在Python中，生成器和迭代器是实现惰性计算的两种重要工具，它们能够帮忙咱们更无效地解决数据，特地是在解决大数据集时，能够显著缩小内存的应用。接下来，咱们将具体介绍这两种工具。
一、迭代器
迭代器是一种非凡的对象，它能够遍历一个汇合中的所有元素。任何实现了__iter__()和__next__()办法的对象都能够被称为迭代器。
1.1 创立迭代器
首先，让咱们通过一个简略的例子来看看如何创立一个迭代器：
class MyIterator: def __init__(self, data): self.data = data self.index = 0 def __iter__(self): return self def __next__(self): if self.index < len(self.data): result = self.data[self.index] self.index += 1 return result else: raise StopIteration # 应用自定义的迭代器my_iter = MyIterator("Hello")for char in my_iter: print(char)在这个例子中，咱们创立了一个迭代器，它能够一一返回给定字符串中的所有字符。当咱们试图获取下一个元素时，如果还有元素可供返回，就返回该元素，否则就抛出StopIteration异样。
1.2 应用内置的迭代器
Python中有许多内置的迭代器，如列表迭代器、字典迭代器、文件迭代器等。上面是一些例子：
# 列表迭代器list_iter = iter([1, 2, 3])print(next(list_iter))print(next(list_iter))print(next(list_iter))# 字典迭代器dict_iter = iter({"a": 1, "b": 2, "c": 3})print(next(dict_iter))print(next(dict_iter))print(next(dict_iter))# 文件迭代器with open("test.txt") as file: for line in file: print(line, end="")二、生成器
生成器是一种非凡的迭代器，它更加简洁和灵便。生成器能够通过两种形式创立：生成器函数和生成器表达式。
2.1 生成器函数
生成器函数是蕴含yield关键字的函数。当调用生成器函数时，它会返回一个生成器对象，咱们能够通过next函数或for循环来获取生成器中的元素。
以下是一个生成器函数的例子：
def my_generator(n): i = 0 while i < n: yield i i += 1 # 应用自定义的生成器for num in my_generator(5): print(num)在这个例子中，生成器函数每次都会生成一个新的值，并通过yield关键字返回该值。当咱们再次调用next函数或进行下一次循环时，生成器函数会从上次返回的中央继续执行，直到再次遇到yield关键字。
2.2 生成器表达式
生成器表达式是一种更简洁的创立生成器的办法，它的语法模式与列表推导式相似，只不过是把方括号[]换成了圆括号()。
以下是一个生成器表达式的例子：
# 创立一个生成器表达式gen_expr = (i ** 2 for i in range(5))# 应用生成器表达式for num in gen_expr: print(num)在这个例子中，生成器表达式生成了一个0到4的平方数的生成器。咱们能够像应用其余迭代器一样，应用next函数或for循环来获取生成器中的元素。
总结一下，无论是迭代器还是生成器，其本质都是遍历数据集并返回其中的元素。只不过生成器提供了一种更为简洁和灵便的形式，使咱们能够更不便地创立和应用迭代器。在解决大数据集时，它们都是十分有用的工具。
三、最初
如果感觉本文对你有帮忙记得 点个关注，给个赞，加个珍藏，更多精彩内容欢送查看。