Python 迭代器和生成器到底啥区别?3 个例子讲透,别再背概念了

结论先行:迭代器(iterator)和生成器(generator)不是并列关系------生成器是迭代器的一种"偷懒写法"。所有生成器都是迭代器,但迭代器不一定是生成器。一句话区分:迭代器是"会挨个吐值的对象"(实现 __iter__ + __next__),生成器是用 yield 或生成器表达式"现写现用"造出的那种迭代器,最大的不同是它懒**,要一个才生一个,不占内存。**


1. 先搞清:什么是迭代器

能 for x in obj 挨个取值的对象,都叫"可迭代对象"(iterable,有 __iter__)。而迭代器 是"被迭代时记住自己走到哪"的那个东西------它多了个 __next__,每次调用吐下一个,吐完抛 StopIteration。

python 复制代码
lst = [1, 2, 3]
it = iter(lst)          # list 是可迭代对象,iter() 造出它的迭代器
print(next(it))          # 1
print(next(it))          # 2

关键点 :list 本身不是迭代器(它可被多次 iter()),但 it 是。for 循环干的事,本质就是反复 next() 直到 StopIteration。

2. 生成器:用 yield 写的迭代器

手写一个完整的迭代器类,要实现 __iter__ 和 __next__,还要自己存状态------挺啰嗦。生成器让你用 yield 把函数变成迭代器,状态由 Python 自动保存:

python 复制代码
def gen():
    for i in range(3):
        yield i * i

g = gen()                # g 就是一个生成器对象(也是迭代器)
print(next(g))           # 0
print(next(g))           # 1
print(next(g))           # 4

为什么方便 :yield 每次"暂停"把值交出来,下次 next() 从暂停处继续。你不用手动管下标、不用存列表,函数体就是状态机。

3. 核心差别:一个在内存,一个"现生现用"

这是最该记住的一点,用大文件举例:

python 复制代码
# 迭代器(但提前把 100 万个平方全算好塞进列表)------ 占内存
def squares_list(n):
    return [i*i for i in range(n)]

# 生成器 ------ 要一个才算一个,内存几乎为 0
def squares_gen(n):
    for i in range(n):
        yield i*i

for x in squares_gen(1_000_000):
    if x > 100:
        break

差别 :列表版本先把一百万个数全造出来(几十 MB);生成器版本算到 x>100 就停,后面根本没算。这就是"懒求值"的价值------处理大文件、无限序列、流式数据时,生成器是刚需。

4. 生成器表达式:更短的写法

python 复制代码
gen_expr = (i*i for i in range(1000000))   # 注意是 () 不是 []
print(next(gen_expr))                       # 0

对照 :[] 是列表推导(一次性全算),() 是生成器表达式(懒)。一个占内存,一个不占,写法只差一对括号。

5. 生成器的"一次性"陷阱

迭代器和生成器都只能走一遍------走完就空了,得重新造:

python 复制代码
g = squares_gen(3)
list(g)                  # [0, 1, 4]
list(g)                  # []  ← 空了!生成器已耗尽

坑点:把生成器当列表反复用,第二次永远拿到空。需要重复遍历就转成 list,或重新调用函数再造一个。


对照表:一眼分清

维度 可迭代对象 迭代器 生成器
能否 for ✅ ✅ ✅
有 __next__ ❌(需 iter() 造) ✅ ✅
是否"懒" 否 看实现 ✅ 一定是
写法 list/str 等 手写类 yield / () 表达式
遍历遍数 无限次 一遍 一遍

排错清单(收藏级)

  • 生成器第二次遍历是空 :它一次性,重用时 list() 或重新调用函数。
  • yield 和 return 混用 :return 在生成器里只用来结束并带值到 StopIteration,别当普通返回值。
  • 大列表爆内存 :把 [... for ...] 改成 (... for ...),瞬间省内存。
  • 生成器里改外部变量小心 :它是惰性执行的,循环体里的副作用会"延迟"到被 next() 时才发生。
  • next() 超界报 StopIteration :用 for 或在 next(g, default) 给默认值兜底。

一句话记住:迭代器是"会走路的对象",生成器是"用 yield 写的、懒的迭代器"。背概念不如记这句------要一个才生一个的,就是生成器。

相关推荐
岁月宁静9 小时前
五、《从零手撸 Agent》 — 什么是 Agent:从“会聊天”到“会做事”,差的就是一个循环
python·agent
梯度下降者9 小时前
Python - 函数
python·高阶函数·可调用对象·functools·嵌套作用域
starzy199011 小时前
深入理解Scala隐式参数:上下文流转
开发语言·python·scala
wuyk55512 小时前
Spider-第16讲-线程池与竞态问题
大数据·爬虫·python·elasticsearch·搜索引擎
kyle~18 小时前
FastAPI --- 将业务能力以 API 的形式提供给外部系统
python·fastapi·前后端
aiotto资源分享18 小时前
Python 写 JSON 文件,程序中途退出会留下什么?
java·python·json·jsondecodeerror
梯度下降者19 小时前
Python信号量,条件变量,事件学习
python·条件变量·事件·信号量·线程通信
MSTcheng.20 小时前
【AI应用实战】用 FastAPI + SSE 做一个自己的 AI 聊天网页:流式输出、多轮对话与完整源码
人工智能·python·大模型·fastapi·sse·ai聊天助手
the局外人21 小时前
Python 实战检索优化:BM25、向量与重排
数据库·后端·python
__underline__21 小时前
冷门Python知识点006篇:Python 类体里的名字,能被"凭空造出来"
后端·python