“聰明的程序員不是算得更快，而是算得更少。”
—— 迭代器與生成器，正是 Python 踐行這一哲學(xué)的優(yōu)雅體現(xiàn)。

問題引入

你有沒有遇到過這樣的場景？

• 想遍歷一個超大文件，但內(nèi)存爆了 ?
• 寫了個 range(10**9)，結(jié)果電腦卡死 ??
• 面試被問：“迭代器和生成器有啥區(qū)別？” 瞬間語塞 ??

別慌！今天我們就把這兩個看似高冷的概念，用一杯咖啡的時間講清楚 ??。它們不是魔法，而是延遲計算（Lazy Evaluation） 的實用工具——只在你需要時才干活，絕不提前內(nèi)卷！

核心剖析

迭代器（Iterator）：會“一步一步走”的對象

在 Python 中，迭代器是一個實現(xiàn)了 __iter__() 和 __next__() 方法的對象。它遵循迭代協(xié)議：

• __iter__() 返回自身（支持 for 循環(huán)）
• __next__() 返回下一個值，若無則拋出 StopIteration

class Countdown:
    def __init__(self, start):
        self.start = start
    def __iter__(self):
        return self
    def __next__(self):
        if self.start <= 0:
            raise StopIteration
        self.start -= 1
        return self.start + 1
# 使用
for num in Countdown(3):
    print(num)  # 輸出: 3, 2, 1

?? 所有可迭代對象（如 list、dict）本身不是迭代器，但可以通過 iter() 轉(zhuǎn)成迭代器。

生成器（Generator）：寫起來像函數(shù)，用起來像迭代器

生成器是創(chuàng)建迭代器的“快捷方式”。你只需在函數(shù)中用 yield 替代 return，Python 自動幫你實現(xiàn)迭代協(xié)議！

def countdown_gen(n):
    while n > 0:
        yield n
        n -= 1
# 使用
for num in countdown_gen(3):
    print(num)  # 輸出: 3, 2, 1

關(guān)鍵區(qū)別來了??：

?? 生成器本質(zhì)是語法糖，但它甜得恰到好處！

動手實踐：處理大文件不崩內(nèi)存

假設(shè)你有一個 10GB 的日志文件，想逐行讀取并過濾錯誤信息：

def read_large_file(file_path):
    """生成器：按需讀取，不加載全文件到內(nèi)存"""
    with open(file_path, 'r') as f:
        for line in f:
            if 'ERROR' in line:
                yield line.strip()
# 使用（即使文件巨大，內(nèi)存也穩(wěn)如老狗）
for error_line in read_large_file('app.log'):
    print(error_line)

對比暴力做法 lines = open('app.log').readlines() —— 后者可能直接 OOM（Out of Memory）！

避坑指南 ??

生成器只能遍歷一次！

gen = (x for x in range(3))
list(gen)  # [0, 1, 2]
list(gen)  # [] ← 已耗盡！

解決方案：需要多次使用？轉(zhuǎn)成 list，或重新調(diào)用生成器函數(shù)。

別混淆“可迭代對象”和“迭代器”

lst = [1, 2, 3]
iter(lst) is iter(lst)  # False！每次返回新迭代器
it = iter(lst)
iter(it) is it          # True！迭代器的 __iter__ 返回自己

生成器表達(dá)式 vs 列表推導(dǎo)式

# 列表推導(dǎo)式：立即計算，占內(nèi)存
squares_list = [x**2 for x in range(1000000)]

# 生成器表達(dá)式：延遲計算，省內(nèi)存
squares_gen = (x**2 for x in range(1000000))

延伸思考

yield from 是什么？
它用于“委托”另一個生成器，避免嵌套 for 循環(huán)。比如合并多個生成器流。

生成器能接收外部數(shù)據(jù)嗎？
可以！通過 generator.send(value) 實現(xiàn)雙向通信，常用于協(xié)程（async/await 的底層基礎(chǔ)之一）。

為什么 range() 不是生成器？
因為它是可重復(fù)迭代的序列對象，且支持 len()、索引等操作——生成器做不到這些。

小結(jié) & 行動號召 ??

• 迭代器：協(xié)議驅(qū)動，手動實現(xiàn)，靈活但啰嗦
• 生成器：yield 一行搞定，內(nèi)存友好，開發(fā)首選

下次當(dāng)你需要處理“大量數(shù)據(jù)”“無限序列”或“流式輸入”時，記得問自己：
“我能用生成器讓它‘懶’一點嗎？”

試試改寫你項目中的某個循環(huán)，用生成器替代列表推導(dǎo)式，觀察內(nèi)存變化吧

到此這篇關(guān)于Python中迭代器和生成器讓數(shù)據(jù)“懶”得剛剛好 的文章就介紹到這了,更多相關(guān)Python迭代器和生成器內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論