在了解Python的数据结构时，容器(container)、可迭代对象(iterable)、迭代器(iterator)、生成器(generator)、列表/集合/字典推导式(list,set,dict comprehension)众多概念参杂在一起，难免让初学者一头雾水，我将用一篇文章试图将这些概念以及它们之间的关系捋清楚。
1. 容器(container)
容器是一种把多个元素组织在一起的数据结构，容器中的元素可以逐个地迭代获取，可以用in, not in关键字判断元素是否包含在容器中。通常这类数据结构把所有的元素存储在内存中（也有一些特例，并不是所有的元素都放在内存，比如迭代器和生成器对象）在Python中，常见的容器对象有：
- list, deque, ….
- set, frozensets, ….
- dict, defaultdict, OrderedDict, Counter, ….
- tuple, namedtuple, …
- str
容器比较容易理解，因为你可以把它看作是一个盒子、一栋房子、一个柜子，里面可以塞任何东西。从技术角度来说，当一个对象被询问是否某个元素包含在其中时，那么这个对象就可以认为是一个容器，比如list，set，tuples都是容器对象：
print(assert 1 in [1, 2, 3]) # lists
print(assert 4 not in [1, 2, 3])
print(assert 1 in {1, 2, 3}) # sets
print(assert 4 not in {1, 2, 3})
print(assert 1 in (1, 2, 3)) # tuples
print(assert 4 not in (1, 2, 3))
询问某元素是否用dict中的key：
d = {1: 'foo', 2: 'bar', 3: 'qux'}
print(assert 1 in d)
print(assert 'foo' not in d) # 'foo' 不是dict中的元素询问某substring是否在string中：
s = 'foobar'
print(assert 'b' in s)
print(assert 'x' not in s)
print(assert 'foo' in s)
尽管绝大多数容器都提供了某种方式来获取其中的每一个元素，但这并不是容器本身提供的能力，而是可迭代对象赋予了容器这种能力。
当然并不是所有的容器都是可迭代的，比如：Bloom filter，虽然Bloom filter可以用来检测某个元素是否包含在容器中，但是并不能从容器中获取其中的每一个值，因为Bloom filter，布隆过滤器压根就没把元素存储在容器中，而是通过一个散列函数映射成一个值保存在数组中。
2. 可迭代对象(iterable)
刚才说过，很多容器都是可迭代对象，此外还有更多的对象同样也是可迭代对象，比如处于打开状态的files，sockets等。但凡是可以返回一个迭代器的对象，都可称之为可迭代对象，听起来可能有点困惑，没关系，先看一个例子：
x = [1, 2, 3]
y = iter(x)
z = iter(x)
print(next(y)) # 1
print(next(y)) # 2
print(next(z)) # 1
print(type(x)) # <class 'list'>
print(type(y)) # <class 'list_iterator'>这里的x是一个可迭代对象，可迭代对象和容器一样是一种通俗的叫法，并不指某种具体的数据类型：list是可迭代对象，dict是可迭代对象，set也是可迭代对象。
y和z是两个独立的迭代器，迭代器内部持有一个状态，该状态用于记录当前迭代所在的位置，以方便下次迭代的时候获取正确的元素。迭代器有一种具体的迭代器类型，比如list_iterator，set_iterator。可迭代对象实现了iter方法，该方法返回一个迭代器对象。
当运行代码：
x = [1, 2, 3]
for elem in x:
.
.
.实际执行情况是：
反编译该段代码，你可以看到解释器显示地调用GET_ITER指令，相当于调用iter(x)，FOR_ITER指令就是调用next()方法，不断地获取迭代器中的下一个元素，但是你没法直接从指令中看出来，因为它被解释器优化过了。
import dis
x = [1, 2, 3]
dis.dis('for _ in x: pass')
'''反编译后，得到的指令
1 0 SETUP_LOOP 12 (to 14)
2 LOAD_NAME 0 (x)
4 GET_ITER
>> 6 FOR_ITER 4 (to 12)
8 STORE_NAME 1 (_)
10 JUMP_ABSOLUTE 6
>> 12 POP_BLOCK
>> 14 LOAD_CONST 0 (None)
16 RETURN_VALUE
'''3. 迭代器(iterator)
那么什么是迭代器呢？它是一个带状态的对象，能在你调用next()方法时，返回容器中的下一个值。任何实现了iter和next()（python2中实现next()）方法的对象都是迭代器，iter返回迭代器自身，next返回容器中的下一个值，如果容器中没有更多元素了，则抛出StopIteration异常，至于它们到底是如何实现的这并不重要。
所以，迭代器就是实现了工厂模式的对象，它在你每次询问要下一个值时，给你返回。有很多关于迭代器的例子，比如itertools函数返回的都是迭代器对象。
- 生成无限序列
from itertools import count
counter = count(start=13)
print(next(counter)) # 13
print(next(counter)) # 14
- 从一个有限序列中生成无限序列
from itertools import cycle
colors = cycle(['red', 'white', 'blue'])
print(next(colors)) # 'red'
print(next(colors)) # 'white'
print(next(colors)) # 'blue'
print(next(colors)) # 'red'- 从无限的序列中生成有限序列
from itertools import islice
colors = cycle(['red', 'white', 'blue']) # infinite
limited = islice(colors, 0, 4) # finite
for x in limited:
print(x)
'''输出对象
red
white
blue
red
'''为了更直观地感受迭代器内部的执行过程，我们自定义一个迭代器，以斐波那契数列为例
from itertools import islice
class Fib:
def __init__(self):
self.prev = 0
self.curr = 1
def __iter__(self):
return self
def __next__(self):
value = self.curr
self.curr += self.prev
self.prev = value
return value
f = Fib()
list(islice(f, 0, 10)) # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]Fib既是一个可迭代对象（因为它实现了iter方法），又是一个迭代器（因为实现了next方法）；实例变量prev和curr用于维护迭代器内部的状态；每次调用next()方法时，python做了两件事：
- 为当前这次调用生成返回结果
- 为下一次调用next()方法修改状态
迭代器就像一个懒加载的工厂，等到有人需要的时候才生成值并返回，没调用的时候就处于休眠状态，等待下一次调用。
4. 生成器(generator)
生成器算得上是Python语言中最吸引人的特性之一，生成器其实是一种特殊的迭代器，不过这种迭代器更加优雅。它不需要再像上面的类一样写iter()和next()方法了，只需要一个yiled关键字。 生成器一定是迭代器（反之不成立），因此任何生成器也是以一种懒加载的模式来生成值。用生成器来实现斐波那契数列：
from itertools import islice
def fib():
prev, curr = 0, 1
while True:
yield curr # 循环探针yield
prev, curr = curr, curr + prev
f = fib()
list(islice(f, 0, 10)) # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]fib就是一个普通的python函数，它特殊的地方在于函数体中没有return关键字，函数的返回值是一个生成器对象。当执行f=fib()返回的是一个生成器对象，此时函数体中的代码并不会执行，只有显示或隐示地调用next时，才会真正执行里面的代码。
生成器在Python中是一个非常强大的编程结构，可以用更少的中间变量写流式代码。此外，相比其它容器对象，它更能节省内存和CPU，用更少的代码来实现相似的功能。现在就可以动手重构你的代码了，但凡看到类似：
def something():
result = []
for ... in ...:
result.append(x)
return result都可以用生成器函数来替换：
def iter_something():
for ... in ...:
yield x5. 生成器表达式(generator expression)
生成器表达式是列表推导式的生成器版本，看起来像列表推导式，但它返回的是一个生成器对象而不是列表对象。
a = (x*x for x in range(10))
print(sum(a)) # 285
a # <generator object <genexpr> at 0x401f08> 6. 总结
-
容器是一系列元素的集合，str、list、set、dict、file、sockets对象都可以看作是容器。容器都可以被迭代（for，while等语句），因此它们被称为可迭代对象。
-
可迭代对象实现了iter方法，该方法返回一个迭代器对象。
- 迭代器持有一个内部状态的字段，用于记录下次迭代返回值，它实现了next和iter方法，迭代器不会一次性把所有元素加载到内存，而是需要的时候才生成返回结果。
- 生成器是一种特殊的迭代器，它的返回值不是通过return而是用yield。
原文链接 https://blog.csdn.net/yjk13703623757/article/details/79364896