深入剖析 Python 中的迭代器与生成器

2024-02-26 11:53:37

迭代器与生成器：Python 中的神奇工具

在 Python 的浩瀚世界中，迭代器和生成器如同两颗璀璨的明珠，它们让程序员得以在数据集合中穿梭自如，实现代码的优雅与效率。但对于初学者而言，这两者之间的微妙差别却常常让人捉摸不透。在这篇文章中，我们将深入探究迭代器和生成器的奥秘，揭示它们在 Python 编程中的神奇力量。

一、踏上探索之旅

迭代器本质上是一种对象，它可以逐个元素地生成序列。它遵循一个清晰的模式：

初始化： 在迭代器的初始化阶段，它指向序列的第一个元素。
迭代： 调用迭代器的 next() 方法可以获取当前元素并将其指向下一个元素。
终止： 当迭代器到达序列的末尾时，next() 方法将引发 StopIteration 异常，表示迭代结束。

与迭代器相映成趣的是生成器，它是一种特殊的迭代器，具有以下特点：

懒惰求值： 生成器只在需要时才生成元素，避免不必要的内存开销。
暂停功能： 生成器可以在 yield 语句处暂停执行，并在下次调用 next() 方法时继续执行。

二、洞悉差异，驾驭力量

虽然迭代器和生成器共享着迭代数据的共同目标，但它们之间仍存在着细微的差别：

特征	迭代器	生成器
内存效率	低效，一次生成所有元素	高效，按需生成元素
执行方式	顺序执行	暂停执行
存储	在内存中存储序列的副本	仅存储生成元素的代码

三、实践出真知：代码示例

以下代码展示了迭代器和生成器在实际应用中的区别：

# 使用迭代器
my_list = [1, 2, 3, 4, 5]
my_iterator = iter(my_list)

# 遍历迭代器
while True:
    try:
        print(next(my_iterator))
    except StopIteration:
        break

# 使用生成器
def my_generator():
    for i in range(5):
        yield i * i

# 遍历生成器
for i in my_generator():
    print(i)