python生成器和迭代器区别

李俊的博客

已于 2022-05-28 18:06:00 修改

阅读量3.4k

点赞数 10

CC 4.0 BY-SA版权

文章标签： python 开发语言

于 2020-05-04 17:06:26 首次发布

本文链接：https://blog.csdn.net/qq_36441027/article/details/105919241

Python学习之路专栏收录该内容

36 篇文章

订阅专栏

本文深入解析Python中的迭代器与生成器概念，包括它们的基本原理、创建方法及应用场景，对比迭代器与列表的区别，并详细介绍生成器函数与生成器表达式的使用技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、迭代器/生成器基本概念

1.1 什么是迭代器

迭代器（Iterator） 是同时实现__iter__() 与 __next__() 方法的对象。

1.2 什么是生成器

Python 中，提供了两种 生成器（Generator） ，一种是生成器函数，另一种是生成器表达式。

生成器函数：包含yeild的函数称为生成器函数
生成器表达式：与列表推导式类似，区别是使用（）进行包裹例：（i for i in range（10））

二、可迭代对象/迭代器

2.1 可迭代对象

可以直接作用于for循环的对象称为可迭代对象，可迭代对象主要分两类

一类是集合数据类型和迭代器，如list、tuple、dict、set、str 和实现了__next__方法的类对象；
一类是generator，包括生成器和带yield的generator function。

可以使用isinstance()来判断一个对象是否为可迭代对象

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

2.2 迭代器

Iterator：任何实现了 __next__ 方法（python2 是 next）的对象都可以称为迭代器

可以使用isinstance()判断一个对象是否是Iterator对象：

>>> from typing import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

生成器都是 Iterator(迭代器)，但 list，tuple，dict，str，set 等虽然是Iterabel(可迭代对象)，但不是Iterator(迭代器)

2.3 通过iter()方法把可迭代对象转换成迭代器

>>> from typing import Iterator
>>> str_iterator = iter("duozan")
>>> isinstance(str_iterator, Iterator)
True
>>> next(str_iterator)
d

问：为什么 list，tuple，dict不是迭代器呢？

答：因为在Python里面迭代器代表的是一个数据流，迭代器对象可以调用next()方法返回下一个值，而list，tuple，dict无法调用next()方法返回下一个值。(本质为list，tuple，dict只有__iter__魔法方法，没有实现__next__魔法方法)

2.4 创建迭代器

通过实现__iter__() 和 __next__()方法实现一个迭代器

from typing import Iterator


class Fib:
    def __init__(self, n):
        self.prev = 1
        self.cur = 2
        self.n = n

    def __iter__(self):
        return self

    def __next__(self):
        if self.n > 0:
            value = self.cur
            self.cur = self.cur + self.prev
            self.prev = value
            self.n -= 1
            return value
        else:
            raise StopIteration()


f = Fib(10) //f 是一个迭代器
print(type(f),isinstance(f,Iterator))
print([i for i in f])

输出结果:

可以看到通过Fib类创建的对象是一个迭代器，可以用于循环操作

2.5 迭代器和列表的区别

它与列表的区别在于，构建迭代器的时候，不像列表把所有元素一次性加载到内存，而是以一种延迟计算（lazy evaluation）方式返回元素，这正是它的优点。比如列表含有中一千万个整数，需要占超过400M的内存，而迭代器只需要几十个字节的空间。因为它并没有把所有元素装载到内存中，而是等到调用 next 方法时候才返回该元素（按需调用 call by need 的方式，本质上 for 循环就是不断地调用迭代器的next方法）。

三、生成器表达式/生成器函数

3.1 通过列表生成式创建生成器

我们可以将列表生成式的中括号改成小括号就创建了一个生成器

list = [i for i in range(10)]
print(type(list))  # <class 'list'>
gen = (i for i in range(10))
print(type(gen))  # <class 'generator'>

3.2 通过函数创建生成器

带有yield的函数称为函数生成器

下面通过代码实现一个斐波那契数列(除第1个，第2个数外，其他的数都是前两个数相加) eg: 1, 2, 3, 5, 8, 13, 21, 34, 55, …

斐波那契数列代码：

# 实现100以内的斐波那契数

def fib(max):
    a, b = 1, 2
    n = 0  # 斐波那契数
    print(str(a) + "\n" + str(b))
    while n < max:
        n = a + b
        a = b    #把b的旧值传给a
        b = n    #把相加之后的值传给新的b值
        yield n  # 程序走到这里就会暂停下来,返回n到函数外,等下一次调用next()的时候继续执行

for i in fib(100):
    print(i)

运行结果：

这里非常有必要说一下带有yeild 关键字的生成器函数的执行流程，当调用一次next()的时候，生成器就会执行，碰到yield会先把值返回给外部(这里返回到的其实是i，然后print(i)打印的就是相加之后的值)，当再次调用的时候，生成器会从上次中断的地方继续执行。

3.3 取出生成器里面的元素

1.通过调用next()方法取出

gen = (i for i in range(10))
gen.next()

2.通过使用for循环取出

gen = (i for i in range(10))
for i in gen:
    print(i)

四、可迭代对象、迭代器、生成器小结

可迭代对象：实现了__iter__魔法方法，通过isinstance()判断是否为可迭代对象

迭代器：实现了__iter__ 和 __next__魔法方法

生成器: Python中含有两种生成器，生成器函数和生成器表达式

生成器函数：包含yeild的函数称为生成器函数
生成器表达式：与列表推导式类似，区别是使用（）进行包裹例：（i for i in range（10））

参考链接：

1.11 Python 中的可迭代对象、迭代器与生成器 — 可乐python说 1.0.0 文档