了解Python中的迭代器(Iterator)与生成器(Generator)的区别

# 1. 什么是迭代器(Iterator)？

迭代器是Python中一种用于遍历集合数据类型（如列表、元组、字典等）的对象。通过迭代器，可以逐个访问集合中的元素，而不必在内存中加载所有元素，这在处理大型数据集合时非常有用。

## 1.1 定义与作用

迭代器是一个带有`__iter__()`和`__next__()`方法的对象，`__iter__()`返回迭代器对象自身，`__next__()`用于返回集合中的下一个元素。当所有元素都被访问完后，`__next__()`会触发`StopIteration`异常。

## 1.2 迭代器如何工作

迭代器通过不断调用`__next__()`方法来依次返回集合中的元素，直到遍历完所有元素或者手动停止迭代。这种按需生成元素的方式，避免了一次性加载所有元素到内存中，节省了内存空间。

## 1.3 Python中的迭代器实现方式

在Python中，我们可以通过`iter()`和`next()`函数来手动创建和使用迭代器。另外，Python中的`for`循环本质上也是通过迭代器实现的，这使得迭代器在Python中应用非常广泛。

# 创建一个迭代器对象
my_list = [1, 2, 3]
my_iter = iter(my_list)

# 逐个访问元素
print(next(my_iter))  # 1
print(next(my_iter))  # 2
print(next(my_iter))  # 3

# 当所有元素访问完毕，触发StopIteration异常
# print(next(my_iter))  # StopIteration

通过以上代码示例，展示了如何定义、实现以及使用迭代器。迭代器在Python中的灵活应用，为处理大型数据集合提供了有效的方法。

# 2. 什么是生成器(Generator)？

在Python中，生成器是一种特殊的迭代器。与迭代器一次性计算所有值不同，生成器是按需生成值，因此在内存效率和性能上有显著优势。生成器可以通过函数来实现，使用yield关键字来返回单个值，而不是return一次性返回所有结果。

### 2.1 定义与特点

生成器是一种迭代器，并且具有惰性求值的特点，只在需要时生成值。这意味着生成器在处理大量数据或无限序列时非常高效，因为它不需要一次性存储所有结果。

### 2.2 生成器的优势与用途

生成器的主要优势在于节省内存和提高性能。它适用于处理大数据集合、无限序列或需要逐步获取结果的场景。比如在循环中按需生成数据、处理大型文件、以及实现惰性计算等方面。

### 2.3 Python中生成器的基本语法

在Python中，生成器可以用函数+yield语句来创建。通过调用生成器函数，可以获得一个生成器对象，然后可以通过调用内置的next()函数来逐个获取生成的值。

# 生成器函数示例
def my_generator():
    for i in range(5):
        yield i

# 调用生成器函数
gen = my_generator()

# 逐个获取生成的值
print(next(gen))  # 输出：0
print(next(gen))  # 输出：1
print(next(gen))  # 输出：2
print(next(gen))  # 输出：3
print(next(gen))  # 输