在 Python 中，迭代器（Iterator）是一种非常重要的概念，它允许我们逐个访问集合中的元素，而无需暴露其内部的表示形式。迭代器是实现迭代协议（Iterator Protocol）的对象，通过这种方式，我们可以编写更加灵活和高效的代码。
1. 迭代器的基本概念
1.1 什么是迭代器？
迭代器是一个实现了 __iter__() 和 __next__() 方法的对象。这两个方法共同定义了迭代器的行为：
-
__iter__()：返回迭代器对象本身。 -
__next__()：返回容器中的下一个元素。如果没有更多元素，则抛出StopIteration异常。
1.2 迭代器的用途
迭代器的主要用途是遍历集合中的元素。与传统的索引访问方式相比，迭代器更加高效，因为它不需要一次性加载整个集合。此外，迭代器还可以用于生成无限序列，例如生成斐波那契数列。
2. 创建迭代器
2.1 使用内置函数 iter()
Python 提供了一个内置函数 iter()，可以将可迭代对象（如列表、元组、字典等）转换为迭代器。
示例代码
# 创建一个列表
my_list = [1, 2, 3, 4, 5]
# 将列表转换为迭代器
my_iterator = iter(my_list)
# 使用 next() 函数访问迭代器中的元素
print(next(my_iterator)) # 输出：1
print(next(my_iterator)) # 输出：2
print(next(my_iterator)) # 输出：3
print(next(my_iterator)) # 输出：4
print(next(my_iterator)) # 输出：5
# 如果继续调用 next()，将抛出 StopIteration 异常
# print(next(my_iterator)) # 抛出 StopIteration 异常2.2 自定义迭代器
我们可以通过实现 __iter__() 和 __next__() 方法来创建自定义迭代器。
示例代码
class MyIterator:
def __init__(self, start, end):
self.current = start
self.end = end
def __iter__(self):
return self
def __next__(self):
if self.current < self.end:
num = self.current
self.current += 1
return num
else:
raise StopIteration
# 创建自定义迭代器
my_iterator = MyIterator(1, 5)
# 使用 for 循环遍历迭代器
for num in my_iterator:
print(num)
2.3 使用生成器创建迭代器
生成器（Generator）是一种特殊的迭代器，它通过 yield 关键字返回值。生成器的实现更加简洁，适合生成复杂的序列。
示例代码
def my_generator(start, end):
current = start
while current < end:
yield current
current += 1
# 创建生成器
my_gen = my_generator(1, 5)
# 使用 for 循环遍历生成器
for num in my_gen:
print(num)
3. 迭代器的高级用法
3.1 无限迭代器
迭代器可以用于生成无限序列。例如，生成斐波那契数列。
示例代码
def fibonacci():
a, b = 0, 1
while True:
yield a
a, b = b, a + b
# 创建无限迭代器
fib_gen = fibonacci()
# 打印前10个斐波那契数
for _ in range(10):
print(next(fib_gen))
3.2 迭代器的组合
可以使用 itertools 模块中的函数来组合多个迭代器，实现更复杂的迭代逻辑。
示例代码
import itertools
# 创建两个迭代器
it1 = iter([1, 2, 3])
it2 = iter([4, 5, 6])
# chain() 函数:用于将多个迭代器串联成一个长迭代器
# 语法：itertools.chain(*iterables)
# 使用 chain() 函数组合迭代器
combined_it = itertools.chain(it1, it2)
# 遍历组合后的迭代器
for num in combined_it:
print(num)
3.3 迭代器的过滤
可以使用 filter() 函数或生成器表达式来过滤迭代器中的元素。
示例代码
# 创建一个迭代器
my_it = iter([1, 2, 3, 4, 5])
# 使用 filter() 函数过滤偶数
filtered_it = filter(lambda x: x % 2 == 0, my_it)
# 遍历过滤后的迭代器
for num in filtered_it:
print(num)
4. 迭代器的性能优势
迭代器的一个重要优势是它不需要一次性加载整个集合，因此在处理大数据集时更加高效。与传统的列表推导式相比，生成器（是一种特殊的迭代器，通过 yield 关键字实现，用于惰性生成值）表达式可以节省大量内存。
示例代码
# 使用列表推导式
squares_list = [x**2 for x in range(1000000)]
# 使用生成器表达式
squares_gen = (x**2 for x in range(1000000))
# 打印前10个平方数
for _ in range(10):
print(next(squares_gen))
5. 总结
迭代器是 Python 中一个非常强大的工具，它允许我们以高效和灵活的方式遍历集合中的元素。通过实现 __iter__() 和 __next__() 方法，我们可以创建自定义迭代器。生成器则提供了一种更加简洁的方式来实现迭代器。此外，itertools 模块提供了丰富的函数来组合和操作迭代器，进一步增强了迭代器的功能。
希望这篇教程能帮助你更好地理解和使用 Python 迭代器。如果你有任何问题或建议，请随时在评论区留言！
