Python 迭代器与生成器

学习 iter/next 和 yield 生成器 · 难度：高级 · +15XP

Python 迭代器与生成器

迭代器（Iterator）和生成器（Generator）是 Python 中处理序列数据的强大工具。它们支持惰性求值（Lazy Evaluation），即按需生成数据，而不是一次性将所有数据加载到内存中。这在处理大文件、无限序列和流式数据时尤为重要。

迭代器基础

迭代器是实现了 __iter__() 和 __next__() 方法的对象：

# 创建迭代器
numbers = [1, 2, 3, 4]
it = iter(numbers)  # 获取迭代器对象
print(next(it))  # 1
print(next(it))  # 2
print(next(it))  # 3
print(next(it))  # 4
# print(next(it))  # StopIteration 异常
# for 循环自动处理迭代器
for item in iter(numbers):
    print(item)

自定义迭代器

class CountDown:
    """倒计时迭代器"""
    def __init__(self, start):
        self.current = start
    def __iter__(self):
        return self
    def __next__(self):
        if self.current <= 0:
            raise StopIteration
        value = self.current
        self.current -= 1
        return value
for num in CountDown(5):
    print(num)  # 5, 4, 3, 2, 1

生成器 (yield)

生成器是创建迭代器的最简洁方式，使用 yield 关键字：

# 生成器函数
def fibonacci(n):
    """生成前 n 个斐波那契数"""
    a, b = 0, 1
    for _ in range(n):
        yield a
        a, b = b, a + b
for num in fibonacci(10):
    print(num, end=' ')
# 输出: 0 1 1 2 3 5 8 13 21 34
# 生成器表达式 (类似列表推导式)
squares = (x ** 2 for x in range(10))
print(next(squares))  # 0
print(next(squares))  # 1
print(list(squares))  # [4, 9, 16, 25, 36, 49, 64, 81]

生成器的实际应用

# 读取大文件
def read_large_file(file_path):
    """逐行读取大文件，不占用大量内存"""
    with open(file_path, 'r', encoding='utf-8') as f:
        for line in f:
            yield line.strip()
# 无限序列
def infinite_counter(start=0):
    while True:
        yield start
        start += 1
counter = infinite_counter(10)
print(next(counter))  # 10
print(next(counter))  # 11

迭代器 vs 列表 对比表

特性	列表 (List)	生成器 (Generator)
内存使用	一次性加载全部数据	按需生成，内存高效
访问方式	可通过索引随机访问	只能顺序迭代一次
创建方式	[] 或 list()	yield 或 ()
适用场景	数据量小，需多次访问	大数据量，流式处理
len() 支持	支持	不支持