【进阶】生成器与迭代器的使用

# 2.1 生成器的创建和使用

### 2.1.1 生成器函数的定义和语法

生成器函数是一种特殊的函数，它使用 `yield` 关键字来生成一个序列值。与普通函数不同，生成器函数不会立即返回结果，而是逐个生成值，直到 `yield` 关键字耗尽或遇到 `return` 语句。

生成器函数的语法如下：

def generator_function():
    # 生成器函数体
    yield value1
    yield value2
    ...
    return

在生成器函数体中，`yield` 关键字后面跟要生成的下一个值。当调用生成器函数时，它不会执行整个函数，而是返回一个生成器对象。

# 2. 生成器与迭代器的实现和使用技巧

### 2.1 生成器的创建和使用

#### 2.1.1 生成器函数的定义和语法

生成器函数是通过 `yield` 关键字定义的特殊函数。`yield` 关键字用于暂停函数的执行，并将当前值返回给调用者。当调用者再次调用生成器函数时，函数将从 `yield` 处继续执行。

def generate_numbers(n):
    for i in range(n):
        yield i

在这个示例中，`generate_numbers` 是一个生成器函数，它将生成从 0 到 `n-1` 的数字序列。`yield` 关键字将暂停函数的执行，并将当前值 `i` 返回给调用者。

#### 2.1.2 生成器函数的执行和迭代

生成器函数可以通过 `next()` 函数或 for 循环进行迭代。

# 使用 next() 函数迭代生成器
generator = generate_numbers(5)
for i in range(5):
    print(next(generator))

# 使用 for 循环迭代生成器
for i in generate_numbers(5):
    print(i)

在第一个示例中，`next()` 函数用于逐个获取生成器中的值。在第二个示例中，for 循环用于自动迭代生成器并打印每个值。

### 2.2 迭代器的创建和使用

#### 2.2.1 迭代器对象的定义和语法

迭代器对象是实现了 `__iter__()` 和 `__next__()` 方法的对象。`__iter__()` 方法返回迭代器对象本身，`__next__()` 方法返回当前值并移动到下一个值。

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):
            value = self.data[self.index]
            self.index += 1
            return value
        else:
            raise StopIteration

在这个示例中，`MyIterator` 类实现了 `__iter__()` 和 `__next__()` 方法，使其成为一个迭代器对象。

#### 2.2.2 迭代器对象的遍历和操作

迭代器对象可以通过 for 循环进行遍历。

iterator = MyIterator([1, 2, 3, 4, 5])
for i in iterator:
    print(i)

在上面的示例中，for 循环将自动调用迭代器对象的 `__next__()` 方法，并打印每个值。

# 3.1 生成器的应用场景

#### 3.1.1 惰性求值和内存优化

生成器最大的优势之一是惰性求值，这意味着它只在需要时才计算值。这可以显著优化内存使用，尤其是在处理大型数据集或无限序列时。

例如，以下生成器生成斐波那契数列：

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

这个生成器不会一次性计算出整个数列，而是只在需要时才计算下一个值。这使得它可以处理无限的斐波那契数列，而无需占用大量内存。

#### 3.1.2 流式处理和数据管道

生成器非常适合流式处理和数据管道。它们允许我们以一种内存高效的方式处理数据，而无需将整个数据集加载到内存中。

例如，以下生成器从文件流中读取行：

def read_lines(filename):
    with open(filename) as f:
        while True:
            line = f.readline()
            if not line:
                break
            yield line

这个生成器每次只读取一行，然后将其传递给后续处理步骤。这使得我们可以处理非常大的文件，而无需将整个文件加载到内存中。

### 3.2 迭代器的应用场景

#### 3.2.1 遍历集合和数据结构

迭代器最常见的应用场景是遍历集合和数据结构。它们提供了统一的接口来访问不同类型的数据结构中的元素。

例如，以下代码使用迭代器遍历列表：

my_list = [1, 2, 3, 4, 5]
for item