在 Python 中，迭代器和生成器是处理数据序列的强大工具。它们允许您迭代数据，而无需将整个序列存储在内存中。本博客将以简单易懂的方式并结合实际示例来解释迭代器和生成器。

1.什么是迭代器？

定义： 迭代器是 Python 中的一种对象，它允许您一次遍历集合（如列表或元组）的所有元素。它遵循迭代器协议，其中包括实现两个方法： __iter__() 和 __next__().

迭代器如何工作：

• __iter__()：该方法返回迭代器对象本身。

• __next__()：此方法返回集合中的下一个值。如果没有更多项目可返回，则会引发 StopIteration 异常。

自定义迭代器示例：

class MyIterator:
    def __init__(self, data):
        self.data = data
        self.index = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.index 



输出：



1
2
3




说明： 在此示例中，MyIterator 是一个自定义迭代器类，用于迭代数字列表。 __next__() 方法返回列表中的下一个项目，并在没有更多项目可返回时引发 StopIteration。


  
  
  内置集合的默认迭代器


Python 为内置集合（例如列表、元组、字典和集合）提供默认迭代器。您可以使用 iter 函数从这些集合中获取迭代器，然后使用 next 迭代它们。


  
  
  带有列表的示例：




my_list = [1, 2, 3]
my_iter = iter(my_list)

print(next(my_iter))  # Output: 1
print(next(my_iter))  # Output: 2
print(next(my_iter))  # Output: 3
# print(next(my_iter))  # This will raise StopIteration





  
  
  2.什么是生成器？


定义：生成器是Python中一种特殊类型的迭代器，使用函数和yield关键字定义。生成器允许您迭代一系列值，而无需将它们一次全部存储在内存中，从而使它们比列表更节省内存。

发电机如何工作：

• Yield：yield 关键字用于生成一个值并暂停函数，保存其状态。当再次调用生成器时，它会从中断处恢复执行。

例子：

def my_generator():
    yield 1
    yield 2
    yield 3

gen = my_generator()
for item in gen:
    print(item)

输出：

1
2
3

说明： 在此示例中，my_generator 是一个生成器函数，它一一生成三个值。每次调用 Yield 都会生成一个值并暂停该函数，直到请求下一个值。

3. 使用发电机的好处

内存效率： 生成器动态生成值，并不将整个序列存储在内存中，这使得它们非常适合处理大型数据集或数据流。

例子：

def large_sequence():
    for i in range(1, 1000001):
        yield i

gen = large_sequence()
print(next(gen))  # Output: 1
print(next(gen))  # Output: 2

说明：该生成器生成一百万个数字的序列，而不将它们全部存储在内存中，展示了其内存效率。

4. 迭代器和生成器的用例

迭代器：

• 自定义可迭代对象：当您需要对迭代逻辑进行更多控制时。

• 无限序列：生成无限序列的值，例如来自传感器的数据。

发电机：

• 惰性评估：一次处理一项大型数据集。

• 管道：构建以流方式处理数据的数据处理管道。

5. 生成器表达式

定义： 生成器表达式提供了一种创建生成器的简洁方法。它们与列表推导式类似，但使用括号而不是方括号。

例子：

gen_exp = (x * x for x in range(5))
for value in gen_exp:
    print(value)

输出：

0
1
4
9
16

解释： 该生成器表达式创建一个生成器，生成 0 到 4 之间的数字的平方。

6. 实例和最佳实践

示例1：读取大文件

def read_large_file(file_path):
    with open(file_path, 'r') as file:
        for line in file:
            yield line

for line in read_large_file('large_file.txt'):
    print(line.strip())

说明： 该生成器函数逐行读取一个大文件，一次生成一行。它具有内存效率，因为它不会将整个文件加载到内存中。

示例2：斐波那契数列

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a   b

fib = fibonacci()
for _ in range(10):
    print(next(fib))

输出：

0
1
1
2
3
5
8
13
21
34

解释： 该生成器函数生成无限的斐波那契数列。它演示了如何使用生成器来生成可能无限的值序列。

7. 面试问答

1. Python中的迭代器是什么？

* An iterator is an object that allows you to traverse through all the elements of a collection one at a time, implementing the `__iter__()` and `__next__()` methods.

1. Python 中的生成器是什么？

* A generator is a special type of iterator defined using a function and the `yield` keyword, allowing you to generate values on the fly without storing them all in memory.

1. 使用发电机有什么好处？

* Generators are memory-efficient, as they generate values on the fly. They are useful for processing large datasets, building data pipelines, and working with potentially infinite sequences.

1. 生成器表达式与列表推导式有何不同？

* Generator expressions use parentheses and produce values one at a time, whereas list comprehensions use square brackets and generate the entire list in memory.