Unterscheidung zwischen Iterator und Generator in Python

1. Iterator in Python
2. Generator in Python
3. Beispiele für Iterator und Generator in Python
4. Fazit

Iteratoren und Generatoren helfen uns dabei, eine Ausgabe zu generieren oder Code iterativ Bit für Bit zu verarbeiten. In diesem Artikel lernen wir anhand eines einfachen Beispiels einige grundlegende Unterschiede zwischen den Iteratoren und Generatoren von Python kennen.

Iterator in Python

Die grundlegenden Funktionen eines Iterators sind wie folgt:

1. Ein Iterator ist ein Objekt, das mit einer Klasse erstellt wurde, die das Iteratorprotokoll implementiert. Das bedeutet, dass die Klasse die Methoden __iter__ und __next__ definiert hat.
2. Die Methode __next__ verwendet die return-Anweisung, um einen Wert zurückzugeben. Da die return-Anweisung die letzte Zeile in dieser Methode sein muss, müssen wir die Variable aktualisieren, die beim nächsten Durchlauf von __next__ vor der return-Anweisung verwendet werden soll.

Im einfachsten Fall sehen wir uns an, __iter__ gibt self zurück.

Generator in Python

Die grundlegenden Merkmale eines Generators sind wie folgt:

1. Ein Generator ist eine Funktion.
2. Eine Generatorfunktion verwendet das Schlüsselwort yield anstelle des Schlüsselworts return.
   2.1 Das Schlüsselwort yield liefert einen Wert und unterbricht die Ausführung der Funktion.
   2.2 Der nächste Aufruf von next() setzt die Ausführung des Codes nach der yield-Anweisung fort.

Eine Generatorfunktion ermöglicht es uns, einen Generator-Iterator ohne den gesamten zusätzlichen Code zu erstellen, der beim Erstellen eines Iterators mit einer Klasse erforderlich ist.

Beispiele für Iterator und Generator in Python

Die folgenden beiden Beispiele verdeutlichen die in den beiden vorangegangenen Abschnitten erwähnten Punkte. Beide Beispiele veranschaulichen, wie man Quadrate von ganzen Zahlen erzeugt, beginnend mit 1.

Das erste Beispiel zeigt, wie es mit einem Iterator gemacht wird. Das zweite Beispiel zeigt äquivalenten Code mit einem Generator.

Beispielcode für Iterator:

# ITERATOR (Class)


class squares(object):
    def __init__(self, num1):
        self.nxt_sq_of = 1
        self.lim = num1

    def __iter__(self):
        return self

    def __next__(self):

        if self.nxt_sq_of <= self.lim:
            ret_sq_of = self.nxt_sq_of
            self.nxt_sq_of += 1
            return ret_sq_of * ret_sq_of
        else:
            raise StopIteration


# Iterator Object
a = squares(6)

# Next value of the iterator.
next(a)
next(a)
next(a)
next(a)
next(a)
next(a)
next(a)
next(a)


# Using the iterator in a loop.
a1 = squares(6)

while True:
    print(next(a1))

Ausgabe:

next(a)
Out[3]: 1

next(a)
Out[4]: 4

next(a)
Out[5]: 9

next(a)
Out[6]: 16

next(a)
Out[7]: 25

next(a)
Out[8]: 36

next(a)
Traceback (most recent call last):

  File "<ipython-input-9-15841f3f11d4>", line 1, in <module>
    next(a)

  File "<ipython-input-1-9dbe8e565876>", line 17, in __next__
    raise StopIteration

StopIteration

Beispielcode für Generator:

# GENERATOR FUNCTION


def gen_squares(num2):
    i = 1
    while i <= num2:
        yield i * i
        i += 1


# Generator iterator.
b = gen_squares(5)

# Next yield of the generator iterator.
next(b)
next(b)
next(b)
next(b)
next(b)
next(b)

Ausgabe:

next(b)
Out[3]: 1

next(b)
Out[4]: 4

next(b)
Out[5]: 9

next(b)
Out[6]: 16

next(b)
Out[7]: 25

next(b)
Traceback (most recent call last):

  File "<ipython-input-8-adb3e17b0219>", line 1, in <module>
    next(b)

StopIteration

Fazit

Wir stellen fest, dass die Generatoren von Python es uns ermöglichen, prägnanten Code zu schreiben, um einen Generator-Iterator zu erstellen.

Iteratoren hingegen sind viel leistungsfähiger, da sie es dem Programmierer ermöglichen, benutzerdefinierten Code für die Methode __iter__ zu schreiben.

Weitere Einzelheiten finden Sie im Folgenden.

1. Python-Wiki-Artikel für Generatoren.
2. Python-Wiki-Artikel für Iteratoren.