Python中迭代器和生成器让数据“懒”得刚刚好

“聪明的程序员不是算得更快，而是算得更少。”
—— 迭代器与生成器，正是 Python 践行这一哲学的优雅体现。

问题引入

你有没有遇到过这样的场景？

• 想遍历一个超大文件，但内存爆了 ❌
• 写了个 range(10**9)，结果电脑卡死 🐌
• 面试被问：“迭代器和生成器有啥区别？” 瞬间语塞 😅

别慌！今天我们就把这两个看似高冷的概念，用一杯咖啡的时间讲清楚 ☕️。它们不是魔法，而是延迟计算（Lazy Evaluation） 的实用工具——只在你需要时才干活，绝不提前内卷！

核心剖析

迭代器（Iterator）：会“一步一步走”的对象

在 Python 中，迭代器是一个实现了 __iter__() 和 __next__() 方法的对象。它遵循迭代协议：

• __iter__() 返回自身（支持 for 循环）
• __next__() 返回下一个值，若无则抛出 StopIteration

class Countdown:
    def __init__(self, start):
        self.start = start
    def __iter__(self):
        return self
    def __next__(self):
        if self.start <= 0:
            raise StopIteration
        self.start -= 1
        return self.start + 1
# 使用
for num in Countdown(3):
    print(num)  # 输出: 3, 2, 1

💡 所有可迭代对象（如 list、dict）本身不是迭代器，但可以通过 iter() 转成迭代器。

生成器（Generator）：写起来像函数，用起来像迭代器

生成器是创建迭代器的“快捷方式”。你只需在函数中用 yield 替代 return，Python 自动帮你实现迭代协议！

def countdown_gen(n):
    while n > 0:
        yield n
        n -= 1
# 使用
for num in countdown_gen(3):
    print(num)  # 输出: 3, 2, 1

关键区别来了👇：

🚀 生成器本质是语法糖，但它甜得恰到好处！

动手实践：处理大文件不崩内存

假设你有一个 10GB 的日志文件，想逐行读取并过滤错误信息：

def read_large_file(file_path):
    """生成器：按需读取，不加载全文件到内存"""
    with open(file_path, 'r') as f:
        for line in f:
            if 'ERROR' in line:
                yield line.strip()
# 使用（即使文件巨大，内存也稳如老狗）
for error_line in read_large_file('app.log'):
    print(error_line)

对比暴力做法 lines = open('app.log').readlines() —— 后者可能直接 OOM（Out of Memory）！

避坑指南 ⚠️

生成器只能遍历一次！

gen = (x for x in range(3))
list(gen)  # [0, 1, 2]
list(gen)  # [] ← 已耗尽！

解决方案：需要多次使用？转成 list，或重新调用生成器函数。

别混淆“可迭代对象”和“迭代器”

lst = [1, 2, 3]
iter(lst) is iter(lst)  # False！每次返回新迭代器
it = iter(lst)
iter(it) is it          # True！迭代器的 __iter__ 返回自己

生成器表达式 vs 列表推导式

# 列表推导式：立即计算，占内存
squares_list = [x**2 for x in range(1000000)]

# 生成器表达式：延迟计算，省内存
squares_gen = (x**2 for x in range(1000000))

延伸思考

yield from 是什么？
它用于“委托”另一个生成器，避免嵌套 for 循环。比如合并多个生成器流。

生成器能接收外部数据吗？
可以！通过 generator.send(value) 实现双向通信，常用于协程（async/await 的底层基础之一）。

为什么 range() 不是生成器？
因为它是可重复迭代的序列对象，且支持 len()、索引等操作——生成器做不到这些。

小结 & 行动号召 💡

• 迭代器：协议驱动，手动实现，灵活但啰嗦
• 生成器：yield 一行搞定，内存友好，开发首选

下次当你需要处理“大量数据”“无限序列”或“流式输入”时，记得问自己：
“我能用生成器让它‘懒’一点吗？”

试试改写你项目中的某个循环，用生成器替代列表推导式，观察内存变化吧

到此这篇关于Python中迭代器和生成器让数据“懒”得刚刚好 的文章就介绍到这了,更多相关Python迭代器和生成器内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！