Python面试题：Python 中的生成器（generator）是什么？有什么优点？

在Python中，生成器（generator）是一种特殊的迭代器，使用yield关键字生成值，可以逐个生成序列中的值，而不需要一次性将所有值加载到内存中。生成器函数在定义时使用def关键字，并包含一个或多个yield表达式。当调用生成器函数时，它返回一个生成器对象，但并不会立即执行函数中的代码，直到调用了生成器对象的__next__()方法（通常使用next()函数）。

生成器的特点和用法

1. 定义生成器：
   使用yield关键字生成值，而不是使用return返回。

   def my_generator():
       yield 1
       yield 2
       yield 3
   

2. 创建和使用生成器：
   调用生成器函数返回一个生成器对象，使用next()方法获取下一个值。

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

3. 迭代生成器：
   可以使用for循环来迭代生成器对象，自动处理StopIteration异常。

   for value in my_generator():
       print(value)
   # 输出:
   # 1
   # 2
   # 3
   

生成器的优点

1. 节省内存：
   生成器按需生成值，而不是一次性将所有值加载到内存中，适用于处理大量数据或无限序列。

   def infinite_sequence():
       num = 0
       while True:
           yield num
           num += 1
   

2. 提高性能：
   由于生成器只在需要时才生成值，避免了不必要的计算和内存占用，提高了性能。

3. 惰性求值：
   生成器的惰性求值特性使得它们特别适合处理大型数据集、流数据或需要延迟计算的场景。

4. 简洁代码：
   生成器可以简化代码，使得实现复杂迭代逻辑更加直观。

   def fibonacci_sequence():
       a, b = 0, 1
       while True:
           yield a
           a, b = b, a + b
   

5. 管道处理：
   生成器可以用作管道的各个阶段，将一个生成器的输出作为另一个生成器的输入，从而实现流式数据处理。

   def square_numbers(nums):
       for num in nums:
           yield num * num
   
   nums = square_numbers(range(10))
   for num in nums:
       print(num)
   

示例

简单生成器

def simple_generator():
    yield 1
    yield 2
    yield 3

gen = simple_generator()
for value in gen:
    print(value)

文件处理

逐行读取大文件而不加载整个文件到内存中：

def read_large_file(file_path):
    with open(file_path, 'r') as file:
        for line in file:
            yield line

for line in read_large_file('large_file.txt'):
    print(line.strip())

斐波那契数列

生成无限斐波那契数列：

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

fib_gen = fibonacci()
for _ in range(10):
    print(next(fib_gen))

结论

生成器是Python中强大且灵活的工具，尤其适合用于处理大数据集和流式数据处理。它们通过节省内存、提高性能、支持惰性求值等特点，使得代码不仅更加高效，还更加简洁和易于维护。