳转，请查看这个地址，相关链接没有跳转，皆是抄袭本文，转载请备注本文原地址。

在这里插入图片描述