Python迭代器和生成器
Python中有一个非常强大的功能叫做迭代器。它是一种遍历数据集合的方式，可以逐个访问集合中的元素。
什么是迭代器？
迭代器是一个特殊的对象，它能够记住自己遍历到了哪个位置。就像读书时使用书签一样，迭代器知道当前读到了哪一页，下次可以从这里继续。
迭代器从集合的第一个元素开始访问，直到所有元素都被访问完毕。它只能向前移动，不能后退。
创建迭代器
在Python中，列表、字符串、元组等都可以用来创建迭代器。使用iter()函数可以创建迭代器对象，使用next()函数可以获取下一个元素。
来看一个简单的例子：
# 创建一个列表
my_list = [1, 2, 3, 4]
# 创建迭代器
my_iter = iter(my_list)
# 使用next()获取元素
print(next(my_iter)) # 输出：1
print(next(my_iter)) # 输出：2遍历迭代器
除了使用next()函数，还可以用for循环来遍历迭代器：
my_list = [1, 2, 3, 4]
my_iter = iter(my_list)
for item in my_iter:
print(item, end=" ")输出结果：1 2 3 4
当使用next()函数遍历时，需要注意处理StopIteration异常：
import sys
my_list = [1, 2, 3, 4]
my_iter = iter(my_list)
while True:
try:
print(next(my_iter))
except StopIteration:
break创建自定义迭代器
我们可以创建自己的迭代器类。这需要在类中实现两个特殊方法：iter()和__next__()。
iter()方法返回迭代器对象本身，next()方法返回下一个元素。
下面是一个创建数字迭代器的例子：
class MyNumbers:
def __iter__(self):
self.current = 1
return self
def __next__(self):
num = self.current
self.current += 1
return num
# 使用自定义迭代器
numbers = MyNumbers()
my_iter = iter(numbers)
print(next(my_iter)) # 输出：1
print(next(my_iter)) # 输出：2控制迭代停止
为了避免无限循环，我们需要在适当的时候抛出StopIteration异常：
class MyNumbers:
def __iter__(self):
self.current = 1
return self
def __next__(self):
if self.current <= 5:
num = self.current
self.current += 1
return num
else:
raise StopIteration
numbers = MyNumbers()
for num in numbers:
print(num)输出结果：1 2 3 4 5
生成器：更简单的创建迭代器的方法
生成器是创建迭代器的便捷方式。使用yield关键字可以定义生成器函数。
生成器函数与普通函数不同，它在执行过程中会暂停，并在下次调用时从暂停处继续执行。
def count_down(n):
while n > 0:
yield n
n -= 1
# 创建生成器
counter = count_down(3)
print(next(counter)) # 输出：3
print(next(counter)) # 输出：2
print(next(counter)) # 输出：1生成器的优势
内存效率高：生成器不会一次性生成所有数据，而是按需生成，节省内存
代码简洁：相比自定义迭代器类，生成器的写法更加简洁
状态保持：自动保存执行状态，下次调用时从上次离开的地方继续
实际应用：斐波那契数列
生成器非常适合处理数学序列，比如斐波那契数列：
def fibonacci(limit):
a, b = 0, 1
count = 0
while count < limit:
yield a
a, b = b, a + b
count += 1
# 生成前10个斐波那契数
fib_gen = fibonacci(10)
for num in fib_gen:
print(num, end=" ")输出结果：0 1 1 2 3 5 8 13 21 34
迭代器和生成器的实际用途
处理大型数据集：当数据太大无法全部加载到内存时，可以使用迭代器逐块处理
流数据处理：适合处理网络流、文件流等连续数据
无限序列：可以表示无限长的数据序列
管道操作：多个生成器可以连接起来形成数据处理管道
使用建议
对于简单的迭代需求，优先使用for循环
需要自定义迭代逻辑时，考虑使用生成器
处理大型数据时，使用生成器可以显著减少内存占用
在fly63教程中可以找到更多关于高级迭代技巧的内容
总结
迭代器和生成器是Python编程中的重要概念。它们提供了一种高效处理数据的方式，特别适合处理大量数据或无限序列。掌握这些概念能够让代码更加高效和优雅。
通过实际练习，你会逐渐熟悉这些概念。建议从简单的例子开始，逐步尝试更复杂的应用。
本文内容仅供个人学习/研究/参考使用，不构成任何决策建议或专业指导。分享/转载时请标明原文来源，同时请勿将内容用于商业售卖、虚假宣传等非学习用途哦～感谢您的理解与支持！