一、迭代器(Iterator)
迭代器是一个遵循迭代器协议的对象,这意味着它实现了两个基本的方法:
__iter__()
:当需要获取迭代器时被调用,它应该返回迭代器对象本身。__next__()
:返回容器中的下一个元素。当没有更多元素时,它应该抛出一个StopIteration
异常来表示迭代结束。
迭代器允许你使用 for
循环来遍历数据集合,而不需要知道集合的大小或者如何获取下一个元素。迭代器模式提供了一种统一的方式来处理不同的数据类型。示例代码如下:
class MyRange:
def __init__(self, start, end):
self.start = start
self.end = end
def __iter__(self):
return self
def __next__(self):
if self.start >= self.end:
raise StopIteration
else:
current = self.start
self.start += 1
return current
# 使用迭代器
my_range = MyRange(0, 5)
for number in my_range:
print(number)
运行结果为:0 1 2 3 4
二、生成器
生成器可以暂时挂起函数,并保留函数的局部变量等数据,然后在再次调用它的时候,从上次暂停的位置继续执行下去。是通过在函数中使用 yield
语句创建的。当函数执行到 yield
语句时,它会返回 yield
后面的表达式的值,并在下一次从生成器获取值时从该点继续执行。
生成器的优点包括:
- 惰性计算:生成器只在需要时产生值,这使得它们非常适合处理大数据集或无限序列。
- 内存效率:生成器不需要一次性将所有值存储在内存中,而是按需生成和使用。
- 简洁的语法:使用生成器表达式(generator expressions)可以以一种简洁的方式创建生成器。
示例代码如下:
def my_range(start, end):
current = start
while current < end:
yield current
current += 1
# 使用生成器
for number in my_range(0, 5):
print(number)
运行结果为:0 1 2 3 4
除了使用for循环进行遍历以外,还可以使用next()函数,会得到同样的效果,例如这里next(my_range)替代for循环会得到相同的结果。