迭代器与生成器

可以通过for循环来遍历，这种遍历我们称为迭代（Iteration），在Python中，迭代是通过for….in….来完成的.

from collections import Iterable
print(isinstance({1,2,3},Iterable)) #判断一个对象是可迭代对象呢

要创建一个生成器，第一种方法：只要把一个列表生成式的[]改成()，就创建了一个generator：
创建L和L1的区别仅在于最外层的[]和()，L是一个list，而L1是一个generator。
我们可以直接打印出list的每一个元素，但不能直接打印出generator的每一个元素。
如果要挨个输出出来，可以通过next()函数获得生成器的下一个返回值：
L=(x**2 for x in range(10))
print(next(L))
print(next(L))
print(next(L))

可以看出来，generator保存的是算法，每次调用next1)，可以计算出的下一个元素的值，知道计算到最后一个元素，再继续输出，就会抛出StopIteration的错误。但是不能就这么使用next()函数，正确的方法是使用for循环，因为生成器本身也是可迭代对象

def fib(max):
    n,a,b=0,0,1
    while n<max:
        yield b
        a,b=b,a+b
        n=n+1
    return 'ok'
fib(12)
for i in fib(12):
    print(i)


 generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。
要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，
遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。
请注意区分普通函数和generator函数，普通函数调用直接返回结果,generator函数的“调用”实际返回一个generator对象：

截至到现在，我们可以知道，能够直接作用于for循环的数据类型有以下几种：
一种是序列数据类型，如list、tuple、dict、set、str等；
一种是generator

迭代器
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数：
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，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Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
Python的for循环本质上就是通过不断调用next()函数实现的，例如：
for x in [1, 2, 3, 4, 5]:
    pass
实际上完全等价于：
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
    try: # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break