Python迭代器原理与使用技巧解析

哈喽！今天心血来潮给大家带来了《Python迭代器核心原理与实战技巧详解》，想必大家应该对文章都不陌生吧，那么阅读本文就都不会很困难，以下内容主要涉及到，若是你正在学习文章，千万别错过这篇文章~希望能帮助到你！

Python迭代器是__iter__和__next__构成的协议；__iter__必须返回含__next__的对象，否则报“not iterable”；生成器函数用yield更简洁安全；itertools迭代器多为一次性；生成器表达式省内存但不可索引、不可重用。

Python 迭代器不是语法糖，是 __iter__ 和 __next__ 两个方法共同构成的协议；不实现它，for 循环、list()、sum() 等内置操作就无法消费你的对象。

为什么自定义类加了 __iter__ 还报 TypeError: 'X' object is not iterable

常见错误是只实现了 __iter__，但返回值不是迭代器对象（即没有 __next__ 方法）。

• __iter__ 必须返回一个具备 __next__ 方法的对象 —— 可以是自身（此时类还要实现 __next__），也可以是另一个迭代器实例（如 iter(list)）
• 返回 self 是最简方式，但必须同时定义 __next__，且内部要维护状态（如索引、游标），并在耗尽时抛出 StopIteration
• 返回 iter(some_list) 更安全，适合数据已存在、无需懒加载的场景

用生成器函数替代手写迭代器更自然

90% 的自定义迭代需求，用 yield 写生成器函数比手动实现双下方法更清晰、不易出错。

• 生成器函数调用后自动返回 generator 对象，它原生支持迭代协议
• 状态由 Python 运行时保存，不用自己管 self.index 或重置逻辑
• 遇到 return 或函数结束，自动抛 StopIteration，无需手动判断

def countdown(n):
    while n > 0:
        yield n
        n -= 1
<h1>直接用于 for 循环或构造 list</h1><p>for i in countdown(3):
print(i)  # 3, 2, 1
list(countdown(2))  # [2, 1]</p>

itertools 里哪些迭代器是“一次性”的？

几乎所有 itertools 返回的对象都是单次迭代器：用完即空，再次遍历时不再产出任何值。

• itertools.chain(a, b)、itertools.filterfalse(...)、itertools.islice(...) 都属于此类
• 重复使用需重新调用构造函数，或用 itertools.tee(it, n) 复制多个独立迭代器（注意内存开销）
• 误用典型现象：list(it); sum(it) → 第二步 sum 得到 0，因为 it 已被第一次 list 耗尽

迭代器和生成器表达式的性能差异在哪

生成器表达式（(x*2 for x in range(1000))）比等价的列表推导式（[x*2 for x in range(1000)]）省内存，但两者都不是“更快”——只是延迟计算时机不同。

• 生成器表达式不立刻执行循环体，只在每次 __next__ 时算一个值；列表推导式一上来就全算完、全存进内存
• 若你只需要前几个元素，生成器表达式明显省时间+内存；若后续要多次随机访问，它反而不如转成 list
• 注意：生成器表达式不能被 len() 或索引访问，这是设计使然，不是 bug

真正容易被忽略的是迭代器的“不可逆性”：没有标准方法让它倒带或重播，除非你自己封装缓冲逻辑或用 itertools.tee。别指望 iter(obj) 每次都给你新起点。

到这里，我们也就讲完了《Python迭代器原理与使用技巧解析》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！