当前位置：首页 > Python > 正文

Python迭代器和生成器的区别 | 全面解析与代码示例

ZhuShuoKong
Python
2025-08-10
151

Python迭代器与生成器：核心区别与使用场景

在Python编程中，迭代器(Iterator)和生成器(Generator)都是处理序列数据的重要概念。它们看起来相似，但有着本质的区别。本文将深入探讨这两者的差异，并通过实际代码示例展示它们的使用场景和性能特点。

什么是迭代器？

迭代器是一个可以记住遍历位置的对象。它实现了两个特殊方法：__iter__() 和 __next__()。

迭代器对象从集合的第一个元素开始访问，直到所有元素被访问完结束。迭代器只能前进不能后退。

迭代器示例代码：

# 创建一个迭代器类
class SquareIterator:
    def __init__(self, max_num):
        self.max_num = max_num
        self.current = 0
    
    def __iter__(self):
        return self
    
    def __next__(self):
        if self.current < self.max_num:
            result = self.current ** 2
            self.current += 1
            return result
        else:
            raise StopIteration

# 使用迭代器
squares = SquareIterator(5)
for num in squares:
    print(num)

# 输出: 0, 1, 4, 9, 16

什么是生成器？

生成器是一种特殊的迭代器，使用函数和yield语句创建。生成器函数在每次调用next()时执行，直到遇到yield语句暂停，并返回yield的值。

生成器的主要优势是惰性求值——只在需要时生成值，节省内存空间。

生成器示例代码：

# 创建一个生成器函数
def square_generator(max_num):
    current = 0
    while current < max_num:
        yield current ** 2
        current += 1

# 使用生成器
squares = square_generator(5)
for num in squares:
    print(num)

# 输出: 0, 1, 4, 9, 16

# 生成器表达式示例
squares = (x**2 for x in range(5))
print(list(squares))  # 输出: [0, 1, 4, 9, 16]

核心区别对比

特性	迭代器	生成器
实现方式	通过类实现（__iter__和__next__方法）	通过函数和yield语句实现
内存使用	需要存储整个迭代状态	内存效率高（按需生成值）
代码复杂度	相对较高（需要定义类）	简单（类似普通函数）
性能	启动开销小，但每次迭代可能稍慢	启动开销大，但迭代速度快
使用场景	需要复杂状态管理的迭代	大型数据集、流式处理、无限序列

关键区别总结：

所有生成器都是迭代器，但并非所有迭代器都是生成器
生成器使用yield关键字，而迭代器使用__next__()方法
生成器自动实现迭代器协议，无需显式定义__iter__()和__next__()
生成器函数执行到yield时暂停，下次调用从暂停处继续
生成器表达式((x for x in iterable))是创建生成器的简洁方式

何时使用迭代器或生成器？

使用迭代器的场景：

需要完全控制迭代过程
需要实现复杂的状态管理
需要反向迭代或随机访问元素
需要重用同一个迭代器多次

使用生成器的场景：

处理大型或无限数据集
需要简洁的迭代实现
内存效率至关重要
实现数据管道和流处理
需要惰性求值（按需生成值）

性能对比示例：

import sys
import time

# 迭代器版本
class RangeIterator:
    def __init__(self, n):
        self.n = n
        self.i = 0
        
    def __iter__(self):
        return self
        
    def __next__(self):
        if self.i < self.n:
            i = self.i
            self.i += 1
            return i
        raise StopIteration

# 生成器版本
def range_generator(n):
    i = 0
    while i < n:
        yield i
        i += 1

# 测试内存使用
n = 1000000
iter_size = sys.getsizeof(RangeIterator(n))
gen_size = sys.getsizeof(range_generator(n))

print(f"迭代器内存占用: {iter_size} 字节")
print(f"生成器内存占用: {gen_size} 字节")

# 测试执行时间
start = time.time()
sum(RangeIterator(n))
print(f"迭代器耗时: {time.time()-start:.6f}秒")

start = time.time()
sum(range_generator(n))
print(f"生成器耗时: {time.time()-start:.6f}秒")