Python 生成器与迭代器详解

在 Python 中，生成器和迭代器是处理大量数据时的强大工具。它们能够帮助我们节省内存，避免一次性加载过多数据。生成器通过 yield 关键字实现，允许我们逐步产生数据，而迭代器通过实现特定的接口（__iter__ 和 __next__）定义对象的迭代行为。本文将深入探讨生成器与迭代器的概念、使用方法和实现方式。

---

1. 生成器（Generator）

生成器是一个特殊的迭代器，它的特点是延迟计算和惰性求值。生成器函数在执行时不会立即计算出所有结果，而是根据需要逐个生成结果，适用于需要大量数据但又不希望一次性全部加载的场景。

1.1 使用 yield 关键字

生成器函数与普通函数的区别在于，它包含 yield 关键字。当 Python 执行到 yield 时，会暂停当前函数的执行，并返回 yield 后面的值。下一次调用生成器时，它会从上次 yield 停止的地方继续执行。

def my_generator():yield 1yield 2yield 3# 使用生成器
gen = my_generator()
print(next(gen))  # 输出 1
print(next(gen))  # 输出 2
print(next(gen))  # 输出 3

输出：

1
2
3

1.2 for 循环与生成器

生成器可以与 for 循环结合使用，自动管理迭代的状态，直到没有值为止：

def my_generator():yield 1yield 2yield 3for value in my_generator():print(value)

输出：

1
2
3

1.3 优势与特点

• 节省内存：生成器只在需要时才计算出一个元素，避免了创建整个数据结构（如列表）导致的内存消耗。
• 惰性求值：生成器不会一次性计算所有结果，而是按需计算，有助于提高程序性能。
• 可暂停和恢复：生成器可以在中途暂停（yield），并在需要时从暂停处继续执行。

---

2. 迭代器（Iterator）

迭代器是一种设计模式，定义了如何逐个访问一个集合的数据。Python 中的迭代器对象需要实现 __iter__() 和 __next__() 方法。

2.1 定义自定义迭代器

通过实现 __iter__() 和 __next__() 方法，可以创建自己的迭代器对象。__iter__() 返回迭代器本身，而 __next__() 返回当前元素，并在结束时抛出 StopIteration 异常以通知迭代结束。

class MyIterator:def __init__(self, start, end):self.current = startself.end = enddef __iter__(self):return self  # 迭代器返回自身def __next__(self):if self.current >= self.end:raise StopIteration  # 结束迭代self.current += 1return self.current - 1# 使用自定义迭代器
iterator = MyIterator(1, 4)
for value in iterator:print(value)

输出：

1
2
3

2.2 __iter__() 和 __next__() 方法详解

• __iter__()：该方法返回一个迭代器对象。对于自定义迭代器，它通常返回自身（即 self）。
• __next__()：该方法返回序列中的下一个元素，并更新内部状态。当没有更多元素时，它需要抛出 StopIteration 异常，告知迭代器已完成。

---

3. 生成器与迭代器的比较

特性	生成器（Generator）	迭代器（Iterator）
定义	使用 yield 关键字的函数，生成惰性数据	必须实现 __iter__ 和 __next__ 方法的类
内存效率	节省内存，只在需要时生成数据	需要完整实现迭代功能
实现复杂度	简单，直接使用 yield	相对复杂，需要手动实现 __next__ 和 __iter__ 方法
用法	直接使用 yield 创建生成器	创建类并实现迭代器接口

---

• 生成器：通过 yield 关键字创建，提供了惰性求值和按需计算的能力，适用于需要处理大量数据或不确定大小的数据集。它使得代码更加简洁且内存效率更高。
• 迭代器：通过实现 __iter__() 和 __next__() 方法定义如何遍历集合，适用于自定义迭代逻辑。它是实现生成器和其他迭代模式的基础。

通过合理使用生成器和迭代器，我们能够在 Python 中高效处理大量数据，提升程序的性能与可维护性。