python生成器和迭代器的區別

⑴ python的迭代器和生成器的區別

Iamlaosong文
我們在用for ... in ...語句循環時，in後面跟隨的對象要求是可迭代對象，即可以直接作用於for循環的對象統稱為可迭代對象（Iterable），如list、tuple、dict、set、str等。
可迭代對象是實現了__iter__()方法的對象，而迭代器（Iterator）則是實現了__iter__()和__next__()方法的對象，可以顯示地獲取下一個元素。這種可以被next調用並不斷返回下一個值的對象稱為迭代器。迭代器一定是可迭代對象，反過來則不一定成立。用iter()函數可以把list、dict、str等Iterable變成Iterator，例如：
bb=[x for x in range(10)]

cc=iter(bb)

cc.next()

循環變數的值其實可以看著是一次次用next取值的過程，每取一個值，做一次處理。list等對象用於循環實際上可以看著是用iter()方法產生一個迭代器，然後循環取值。
生成器（generator）就是一個能返回迭代器的函數，其實就是定義一個迭代演算法，可以理解為一個特殊的迭代器。調用這個函數就得到一個迭代器，生成器中的yield相當於一個斷點，執行到此返回一個值後暫停，從而實現next取值。

⑵ python迭代器和生成器的區別

這個的區別就是在使用的過程當中啊，它生成的旗艦是不一樣的。

⑶ python 生成器和迭代器的區別

1、迭代器（iterator）是一個實現了迭代器協議的對象，python的一些內置數據類型（列表，數組，字元串，字典等）都可以通過for語句進行迭代，我們也可以自己創建一個容器，實現了迭代器協議，可以通過for，next方法進行迭代，在迭代的末尾，會引發stopIteration異常。
2、生成器（generator）是通過yield語句快速生成迭代器，可以不用iter和next方法
yield可以使一個普通函數變成一個生成器，並且相應的next()方法返回是yield後的值。一種更直觀的解釋是：程序執行到yield時會返回結果並暫停，再次調用next時會從上次暫停的地方繼續開始執行。
顯然，生成器自身有構成一個迭代器，每次迭代時使用一個yield返回
的值，一個生成器中可以有多個yield的值

⑷ python迭代器和生成器區別是什麼

python中迭代器和生成器的區別

1、共同點

生成器是一種特殊的迭代器。

相關推薦：《Python視頻教程》

2、不同點

a、語法上：

生成器是通過函數的形式中調用 yield 或（）的形式創建的。

迭代器可以通過 iter（） 內置函數創建。

b、用法上：

生成器在調用next（）函數或for循環中，所有過程被執行，且返回值。

迭代器在調用next（）函數或for循環中，所有值被返回，沒有其他過程或動作。

⑸ 如何更好地理解Python迭代器和生成器

Python這門語言中，生成器毫無疑問是最有用的特性之一。與此同時，也是使用的最不廣泛的Python特
性之一。究其原因，主要是因為，在其他主流語言裡面沒有生成器的概念。正是由於生成器是一
個「新」的東西，所以，它一方面沒有引起廣大工程師的重視，另一方面，也增加了工程師的學習成本，
最終導致大家錯過了Python中如此有用的一個特性。
我的這篇文章，希望通過簡單易懂的方式，深入淺出地介紹Python的生成器，以改變「如此有用的特性卻
使用極不廣泛」的現象。本文的組織如下：在第1章，我們簡單地介紹了Python中的迭代器協議；在本文
第2章，將會詳細介紹生成器的概念和語法；在第3章，將會給出一個有用的例子，說明使用生成器的好
處；在本文最後，簡單的討論了使用生成器的注意事項。
1. 迭代器協議
由於生成器自動實現了迭代器協議，而迭代器協議對很多人來說，也是一個較為抽象的概念。所以，為了
更好的理解生成器，我們需要簡單的回顧一下迭代器協議的概念。
1. 迭代器協議是指：對象需要提供next方法，它要麼返回迭代中的下一項，要麼就引起一個
StopIteration異常，以終止迭代
2. 可迭代對象就是：實現了迭代器協議的對象
3. 協議是一種約定，可迭代對象實現迭代器協議，Python的內置工具(如for循環，sum，min，max函
數等)使用迭代器協議訪問對象。
舉個例子：在所有語言中，我們都可以使用for循環來遍歷數組，Python的list底層實現是一個數組，所
以，我們可以使用for循環來遍歷list。如下所示：
>>> for n in [1, 2, 3, 4]:
... print n
但是，對Python稍微熟悉一點的朋友應該知道，Python的for循環不但可以用來遍歷list，還可以用來遍歷
文件對象，如下所示：
>>> with open(『/etc/passwd』) as f: # 文件對象提供迭代器協議
... for line in f: # for循環使用迭代器協議訪問文件
... print line
...
為什麼在Python中，文件還可以使用for循環進行遍歷呢？這是因為，在Python中，文件對象實現了迭代
器協議，for循環並不知道它遍歷的是一個文件對象，它只管使用迭代器協議訪問對象即可。正是由於
Python的文件對象實現了迭代器協議，我們才得以使用如此方便的方式訪問文件，如下所示：
>>> f = open('/etc/passwd')
>>> dir(f)
['__class__', '__enter__', '__exit__', '__iter__', '__new__', 'writelines', '...'
2. 生成器
Python使用生成器對延遲操作提供了支持。所謂延遲操作，是指在需要的時候才產生結果，而不是立即產
生結果。這也是生成器的主要好處。
Python有兩種不同的方式提供生成器：
2017/11/6 如何更好地理解Python迭代器和生成器？ - 知乎
https://www.hu.com/question/20829330 2/5
1. 生成器函數：常規函數定義，但是，使用yield語句而不是return語句返回結果。yield語句一次返回一
個結果，在每個結果中間，掛起函數的狀態，以便下次重它離開的地方繼續執行
2. 生成器表達式：類似於列表推導，但是，生成器返回按需產生結果的一個對象，而不是一次構建一個
結果列表
2.1 生成器函數
我們來看一個例子，使用生成器返回自然數的平方（注意返回的是多個值）：
def gensquares(N):
for i in range(N):
yield i ** 2
for item in gensquares(5):
print item,
使用普通函數：
def gensquares(N):
res = []
for i in range(N):
res.append(i*i)
return res
for item in gensquares(5):
print item,
可以看到，使用生成器函數代碼量更少。
2.2 生成器表達式
使用列表推導，將會一次產生所有結果：
>>> squares = [x**2 for x in range(5)]
>>> squares
[0, 1, 4, 9, 16]
將列表推導的中括弧，替換成圓括弧，就是一個生成器表達式：
>>> squares = (x**2 for x in range(5))
>>> squares>>> next(squares)
0
>>> next(squares)
1
>>> next(squares)
4
>>> list(squares)
[9, 16]
Python不但使用迭代器協議，讓for循環變得更加通用。大部分內置函數，也是使用迭代器協議訪問對象
的。例如， sum函數是Python的內置函數，該函數使用迭代器協議訪問對象，而生成器實現了迭代器協
2017/11/6 如何更好地理解Python迭代器和生成器？ - 知乎
https://www.hu.com/question/20829330 3/5
議，所以，我們可以直接這樣計算一系列值的和：
>>> sum(x ** 2 for x in xrange(4))
而不用多此一舉的先構造一個列表：
>>> sum([x ** 2 for x in xrange(4)])
2.3 再看生成器
前面已經對生成器有了感性的認識，我們以生成器函數為例，再來深入探討一下Python的生成器：
1. 語法上和函數類似：生成器函數和常規函數幾乎是一樣的。它們都是使用def語句進行定義，差別在
於，生成器使用yield語句返回一個值，而常規函數使用return語句返回一個值
2. 自動實現迭代器協議：對於生成器，Python會自動實現迭代器協議，以便應用到迭代背景中（如for
循環，sum函數）。由於生成器自動實現了迭代器協議，所以，我們可以調用它的next方法，並且，
在沒有值可以返回的時候，生成器自動產生StopIteration異常
3. 狀態掛起：生成器使用yield語句返回一個值。yield語句掛起該生成器函數的狀態，保留足夠的信息，
以便之後從它離開的地方繼續執行
3. 示例
我們再來看兩個生成器的例子，以便大家更好的理解生成器的作用。
首先，生成器的好處是延遲計算，一次返回一個結果。也就是說，它不會一次生成所有的結果，這對於大
數據量處理，將會非常有用。
大家可以在自己電腦上試試下面兩個表達式，並且觀察內存佔用情況。對於前一個表達式，我在自己的電
腦上進行測試，還沒有看到最終結果電腦就已經卡死，對於後一個表達式，幾乎沒有什麼內存佔用。
sum([i for i in xrange(10000000000)])
sum(i for i in xrange(10000000000))
除了延遲計算，生成器還能有效提高代碼可讀性。例如，現在有一個需求，求一段文字中，每個單詞出現
的位置。
不使用生成器的情況：
def index_words(text):
result = []
if text:
result.append(0)
for index, letter in enumerate(text, 1):
if letter == ' ':
result.append(index)
return result
使用生成器的情況：
2017/11/6 如何更好地理解Python迭代器和生成器？ - 知乎
https://www.hu.com/question/20829330 4/5
def index_words(text):
if text:
yield 0
for index, letter in enumerate(text, 1):
if letter == ' ':
yield index
這里，至少有兩個充分的理由說明 ，使用生成器比不使用生成器代碼更加清晰：
1. 使用生成器以後，代碼行數更少。大家要記住，如果想把代碼寫的Pythonic，在保證代碼可讀性的前
提下，代碼行數越少越好
2. 不使用生成器的時候，對於每次結果，我們首先看到的是result.append(index)，其次，才是index。
也就是說，我們每次看到的是一個列表的append操作，只是append的是我們想要的結果。使用生成
器的時候，直接yield index，少了列表append操作的干擾，我們一眼就能夠看出，代碼是要返回
index。
這個例子充分說明了，合理使用生成器，能夠有效提高代碼可讀性。只要大家完全接受了生成器的概念，
理解了yield語句和return語句一樣，也是返回一個值。那麼，就能夠理解為什麼使用生成器比不使用生成
器要好，能夠理解使用生成器真的可以讓代碼變得清晰易懂。
4. 使用生成器的注意事項
相信通過這篇文章，大家已經能夠理解生成器的作用和好處。但是，還沒有結束，使用生成器，也有一點
注意事項。
我們直接來看例子，假設文件中保存了每個省份的人口總數，現在，需要求每個省份的人口佔全國總人口
的比例。顯然，我們需要先求出全國的總人口，然後在遍歷每個省份的人口，用每個省的人口數除以總人
口數，就得到了每個省份的人口佔全國人口的比例。
如下所示：
def get_province_population(filename):
with open(filename) as f:
for line in f:
yield int(line)
gen = get_province_population('data.txt')
all_population = sum(gen)
#print all_population
for population in gen:
print population / all_population
執行上面這段代碼，將不會有任何輸出，這是因為，生成器只能遍歷一次。在我們執行sum語句的時候，
就遍歷了我們的生成器，當我們再次遍歷我們的生成器的時候，將不會有任何記錄。所以，上面的代碼不
會有任何輸出。
因此，生成器的唯一注意事項就是：生成器只能遍歷一次。
5. 總結
2017/11/6 如何更好地理解Python迭代器和生成器？ - 知乎
https://www.hu.com/question/20829330 5/5
本文深入淺出地介紹了Python中，一個容易被大家忽略的重要特性，即Python的生成器。為了講解生成
器，本文先介紹了迭代器協議，然後介紹了生成器函數和生成器表達式，並通過示例演示了生成器的優點
和注意事項。在實際工作中，充分利用Python生成器，不但能夠減少內存使用，還能夠提高代碼可讀性。
掌握生成器也是Python高手的標配。希望本文能夠幫助大家理解Python的生成器