Python基础篇(十)：迭代器与生成器

前言

迭代器和生成器是Python中用于处理可迭代对象的重要概念。它们提供了一种有效的方式来遍历和访问集合中的元素，同时具有节省内存和惰性计算的特点。下面是关于迭代器和生成器的详细介绍和示例：

1. 迭代器（Iterator）

迭代器是一种实现了迭代协议的对象，它可以用于遍历集合中的元素。迭代器提供了两个基本方法：__iter__()和__next__()。__iter__()返回迭代器对象本身，而__next__()返回集合中的下一个元素。当没有更多的元素可供迭代时，__next__()应该引发StopIteration异常。

示例：

# 创建一个迭代器类
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):
            raise StopIteration
        value = self.data[self.index]
        self.index += 1
        return value

# 使用迭代器遍历列表
my_list = [1, 2, 3, 4, 5]
my_iterator = MyIterator(my_list)
for num in my_iterator:
    print(num)

2. 生成器（Generator）

生成器是一种特殊类型的迭代器，可以通过函数来创建。生成器函数使用yield关键字来暂停函数的执行并产生一个值。每次调用生成器的__next__()方法时，函数会从上次暂停的地方继续执行，直到遇到下一个yield语句或函数结束。生成器可以更简洁地定义和使用，同时能够节省内存。

示例：

# 创建一个生成器函数
def my_generator(data):
    for num in data:
        yield num

# 使用生成器遍历列表
my_list = [1, 2, 3, 4, 5]
my_generator_obj = my_generator(my_list)
for num in my_generator_obj:
    print(num)

此外，Python还提供了生成器表达式和生成器函数的一些高级用法，例如使用条件表达式、嵌套生成器等，以便更灵活地创建生成器对象。

迭代器和生成器为处理大型数据集合提供了一种高效的方式，避免了一次性加载全部数据到内存中的问题。它们在处理迭代过程中只关注当前的元素，从而节省内存资源。同时，通过迭代器和生成器可以实现惰性计算，即只在需要时才生成计算结果，提高了程序的性能和效率。