python生成器和迭代器

什么是⽣成器
    通过列表⽣成式，我们可以直接创建⼀个列表。但是，受到内存限制，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，不仅占⽤很
⼤的存储空间，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
占⽤的空间都⽩⽩浪费了。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，称为⽣成器：generator。

创建⽣成器⽅法1
    要创建⼀个⽣成器，有很多种⽅法。第⼀种⽅法很简单，只要把⼀个列表⽣
成式的 [ ] 改成 ( )

    可以通过 next() 函数获得⽣成器的下⼀个返回值每次调⽤ next(G) ，就计算出 G 的下⼀个元素的值，直到计算到最后⼀个元素，没有更多的元素时，抛出 StopIteration 的异常。
当然，这种不断调⽤ next() 实在是太变态了，正确的⽅法是使⽤ for 循环，
因为⽣成器也是可迭代对象。所以，我们创建了⼀个⽣成器后，基本上永远
不会调⽤ next() ，⽽是通过 for 循环来迭代它，并且不需要关⼼
StopIteration 异常。

创建⽣成器⽅法2
generator⾮常强⼤。如果推算的算法⽐较复杂，⽤类似列表⽣成式的 for 循
环⽆法实现的时候，还可以⽤函数来实现

yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator

 

⽣成器的特点：
1. 节约内存
2. 迭代到下⼀次的调⽤时，所使⽤的参数都是第⼀次所保留下的，即是
说，在整个所有函数调⽤的参数都是第⼀次所调⽤时保留的，⽽不是新
创建的

迭代器：

可以使⽤ isinstance() 判断⼀个对象是否是 Iterable 对象：
from collections import Iterable
isinstance([], Iterable)
True

总结
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
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。