python2 学习笔记-- 生成器 （genarator） 与 迭代器 （iterator）

生成器 （generator）的定义：在Python 中可以一边循环一边计算的机制。
第一种使用方式：将存在一定规律（很重要）的列表 生成 生成器。
作用：就我目前的了解来看，生成器可以用于节省内存，如：生成一个从1到100000 的列表和使用 生成器生成的对象 两者的区别在于 列表的内存远远大于 生成器，原因在于： 列表是1到100000 的每个数都需要占用内存， 生成器相当于占用一个函数的内存（个人理解，可能存在偏差）。
下面举例看看两者区别：

import sys
a = [x for x in range(1000)]
print sys.getsizeof(a)  #此处输出的内存大小为 9032

#生成器的使用方式，将[] 转换为() 
b = （x for x in xrange(1000）]
print sys.getsizeof(b) #此处 输出的内存大小为 80

#如何使用生成器方式1-- 使用next()
print next(b) #将顺序输出 b 中的元素，直到无数据后，报错 StopIteration， 使用该方式调用时 需要捕获该异常

#如何使用生成器方式2-- 使用for 循环 （推荐），不需要关心StopIteration的错误
for num in b:
    print num

第二种使用方式：如果某个函数中带有 yield 关键字 ，那么该函数就不再是一个普通的函数，而是一个 生成器函数。
作用：当某些推算的算法比较复杂，需要借助函数实现时，可以使用生成器。
范例： （使用著名的斐波拉契数列（除第一个和第二个数之外，其余数由前两个数相加得到）进行演示）

#正常函数
def Fib(max):
    n,a,b = 0,0,1
    while n < max:
        print b
        a,b = b,a+b
        n += 1
    return 'succ'

#使用生成器
def Fib1(max):
    n,a,b = 0,0,1
    while n < max:
        #print b
        yield b
        a,b = b,a+b
        n += 1
    #return 'succ'   #python 3.0 支持 yield 之后return ， 2.0 不支持，若增加 return会抛SyntaxError: 'return' with argument inside generator异常

if __name__ == '__main__':
    Fib(10)
    datas = Fib1(10)
    #用法1，使用 __next__() 函数
    print datas
    print datas.__next__()
    #用法2，使用for 循环（推荐）
    for data in datas:
         print data

迭代器

可迭代对象(Iterable):可以直接作用于for循环的对象,如list、tuple、dict、set、str、生成器（generator）和生成器函数（generator function）。

迭代器（Iterable）：可以被next()函数调用并不断返回下一个值的对象称为迭代器。

可迭代对象和迭代器 两者的区别： 可迭代对象可是一个数据流，无法知道它的长度，可通过next() 进行持续调用，直到抛出StopIteration 错误。 因此 可迭代对象甚至可以展示一个无限制的数据流，这是迭代器无法做到的。
迭代器转换为 可迭代对象 ：使用 iter()函数，

from collections import Iterable
a = [1,2,3,4]
print isinstance(a,list)  #True
print isinstance(a,Iterator)  #False
b = iter(a)
print isinstance(b,list) #False
print isinstance(b,Iterator) #True
for num in b:
    print num