Python迭代器与生成器详解-优快云博客

本文介绍了Python中的迭代器，包括迭代器的取值、next函数、for循环的迭代原理以及如何自定义可迭代对象。接着讲解了生成器的概念，生成器作为迭代器的一种优雅实现，其特点在于按需生成元素，节省内存。文章还提到了生成器的取值、暂停和恢复的机制及其应用。最后，简要提及了Python的推导表达式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Python基础12

一、迭代器
二、生成器
三、推导表达式

一、迭代器

迭代器就是一个容器，将可迭代对象通过iter包起来

li = [1, 2, 3, 4, 5]
a = liter(li)     # 迭代器

1、迭代器的取值

print(next(a))    # 1
print(next(a))    # 2
print(next(a))    # 3    一个个取值

"""
1.访问者不需要去关心内部结构，只需要通过next不断去取下一个内容。
2.只能从头到尾依次访问，不能回退
3.便于循环比较大的数据集合，节省内存
"""

2. --next–

__next__:可迭代对象和迭代器的区别
可迭代对象有 __liter__
迭代器   __liter__, __next__
两者都可以 for 循环

3、for 实现迭代原理

li = [1, 2, 3, 4, 5]
itr = iter(li)
try:
    while True:  # 死循环
        b = next(itr)
        print(b)   # StopIteration 异常 超出范围
except StopIteration:
    pass

4、自定义可迭代对象

class Mylist:
    def __iter__(self):
        return iter([1, 2, 3, 4, 5])


a = Mylist()
for i in a:
    print(i)

二、生成器

1、生成器的定义

生成器：自定义迭代器更优雅的方式，本质还是一个迭代器

类似函数的逻辑

def func():   # 容器
    yield 1

2、生成器的取值

def f():
    yield 1
    yield 5
    yield 8


g = f()
print(g)   # 生成器对象
print(next(g))  # 1
print(next(g))  # 5
for i in g:
    print(i)    # 1 5 8

3、暂停和恢复

def f():
    print(1)
    yield 5
    print(2)
    yield 9
    print(3)
    yield 8


g = f()     # 生成器对象

# 取值
next(g)   # 执行函数，至yidld终止 结果 1
# 用变量去接收
res = next(g)  # 返回yidld后面的值 结果 5
print(res)
res = next(g)  # 再次返回   结果 9
print(res)
# 魔术方法
res = g.__next__()  # 功能和上面一样 
print(res)          # 结果 8
# 如果超出取值范围会报错 StopIteration

# 和return的区别是 
return 会整体退出，不在执行之后的代码

4、应用

列表取值占内存，生成器只有在取用的时候才会生成这个元素加载到内存里

import time    # 导入模块


def f(con, n):
    count = 0
    while True:
        if count < n:
            yield con   # 生成器函数
            count += 1
        else:
            break


man = f("原擎， 加油加油", 10)

# 取值
for i in man:        # 循环取值
    print(i)
    time.sleep(1)    # 时间间隔

三、推导表达式

# a = [i for i in range(10)]
# print(a)
b = [[j for j in range(10)] for i in range(10)]
print(b)