从头到尾理解迭代器与生成器
2023-10-06 05:59:59
以前没有接触到迭代器和生成器，只觉得是高端名词。但现在它们已经是切图 仔必备的工具。这篇文章将对这两个概念进行深入浅出的讲解，帮助你彻底搞懂它们。
迭代器
首先来介绍一下迭代器。迭代器其实是一种对象，它可以让你遍历集合中的元素。比如一个列表，你可以用 for 循环来遍历它的元素：
my_list = [1, 2, 3, 4, 5]
for item in my_list:
print(item)
上面的代码会依次打印出列表中的每个元素。这是因为列表实现了迭代器接口，它内部有一个方法叫 __iter__，这个方法返回一个迭代器对象。当你在列表上执行 for 循环时，实际上是在调用这个方法来获取迭代器对象，然后用迭代器对象来遍历列表中的元素。
迭代器对象提供了两个方法：__next__ 和 __iter__。__next__ 方法返回集合中的下一个元素，__iter__ 方法返回迭代器对象本身。这两个方法是迭代器协议的一部分，如果你想让你的类实现迭代器接口，就需要实现这两个方法。
生成器
生成器是一种特殊类型的迭代器，它允许你在需要的时候生成元素。与列表不同，生成器不会一次性创建所有元素，而是只在需要的时候才创建。这使得生成器非常适合处理大数据集，因为你不需要一次性加载整个数据集到内存中。
要创建一个生成器，你只需要使用 yield 。yield 关键字可以让你暂停生成器的执行，并在需要的时候继续执行。举个例子，下面的代码创建一个生成器，它生成斐波那契数列：
def fibonacci():
a, b = 0, 1
while True:
yield a
a, b = b, a + b
fib = fibonacci()
for i in range(10):
print(next(fib))
上面的代码中，fibonacci 函数返回一个生成器对象。这个生成器对象内部有一个 while 循环，它不断生成斐波那契数列的元素。当你在生成器对象上执行 for 循环时，实际上是在调用 __next__ 方法来获取生成器中的下一个元素。
迭代器和生成器的应用场景
迭代器和生成器在编程中有很多应用场景。比如：
- 遍历集合： 迭代器和生成器都可以用来遍历集合中的元素。
- 处理大数据集： 生成器非常适合处理大数据集，因为你不需要一次性加载整个数据集到内存中。
- 惰性计算： 生成器可以实现惰性计算，这意味着只有在需要的时候才计算元素。这可以节省大量的内存和时间。
- 协程： 迭代器和生成器可以用来实现协程。协程是一种轻量级的多任务处理机制，它允许你在不同的任务之间切换，而不需要创建新的线程或进程。
迭代器和生成器的优缺点
迭代器和生成器各有优缺点。
迭代器的优点：
- 易于实现：迭代器很容易实现，只需要实现
__iter__和__next__这两个方法。 - 兼容性好：迭代器与大多数编程语言兼容。
- 内存效率高：迭代器只在需要的时候才创建元素，因此非常节省内存。
迭代器的缺点：
- 只能向前遍历：迭代器只能向前遍历，不能向后遍历。
- 不能修改集合：迭代器不能修改集合中的元素。
生成器的优点：
- 可以惰性计算：生成器可以实现惰性计算，这意味着只有在需要的时候才计算元素。
- 可以双向遍历：生成器可以双向遍历，既可以向前遍历，也可以向后遍历。
- 可以修改集合：生成器可以修改集合中的元素。
生成器的缺点：
- 实现复杂：生成器比迭代器更难实现。
- 兼容性差：生成器与一些编程语言不兼容。
- 内存效率低：生成器比迭代器更耗费内存，因为生成器需要存储生成器状态。
总结
迭代器和生成器是编程中常用的数据结构，它们各有优缺点。迭代器易于实现，兼容性好，内存效率高，但只能向前遍历，不能修改集合。生成器可以惰性计算，可以双向遍历，可以修改集合，但实现复杂，兼容性差，内存效率低。
