Python编程的神奇工具：迭代器与生成器

本文链接：https://blog.csdn.net/weixin_46253270/article/details/130812966

文章介绍了Python中的迭代器和生成器，它们是处理数据的重要工具。迭代器是一个可以记住遍历位置的对象，而生成器是更简洁的迭代器实现，使用yield关键字，按需生成数据，节省内存，适合处理大型数据集。两者的主要区别在于实现方式、代码简洁性和内存管理策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

摘要

在Python世界中，我们有很多强大的工具可以帮助我们更好的处理数据和解决问题，其中有2个特别引人注目，那就是迭代器和生成器。

迭代器

在Python中，迭代器（Iterator）是一个可以记住遍历的位置的对象，它从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退，更不能自由的访问集合中的元素。迭代器有两个基本的方法：iter() 和 next()。

让我们以一个生动的例子来看看什么是迭代器。想象你正在阅读一本书，你的手指可以看作是一个迭代器，而书则是一个可迭代对象。开始阅读时，你的手指位于书的第一页（起始位置）。当你阅读完当前页后，你就会将手指移动到下一页以便继续阅读，就像迭代器通过调用__next__()方法来获取下一个元素。这个过程可以一直持续下去，直到你阅读完整本书（遍历了所有页），或者你决定停止阅读。

通过这个比喻，我们可以将迭代器看作是一种遍历数据的工具，它具有记忆和控制位置的能力，使得我们能够按序访问可迭代对象中的元素，而不需要提前加载所有元素到内存中。下面是一个迭代器的代码示例：

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

    def __iter__(self):
        return self

    def __next__(self):
        if self.index < len(self.data):
            result = self.data[self.index]
            self.index += 1
            return result
        else:
            raise StopIteration

# 使用迭代器
it = MyIterator('漫长的季节')
for letter in it:
    print(letter)

生成器

生成器（Generator）是 Python 中一种特殊的迭代器。相比于传统的类迭代器，生成器更加简洁优雅。生成器不需要显式地编写 iter() 和 next() 方法，而只需使用 yield 关键字。每个生成器都是迭代器，但并非所有迭代器都是生成器。生成器以惰性方式生成值，按需产生数据。

以一家按需制作的餐厅来比喻生成器的工作方式。当你进入餐厅并点菜时，厨师会根据你的订单开始准备菜品。厨师并不提前准备好所有的菜品，而是根据客人点菜的情况进行制作。当你吃完一道菜后，你可能会点下一道菜，然后厨师开始准备下一道菜。这个过程是按需进行的，直到你满意并不再点菜为止。

这正是生成器的工作原理：当你请求一个元素时，生成器会生成一个元素。当你需要下一个元素时，生成器会继续生成下一个元素。这个过程会一直持续，直到生成器中的所有元素都生成完毕，或者你不再需要更多元素。生成器的这种工作方式可以节省资源，不需要提前准备所有的元素，同时也适用于处理大量的元素。

def restaurant():
    menu = ['炒面', '手抓饼', '土鸡汤', '冰淇淋']
    for meal in menu:
        print(f"Preparing {meal}...")
        yield meal
        print(f"Served {meal}!")
g = restaurant()

# 第一道菜
print(next(g))  

# 第二道菜
print(next(g))  

# 第三道菜
print(next(g))  

# 甜点
print(next(g))