生成器与迭代器

极客资料网推荐生成器与迭代器这篇文章给大家，欢迎收藏极客资料网享受知识的乐趣

在Python中，迭代器和生成器是处理数据流的灵魂，它们的核心目标只有一个————节省内存。

迭代器（Iterator）

直观解释：

• 迭代器就是能够将一堆数据一个个吐出来的对象，而不是一次性输出。
• 比如：

nums = [1, 2, 3]
it = iter(nums)  # 获取迭代器

print(next(it))  # 1
print(next(it))  # 2
print(next(it))  # 3

本质定义：

• 任何一个对象要想成为迭代器，需要满足以下两个方法：

__iter__()   # 返回自身
__next__()   # 返回容器的下一个元素。如果没有元素了，则抛出 StopIteration 异常。

自定义生成器

class MyIterator:
    def __init__(self, n):
        self.n = n
        self.cur = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.cur < self.n:
            self.cur += 1
            return self.cur
        else:
            raise StopIteration


if __name__ == '__main__':
    it = MyIterator(3)
    for i in it:
        print(i)

• 结果：
  

特点：

• 惰性计算（用一个取一个）
• 节省内存
• 只能往前走，不能回退

---

生成器（Generator）

直观理解：

• 生成器是“自动帮你写好的迭代器”。不用写 next，Python帮你做。
• 因此生成器也是一种特殊的迭代器。

定义方式：

1. 使用yield关键字

def gen():
    yield 1
    yield 2
    yield 3


if __name__ == '__main__':
    g = gen()
    print(g)
    print(next(g))
    print(next(g))
    print(next(g))

• 结果：
  
• 执行过程：函数执行到 yield 关键字
  • 暂停
  • 返回当前值
  • 下次从暂停位置继续

2. 生成器表达式（类似列表推导式）

g = (x*x for x in range(5))

• 对比：

[x*x for x in range(5)]  # 列表（一次性全部生成）
(x*x for x in range(5))  # 生成器（按需生成）

---

两者对比

对比点	迭代器	生成器
定义方式	类实现	yield / 表达式
实现难度	高	非常简单
本质	手写迭代逻辑	自动生成迭代器
是否惰性	是	是
是否是迭代器	✔	✔（生成器本身就是迭代器）

• 总结：生成器 = 更高级、更方便的迭代器

可迭代对象 (Iterable)

• 可迭代对象 (Iterable): 像 list, dict, str 这种可以用 for 循环遍历的都是可迭代对象，但它们不是迭代器。
• Python 规定：一个对象内部实现了 iter() 方法，就是可迭代对象。
• 转换: 可以用 iter() 函数把可迭代对象转成迭代器。

三者之间的关系：

可迭代对象 Iterable
      ↓ 调用 __iter__() 可以得到
迭代器 Iterator
      ↓ 生成器是它的子类
生成器 Generator

yield和return的区别

特性	return	yield
函数性质	普通函数	生成器函数 (Generator)
退出机制	彻底结束：函数执行完毕，销毁局部变量	暂停执行：挂起函数，保存当前所有状态
返回值次数	只能返回 1 次（或者返回一个包含多数据的元组）	可以返回多次（每次调用返回一个值）
状态保存	不保存状态，下次调用从头开始	自动保存：下次调用从上次停止的地方继续
内存占用	高（一次性返回所有数据）	低（按需生成，一次只占一个值的空间）

举例：

• 当你调用一个带 return 的函数时，它会从第一行开始运行，直到遇到 return。一旦 return 执行，函数就把结果扔给调用者，然后原地解散，内存中的局部变量全部回收。

def normal_func():
    return "第一步"
    return "第二步"  # 永远不会被执行

print(normal_func()) # 输出: 第一步

• 当你调用带 yield 的函数时，它并不会立即执行代码，而是返回一个生成器对象。每次你对这个对象执行 next()，它就运行到下一个 yield 处，把值交给你，然后原地休眠。它会记住所有的变量、当前的循环进度和执行行数。

def generator_func():
    yield "第一步"
    yield "第二步"
    yield "第三步"

gen = generator_func()
print(next(gen)) # 输出: 第一步 (函数在此处暂停)
print(next(gen)) # 输出: 第二步 (函数从刚才暂停的地方恢复)

• 在 Python 3.3 之后，同一个函数里可以同时出现 return 和 yield：
  • yield 负责产生数据流。
  • return 负责彻底结束生成器。如果在生成器中执行了 return value，这实际上会引发一个 StopIteration 异常，并将 value 作为异常的说明信息。

文章来源:https://www.cnblogs.com/xi-yongqi/p/19918581
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！