python迭代器与生成器

迭代器（Iterator）与生成器（Generator）的区别与联系

在Python中，迭代器和生成器都是用于遍历数据的工具，它们密切相关但又有明显区别。理解它们的异同，有助于更好地编写高效、优雅的代码。

---

目录

• 迭代器和生成器的定义
• 迭代器与生成器的联系
• 迭代器与生成器的区别
• 何时使用迭代器，何时使用生成器
• 总结

---

迭代器和生成器的定义

• 迭代器（Iterator）：实现了迭代协议的对象，必须包含__iter__()和__next__()方法。它可以逐个返回容器中的元素，直到没有元素时抛出StopIteration异常。

• 生成器（Generator）：一种特殊的迭代器，由生成器函数（包含yield语句的函数）或生成器表达式创建。生成器自动实现了迭代器协议，简化了迭代器的编写。

---

迭代器与生成器的联系

• 生成器是迭代器的一种
  生成器本质上是迭代器，满足迭代器协议，支持__iter__()和__next__()方法。

• 都支持惰性求值
  两者都不会一次性生成所有数据，而是按需生成，节省内存。

• 都可以用于for循环和其他迭代上下文
  例如list()、sum()等函数都可以接受迭代器和生成器。

---

迭代器与生成器的区别

特性	迭代器（Iterator）	生成器（Generator）
创建方式	通过实现__iter__()和__next__()方法的类	通过包含yield的函数或生成器表达式创建
代码复杂度	需要手动维护状态，代码较复杂	由Python自动维护状态，代码简洁
语法支持	无特殊语法，需要手动实现	使用yield关键字，语法简洁
适用场景	复杂迭代逻辑或自定义数据结构	简单序列生成、流式数据处理、惰性计算
可读性	代码较冗长	代码简洁，易读
资源管理	需要手动管理状态和异常	Python自动管理状态和异常

---

何时使用迭代器，何时使用生成器？

• 使用迭代器

  • 需要实现复杂的迭代逻辑
  • 需要自定义数据结构的遍历方式
  • 需要更细粒度的控制迭代过程

• 使用生成器

  • 需要快速实现简单的迭代器
  • 处理流式数据或大数据集
  • 惰性计算，节省内存
  • 代码追求简洁和可读性

---

示例对比

迭代器实现

class MyRange:
    def __init__(self, start, end):
        self.current = start
        self.end = end

    def __iter__(self):
        return self

    def __next__(self):
        if self.current >= self.end:
            raise StopIteration
        val = self.current
        self.current += 1
        return val

for num in MyRange(1, 5):
    print(num)

生成器实现

def my_range(start, end):
    current = start
    while current < end:
        yield current
        current += 1

for num in my_range(1, 5):
    print(num)

两者输出相同，但生成器代码更简洁。

---

总结

• 生成器是迭代器的简化写法，通过yield自动实现迭代协议。
• 迭代器需要手动实现__iter__()和__next__()方法，适合复杂场景。
• 生成器代码简洁，适合大多数迭代需求。
• 理解两者的区别和联系，有助于选择合适的工具编写高效Python代码。