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

简介: 迭代器和生成器不是并列关系——生成器是迭代器的一种“偷懒写法”。3 个例子讲透:迭代器是“会挨个吐值的对象”,生成器是用 yield 现写现用的那种,最大区别是它懒,要一个才生一个。

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

系列:Python 底层设计逻辑|类型:原理拆解型|分发:CSDN / 掘金 / 51CTO / 阿里云 / 知乎(回答)
字数:约 1600 字

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。

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:

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:

# 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

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:

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。

相关文章
|
13天前
|
缓存 Java Python
Python 的 int 为什么不会溢出?拆开 PyLongObject 和它背后那串变长数组
很多人背过“字典查询是 O(1)”,但为什么是常数?CPython 3.13 实测 dict.get 在 100→10 万规模恒为 0.1 微秒,而 list.index 线性涨到 609 微秒(慢 4743 倍)。本文拆开开放寻址哈希表、扰动函数与 2/3 扩容阈值把 O(1) 钉死,也讲清“创建是 O(n)”这个常被混的点。
|
16天前
|
缓存 编译器 Sentinel
Python 里 is 和 == 到底差在哪?拆开小整数池、字符串驻留与 0ns 身份比较
is 比 == 快不是 Python 偷懒,而是它只比对象身份(指针),0ns 级别;== 要走 __eq__ 还可能触发哈希。但小整数池和字符串驻留会让 is 在「本不该相等」时也返回 True,这是 80% 初学者踩的坑。
|
24天前
|
存储 缓存 编译器
Python 的整数为什么永远不会溢出?拆开大整数对象,看 30 位一节的存储与运算代价
Python 整数不会溢出,靠的是把数字拆成 30 位小节用对象数组存:每个整数至少 28 字节,每多 30 位加 4 字节;加法近似线性、乘法超线性——30 万位乘法是 30 位的 29 万倍;str 转换默认 4300 位护栏,to_bytes 比 str 快约 300 倍。用 9 组实验算清「无限精度」的账单。
|
25天前
|
Java 索引 Python
Python 字典为什么这么快?一次查找背后的哈希表、扰动函数和开放寻址
Python 字典查找平均 O(1):算一次哈希直接跳到桶位,实测 1 万 key 取值 4.6ms,同规模列表成员判断要 55 秒,差 12000 倍;但哈希全碰撞时慢 2111 倍——用 4 组实验讲透开放寻址、扰动函数和空间换时间。
|
1月前
|
Python
Python 装饰器到底是个啥?从 @ 符号到手写一个,5 个例子讲透
装饰器(decorator)本质是一个「接收函数、返回函数」的高阶函数,@log 写在 def foo() 上等价于 foo = log(foo)。本文从最朴素的包装工厂讲起,用 5 个例子把 @ 语法、functools.wraps、带参数装饰器、类装饰器一次讲透。
|
1月前
|
缓存 Python
Python 装饰器把函数"搞丢"了?5 个必踩的坑与完整避坑对照表
装饰器的坑不是"不会写",而是写完原函数被悄悄换掉——名字、文档、签名、身份都可能变。functools.wraps 救得回大部分,救不了全部。5 个坑逐个给复现代码和修法,附完整对照表。
|
Kubernetes 容器 Perl
【kubernetes】解决: kubelet Failed to create pod sandbox: rpc error: code = Unknown desc = faile...
【kubernetes】解决: kubelet Failed to create pod sandbox: rpc error: code = Unknown desc = faile...
19149 0
|
1月前
|
缓存 BI 测试技术
2026通义千问Qwen3.7-Max全解:Agent智能体底座,架构拆解与API实操教程
随着智能体应用快速落地,面向长周期自主任务的大模型成为开发选型的重点,新版通义千问Qwen3.7‑Max作为旗舰文本大模型,主打Agent智能体底座能力,在复杂推理、工程代码开发、超长文档处理、多轮工具调用等方面进行大规模优化,能够支撑长时间连续自动化任务。很多开发者在初次接触该模型时,容易混淆它与同系列其他版本的能力差异,不清楚MoE混合专家架构的运行逻辑,在API接入、工具调用编排时遇到参数配置、返回格式异常等问题。本文将从核心功能、底层技术架构、实操使用方法三个维度完整解析Qwen3.7‑Max,附带可直接运行的API调用代码,讲解参数配置方法,梳理开发过程中的限制条件与避坑要点,帮助开
638 2
|
1月前
|
弹性计算 人工智能 安全
如何在阿里云服务器ECS上部署DeepSeek Harness开源智能体?图文教程来了
本方案介绍如何通过阿里云ECS、百炼平台与计算巢,快速部署DeepSeek AI开源智能体框架DeepSeek Harness,基于“一切皆插件”架构与Cordis引擎,构建支持时空组合能力的专属AI Agent平台。(239字)
|
1月前
|
弹性计算 Linux Docker
2026年10月Docker镜像源清单:ECS旧入口与公共候选
本文梳理2023年10月主流容器镜像加速入口现状:阿里云、百度旧加速器已停更或终止服务;腾讯、华为云内网地址限特定环境;毫秒镜像(docker.1ms.run)与DaoCloud为可用公共候选。强调需按“环境适配→显式拉取→摘要校验”三步验证,不可盲目替换配置。(239字)
2026年10月Docker镜像源清单:ECS旧入口与公共候选

热门文章

最新文章