Python迭代器和生成器：iter()、next()和yield()

在Python中，迭代器（iterator）和生成器（generator）是一对非常重要的概念。它们可以帮助我们更方便地处理序列或集合。

1. 迭代器（Iterator）是一个实现了迭代器协议的对象。它需要通过__iter__()方法返回自身，并且通过__next__()方法获取下一个元素。迭代器可以迭代一次，一次返回一个元素，直到没有元素可迭代为止。

2. 生成器（Generator）是一种特殊的迭代器。生成器可以通过函数来创建，使用yield关键字代替return来返回结果。生成器函数在每次调用yield语句时会暂停并保存当前的执行状态，然后返回一个值。当再次调用生成器时，它会从上次保存的执行状态处继续执行。

在Python中，使用iter()函数可以将可迭代对象转换为迭代器。iter()函数接受一个可迭代对象作为参数，并返回一个迭代器对象。例如：

my_list = [1, 2, 3, 4, 5]
my_iter = iter(my_list)

通过调用next()函数可以从迭代器中获取下一个元素。一旦没有更多元素可迭代，next()函数会引发StopIteration异常。例如：

print(next(my_iter))  # 输出：1
print(next(my_iter))  # 输出：2
print(next(my_iter))  # 输出：3

在生成器中，可以使用yield关键字在函数中暂停执行并返回一个值。生成器可以用于构建复杂的迭代器。例如：

def my_generator():
    yield 1
    yield 2
    yield 3

gen = my_generator()
print(next(gen))  # 输出：1
print(next(gen))  # 输出：2
print(next(gen))  # 输出：3

生成器非常适合处理大量数据的场景，因为它们可以按需生成数据，而不需要提前将所有数据都存储在内存中。

总结起来，迭代器和生成器是Python中处理序列或集合的重要工具。迭代器可以按需产生下一个元素，而生成器可以通过yield关键字自动保存和恢复执行状态。掌握迭代器和生成器的使用可以让我们更高效地处理大规模的数据集合。