生成器与迭代器

📰 来源: 博客园

在Python中，迭代器和生成器是处理数据流的灵魂，它们的核心目标只有一个————节省内存。

迭代器（Iterator）

nums = [1, 2, 3]
it = iter(nums)  # 获取迭代器

print(next(it))  # 1
print(next(it))  # 2
print(next(it))  # 3

__iter__()   # 返回自身
__next__()   # 返回容器的下一个元素。如果没有元素了，则抛出 StopIteration 异常。

class MyIterator:
    def __init__(self, n):
        self.n = n
        self.cur = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.cur < self.n:
            self.cur += 1
            return self.cur
        else:
            raise StopIteration


if __name__ == '__main__':
    it = MyIterator(3)
    for i in it:
        print(i)

生成器（Generator）

def gen():
    yield 1
    yield 2
    yield 3


if __name__ == '__main__':
    g = gen()
    print(g)
    print(next(g))
    print(next(g))
    print(next(g))

g = (x*x for x in range(5))

[x*x for x in range(5)]  # 列表（一次性全部生成）
(x*x for x in range(5))  # 生成器（按需生成）

可迭代对象 (Iterable)

可迭代对象 Iterable
      ↓ 调用 __iter__() 可以得到
迭代器 Iterator
      ↓ 生成器是它的子类
生成器 Generator

yield和return的区别

def normal_func():
    return "第一步"
    return "第二步"  # 永远不会被执行

print(normal_func()) # 输出: 第一步

def generator_func():
    yield "第一步"
    yield "第二步"
    yield "第三步"

gen = generator_func()
print(next(gen)) # 输出: 第一步 (函数在此处暂停)
print(next(gen)) # 输出: 第二步 (函数从刚才暂停的地方恢复)

🔗 原文链接: 点击阅读原文