迭代器是一种逐个访问集合元素的机制，能节省内存。1. 迭代器需实现__iter__()和__next__()方法；2. 自定义迭代器可灵活控制数据访问；3. 生成器用yield更简洁实现迭代；4. itertools模块支持复杂迭代逻辑；5. 迭代器适用于大数据处理和web开发等场景。
迭代器，简单来说，就是一种可以让你逐个访问集合中元素的东西，而不用一次性把所有元素都加载到内存里。这在处理大型数据集时尤其有用，可以节省大量内存。自定义迭代器则赋予了你更灵活地控制数据访问方式的能力。
首先，我们需要理解迭代器协议。
迭代器协议
迭代器协议是python中实现迭代器必须遵守的规则，它包含两个方法：__iter__() 和 __next__()。
立即学习“Python免费学习笔记（深入）”；
自定义迭代器示例
下面是一个简单的自定义迭代器，它会生成一个指定范围内的平方数序列。
class SquareIterator: def __init__(self, start, end): self.start = start self.end = end self.current = start def __iter__(self): return self def __next__(self): if self.current > self.end: raise StopIteration else: square = self.current ** 2 self.current += 1 return square # 使用迭代器 squares = SquareIterator(1, 5) for square in squares: print(square)
这段代码的关键在于__next__() 方法。它负责计算下一个平方数，并更新 self.current。当 self.current 超过 self.end 时，会引发 StopIteration 异常，告诉 for 循环迭代已经结束。
为什么需要自定义迭代器？
自定义迭代器有很多用途。想象一下，你需要处理一个非常大的文件，比如一个巨大的日志文件。一次性加载到内存肯定是不行的。这时，你就可以自定义一个迭代器，每次只读取文件的一小部分，进行处理，然后释放内存。
迭代器和生成器的区别是什么？
迭代器需要定义一个类，实现 __iter__() 和 __next__() 方法。而生成器则可以使用 yield 关键字更简洁地实现迭代。生成器实际上是一种特殊的迭代器。
例如，上面的平方数迭代器可以用生成器这样实现：
def square_generator(start, end): for i in range(start, end + 1): yield i ** 2 # 使用生成器 squares = square_generator(1, 5) for square in squares: print(square)
可以看到，生成器的代码更加简洁。yield 关键字会暂停函数的执行，并返回一个值。下次调用生成器时，会从上次暂停的地方继续执行。
如何处理复杂的迭代逻辑？
对于更复杂的迭代逻辑，比如需要根据某些条件跳过某些元素，或者需要同时迭代多个序列，你可以使用更高级的迭代器工具，例如 itertools 模块。
itertools 模块提供了很多有用的迭代器函数，例如 chain(), zip_longest(), islice() 等。这些函数可以帮助你更方便地处理复杂的迭代逻辑。
例如，你可以使用 itertools.chain() 将多个序列连接起来：
import itertools list1 = [1, 2, 3] list2 = [4, 5, 6] combined = itertools.chain(list1, list2) for item in combined: print(item)
迭代器在实际项目中的应用
迭代器在实际项目中有很多应用。例如，在数据分析中，你可以使用迭代器来处理大型数据集，避免一次性加载到内存。在Web开发中，你可以使用迭代器来生成大型的html页面，避免一次性生成整个页面。
迭代器是一种非常强大的工具，可以帮助你更高效地处理数据。掌握迭代器的使用方法，可以让你写出更简洁、更高效的Python代码。
