迭代器与生成器

1. 迭代器

迭代器是实现了迭代器协议的对象，这一协议包含 __iter__() 和 __next__() 方法。__iter__() 方法返回迭代器对象本身，而 __next__() 方法返回迭代器的下一个值。若没有更多值，就会抛出 StopIteration 异常。

Python 有许多内置函数可以返回迭代器，例如 range()、enumerate()、zip() 等。

要创建一个迭代器，需要定义一个类，该类包含 __iter__() 和 __next__() 方法。

示例代码

# 自定义迭代器类
class MyRange:
    def __init__(self, start, end):
        self.start = start
        self.end = end
        self.current = start

    def __iter__(self):
        return self

    def __next__(self):
        if self.current < self.end:
            value = self.current
            self.current += 1
            return value
        else:
            raise StopIteration


# 使用自定义迭代器
my_range = MyRange(0, 5)
for num in my_range:
    print(num)

代码解释

1. __init__ 方法：对迭代器的起始值、结束值和当前值进行初始化。
2. __iter__ 方法：返回迭代器对象本身。
3. __next__ 方法：返回迭代器的下一个值，若没有更多值，就抛出 StopIteration 异常。
4. 使用 for 循环遍历迭代器：for 循环会自动调用迭代器的 __iter__() 和 __next__() 方法。

1.iter() 方法

iter() 是 Python 的内置函数，其作用是把一个可迭代对象（像列表、元组、字符串等）转变为迭代器对象。迭代器是一种支持 __next__() 方法的对象，借助该方法可以逐个访问可迭代对象里的元素。

语法

iter(object[, sentinel])

• object：这是要转换为迭代器的可迭代对象。
• sentinel（可选）：若提供了 sentinel 参数，object 就必须是可调用对象（如函数），此时 iter() 会创建一个迭代器，每次调用迭代器的 __next__() 方法时，都会调用 object，直到返回值等于 sentinel 为止。

示例

my_list = [1, 2, 3, 4, 5]
my_iterator = iter(my_list)
print(type(my_iterator))  # 输出: <class 'list_iterator'>

2.next() 方法

next() 同样是 Python 的内置函数，它用于从迭代器中获取下一个元素。当迭代器中没有更多元素时，会抛出 StopIteration 异常。

语法

next(iterator[, default])

• iterator：这是要从中获取元素的迭代器对象。
• default（可选）：若提供了 default 参数，当迭代器耗尽时，会返回 default 值，而不会抛出 StopIteration 异常。

示例

my_list = [1, 2, 3, 4, 5]
my_iterator = iter(my_list)

try:
    print(next(my_iterator))  # 输出: 1
    print(next(my_iterator))  # 输出: 2
    print(next(my_iterator))  # 输出: 3
    print(next(my_iterator))  # 输出: 4
    print(next(my_iterator))  # 输出: 5
    print(next(my_iterator))  # 抛出 StopIteration 异常
except StopIteration:
    print("迭代器已耗尽")

结合使用

iter() 和 next() 方法通常结合使用，以实现对可迭代对象的手动迭代。下面是一个完整的示例：

my_list = [1, 2, 3, 4, 5]
my_iterator = iter(my_list)

while True:
    try:
        element = next(my_iterator)
        print(element)
    except StopIteration:
        break

在这个示例中，先使用 iter() 函数把列表转换为迭代器，然后利用 next() 函数逐个获取迭代器中的元素，直至迭代器耗尽，捕获 StopIteration 异常并终止循环。

迭代器的优势

• 节省内存：迭代器在需要时才生成元素，无需一次性将所有元素存储在内存中。
• 惰性求值：只有在调用 __next__() 方法时才会计算下一个元素，这在处理大规模数据时非常有用。

迭代器的应用场景

• 循环遍历：迭代器最常见的用途是在 for 循环中遍历元素。
• 数据处理：在处理大规模数据时，可以使用迭代器逐个处理元素，避免内存溢出。

2.生成器

在 Python 里，生成器是一种特殊的迭代器，能够一边迭代一边生成元素，而不用事先把所有元素都存储在内存里。这种特性让生成器在处理大规模数据或者无穷序列时极为高效。下面会详细介绍 Python 生成器的定义、使用、工作原理等内容。

在 Python 中，有两种方式可以定义生成器：生成器函数和生成器表达式。

1. 生成器函数

生成器函数是带有 yield 关键字的普通函数。当函数被调用时，它不会立即执行，而是返回一个生成器对象。每次调用生成器的 __next__() 方法（在 Python 中也可以使用 next() 函数），函数会执行到下一个 yield 语句处，返回 yield 后面的值，并暂停执行。下一次调用 __next__() 方法时，函数会从上次暂停的地方继续执行。

def my_generator():
    yield 1
    yield 2
    yield 3

# 创建生成器对象
gen = my_generator()

# 使用 next() 函数获取生成器的下一个值
print(next(gen))  # 输出 1
print(next(gen))  # 输出 2
print(next(gen))  # 输出 3

# 当生成器没有更多值时，会抛出 StopIteration 异常
try:
    print(next(gen))
except StopIteration:
    print("生成器已耗尽")

2. 生成器表达式

生成器表达式类似于列表推导式，不过它使用圆括号而不是方括号。生成器表达式返回一个生成器对象，它会逐个生成元素，而不是一次性生成所有元素。

# 生成器表达式
gen_expr = (x * 2 for x in range(5))

# 遍历生成器表达式
for num in gen_expr:
    print(num)

3. 生成器的工作原理

生成器的工作原理基于 Python 的迭代协议。生成器对象实现了 __iter__() 和 __next__() 方法，因此可以被迭代。当调用 next() 函数时，生成器会执行到下一个 yield 语句，返回 yield 后面的值，并暂停执行。当再次调用 next() 函数时，生成器会从上次暂停的地方继续执行，直到遇到下一个 yield 语句或者函数结束。

生成器的优点

• 节省内存：生成器逐个生成元素，不需要一次性存储所有元素，因此在处理大规模数据时可以显著节省内存。
• 惰性求值：生成器只有在需要时才会生成元素，这种惰性求值的特性可以提高程序的效率。

生成器的应用场景

• 处理大规模数据：当处理大规模数据集时，使用生成器可以避免将所有数据加载到内存中，从而节省内存。
• 无穷序列：生成器可以用来表示无穷序列，例如斐波那契数列。

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

# 创建斐波那契数列生成器
fib_gen = fibonacci()

# 输出前 10 个斐波那契数
for _ in range(10):
    print(next(fib_gen))

4. 生成器的方法

除了 __next__() 方法外，生成器还提供了一些其他的方法，例如 send()、throw() 和 close()。

• send(value)：用于向生成器发送一个值，并继续执行生成器。
• throw(type[, value[, traceback]])：用于在生成器内部抛出一个异常。
• close()：用于关闭生成器，停止生成元素。

def counter():
    num = 0
    while True:
        received = yield num
        if received is not None:
            num = received
        else:
            num += 1

# 创建生成器对象
gen = counter()

# 获取第一个值
print(next(gen))  # 输出 0

# 发送一个值给生成器
print(gen.send(10))  # 输出 10

# 继续获取下一个值
print(next(gen))  # 输出 11

# 关闭生成器
gen.close()

# 尝试获取下一个值，会抛出 StopIteration 异常
try:
    print(next(gen))
except StopIteration:
    print("生成器已关闭")