python迭代器、生成器案例解析

关注

原创最新推荐文章于 2026-05-14 02:57:00 发布 573 阅读 AI 写同款· GEO 优化 ›

6、Python 迭代器与生成器全解析本博客全面解析了 Python 中的迭代器与生成器，涵盖基础概念、自定义迭代器实现、生成器函数的使用、深度优先遍历、反向迭代、带有额外状态的生成器、迭代器的高级操作（如切片、跳过元素、组合和排列）、多序列迭代、嵌套序列展平、排序合并等。通过丰富代码示例展示了如何利用这些特性高效处理复杂迭代任务，并结合实际案例分析了日志文件处理、数据清洗等应用场景。内容还总结了各类迭代方法的适用场景及性能优化策略，帮助开发者更好地掌握 Python 迭代机制。阅读详情

1、迭代器 iterator

本质：一个实现了iter方法和next方法的对象

可迭对象iteration：

list、dict、str、tuple、set是可迭代对象但不是迭代器；

文件是可迭代对象也是迭代器；

可迭代对象转为迭代器：从collections中导入模块Iterator,使用 iter（“可迭代对象”）方法

2、迭代器使用条件及特点

a. 当a 传数据到 b 中、或是爬虫时从a 采集下来放到b中然后进行存储；

b.如果把所有数据丢到列表中然后再给b 可以优点速度快缺点列表占内存太大,如果使用迭代器申请固定的空间也就是一个个给到 b 能节约内存，但是浪费时间；

c.需要用类来写迭代器，需要重写 _ _iter_ _( ) 和 _ _next_ _( ）方法；

d.迭代器最大的特点是，需要用类来写，显得代码冗长，不太方便。

3、迭代器案例展示

class Demo():
    def __init__(self,sum):
        self.sum=sum
        self.n=0
        self.num1=self.num2=1
    # 只要重写了这个魔术方法,这个对象就不是普通的对象了 而是可迭代对象
    def __iter__(self):
        return self

    def __next__(self):
        self.n +=1
        if self.n <= self.sum:
            temp=self.num1
            self.num1 ,self.num2=self.num2,self.num1+self.num2
            return temp
        else:
            raise StopIteration
if __name__ == '__main__':
    feiboo=Demo(10)
    # 内置方法 iter 能够获取到一个可迭代对象的迭代器,demo 就是个迭代器
    iter1=iter(feiboo)
    # 每次只能取一个  因为只是申请了固定的空间
    print(next(iter1))
    print(next(iter1))
    print('='*20)

4、生成器 general

   本质：使用yield返回值函数，使用yield会暂停，使用next（）或send（）函数恢复；
   yield：是生成器特有的，yield可以看做是return返回的一个值并记录这个返回的位置，下一次迭代会从这个位置开始；
   send和next的区别：send可传递参数给yield表达式，send可以强行修改上一个yield表到式的值

5、生成器案例展示：

def Feibnacci(num):
    count,num1,num2=0,1,1
    while count < num:
        count +=1
        # 生成器特有关键字yield
        yield num1
        num1,num2=num2,num1+num2

f= Feibnacci(100)
print(next(f))
print(next(f))
print(next(f))
print(next(f))