python生成器和迭代器

生成器：

通过列表生成式，我们可以直接创建一个列表，但是，收到内存限制，列表容量肯定是有限的，而且，创建一个包含100万个元素的列表，不仅占用大量的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间就白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断地推算出后续的元素呢，这样就不必创建完整的list，从而节省大量的空间，在python中，这种一边循环一边计算的机制，成为生成器：generator

生成器只有在调用时才会生成相应的数据，生成器只有一个next方法，我们创建了一个generator后，基本上永远不会调用next方法，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

def fib(max):
    n,a,b=0,0,1
    while n < max:
        print(b)
        a,b=b,a+b
        n+=1
    return 'done'

fib(10)

以上为一个生成斐波那契数列的函数，但不是生成器只需将print改为yield就成为生成器。

这样就是一个生成器了，可以用变量如f=fib(10),调用的时候

迭代器：

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

可以使用isinstance（）判断一个对象是否是Iterable对象。

而生成器不但可以作用于for循环，还可以被next（）函数不断调用并返回一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

*可以被next（）函数调用并不断返回下一个值的对象成为迭代器：Iterator。

可以使用isinstance（）判断是否为一个

小结：

凡是可作用于for循环的对象都是可迭代类型；

凡事可作用于next（）函数的对象都是迭代器对象，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是可迭代的但不是迭代器，不过可以通过iter（）函数获得一个迭代器对象。