Python 为什么这个FizzBuzz生成器要比这个FizzBuzz迭代器类快很多？

在学习了迭代器类方法和生成器之后，我使用每种习惯用法测试了简单的Fizz Buzz解决方案的性能特征：

>>> from timeit import timeit
>>> timeit('tuple(fizzbuzz.FizzBuzzIterator(10))', 'import fizzbuzz')
13.281935930252075
>>> timeit('tuple(fizzbuzz.fizz_buzz_generator(10))', 'import fizzbuzz')
7.619534015655518

根据

timeit

，生成器函数大约比迭代器类快1¾倍

我的问题是：为什么这个FizzBuzz生成器要比这个FizzBuzz迭代器类快很多

FizzBuzz迭代器类 嘶嘶声发生器功能

def嘶嘶声发生器（低、高=无）：
如果“高”为“无”：
高=低
cur=1
其他：
电流=最大值（低，1）
而cur显然，生成器的实现效率高于迭代器

您的第一个解决方案具有以下有趣的特征：

它使用对象
对于n个数上的迭代，调用3+n方法并访问2+4.n属性，这两种操作都可能很慢
异常用于控制流
第二个解决方案不执行这些操作，而是
产生
s，这意味着语言运行库执行繁重的工作。由于运行时通常是用C实现的，因此这比第一个解决方案的高级代码优化得多

下一步，你应该考虑你真正的标杆管理。对于一个好的基准测试，您应该选择不同的输入大小n，并观察这两个解决方案在不同尺度下的比较


对于非常小的n，我们预计初始成本占主导地位。这与您的结果一致，因为执行函数调用比创建对象花费更少
对于较大的n，我们期望算法的特性占主导地位。由于算法完全相同，因此图形应该具有相同的形状。但每次迭代，第一个解决方案的成本要高得多（四个属性访问，一个方法调用）。然后，这两种解决方案将是斜率略有不同的图。每次迭代成本的精确关系只能通过获得大量输入大小n的大量计时数据集，然后对该数据拟合函数来评估
我绘制了一些图表，以查看绘制的线条有多大差异。这种可衡量的差异令人惊讶。再次感谢你的回答！感谢版主/管理员删除了离题答案：）
class FizzBuzzIterator:

    def __init__(self, low, high=None):
        if high is None:
            self.high = low
            self.current = 1
        else:
            self.high = high
            self.current = max(low, 1)

    def __iter__(self):
        return self

    def next(self):
        if self.current > self.high:
            raise StopIteration
        else:
            c = self.current
            self.current += 1
            if (c % 5 + c % 3) == 0:
                return 'FizzBuzz'
            elif c % 5 == 0:
                return 'Buzz'
            elif c % 3 == 0:
                return 'Fizz'
            else:
                return str(c)

def fizz_buzz_generator(low, high=None):
    if high is None:
        high = low
        cur = 1
    else:
        cur = max(low, 1)
    while cur <= high:
        c = cur
        cur += 1
        if (c % 5 + c % 3) == 0:
            yield 'FizzBuzz'
        elif c % 5 == 0:
            yield 'Buzz'
        elif c % 3 == 0:
            yield 'Fizz'
        else:
            yield str(c)