👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉公众号👈：测试开发自动化【获取源码+商业合作】
👉荣__誉👈：阿里云博客专家博主、51CTO技术博主
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。
在 Python 中，迭代器（Iterators）和生成器（Generators）都是用于处理可迭代对象的概念，但它们有一些关键的区别。让我们来看看它们的特点和区别：
1. 迭代器（Iterators）
- 迭代器是一个实现了迭代协议的对象，可以通过内置函数
iter()来创建。它主要用于遍历或访问集合（如列表、元组、集合、字典等）中的元素，以及处理大型数据集合时节省内存。 - 迭代器的基本方法是
__iter__()和__next__()（在 Python 2 中是next()）。__iter__()方法返回迭代器对象本身，并且__next__()方法返回下一个元素，如果没有更多元素则引发StopIteration异常。 - 迭代器是惰性的，即每次只在需要时产生一个元素，不会提前将所有元素生成并保存在内存中。
假设我们有一个列表，我们想遍历该列表并计算其中所有元素的平方和。在这种情况下，我们可以使用迭代器来逐个获取列表中的元素并进行计算。
# 使用迭代器计算列表中元素的平方和 def square_sum(iterable): iterator = iter(iterable) result = 0 try: while True: element = next(iterator) result += element ** 2 except StopIteration: pass return result my_list = [1, 2, 3, 4, 5] total_square_sum = square_sum(my_list) print(total_square_sum) # 输出：55 (1 + 4 + 9 + 16 + 25)
运行结果：
2. 生成器（Generators）
- 生成器是一种特殊类型的迭代器，使用函数和
yield语句来定义。它允许在迭代过程中保存状态，从而使得函数可以在后续调用中继续执行，并返回生成的值，而不是将所有结果一次性返回。 - 生成器的函数使用
yield语句来产生值，而不是return语句。当函数中遇到yield时，会暂停执行并返回一个值给调用者，但函数的状态仍然保留，以便在下一次调用时从上次暂停的位置继续执行。 - 生成器可以通过函数调用来使用，就像普通函数一样，但是当生成器函数被调用时，它不会立即执行，而是返回一个生成器对象，通过调用
next()函数或使用for循环来逐步获取生成的值。 - 生成器函数可以节省大量内存，因为它们一次只生成一个值，并且不会在内存中保存生成的所有元素。
使用生成器来实现同样的功能，在每次调用时生成一个元素的平方，并保留状态直到下一次调用。
# 使用生成器计算列表中元素的平方和 def square_generator(iterable): for element in iterable: yield element ** 2 my_list = [1, 2, 3, 4, 5] squared_values = square_generator(my_list) # 使用for循环获取生成器的值并计算平方和 total_square_sum = sum(squared_values) print(total_square_sum) # 输出：55 (1 + 4 + 9 + 16 + 25)
运行结果：
3. 总结：
这两个示例得出的结果是相同的，但实现方式有所不同。在第一个示例中，我们使用迭代器逐个获取列表中的元素，并且计算整个平方和之后才返回结果。而在第二个示例中，我们使用生成器逐步计算每个元素的平方，并且在生成器中保留了状态，从而实现了节省内存的效果。
使用迭代器时，我们一次获取并处理一个元素，而使用生成器时，我们按需生成并处理每个元素，保留了计算状态，从而能够节省内存，并且可以处理大量的数据集合。
迭代器是一种通用的抽象概念，而生成器是一种特殊类型的迭代器，使用函数和yield语句来实现。生成器在处理大量数据和需要保存状态的情况下非常有用，因为它们能够惰性地产生值并节省内存。相比之下，迭代器通常用于遍历普通的可迭代对象。无论是迭代器还是生成器，它们都是在处理大型数据集合和节省内存方面的有用工具。
