生成器與迭代器
先來張圖：Iterator，Generator關係
生成器（
Generator
）
我們建立列表的時候，受到記憶體限制，容量肯定是有限的，而且不可能全部給他一次枚舉出來。這裡可以使用列表生成式，但是它有一個致命的缺點就是定義即生成，非常的浪費空間和效率。
所以，如果列表元素可以按照某種演算法推算出來，那我們可以在迴圈的過程中不斷推算出後續的元素，這樣就不必建立完整的list，從而節省大量的空間。
在Python中，這種一邊迴圈一邊計算的機制，稱為生成器：generator。
要建立一個generator，一種方法很簡單，只要把一個列表生成式的［ ］改成（ ），就建立了一個generator：
>>> ［x*x for x in range（10）］
［0， 1， 4， 9， 16， 25， 36， 49， 64， 81］
>>> （x * x for x in range（10））
我們怎麼打印出generator的每一個元素呢？
如果要一個一個打印出來，可以透過next（ ）函式獲得generator的下一個返回值：
>>> g = （x * x for x in range（5））
>>> next（g）
0
>>> next（g）
1
>>> next（g）
4
>>> next（g）
9
>>> next（g）
16
Traceback （most recent call last）：
File “
StopIteration
我們講過，generator儲存的是演算法，每次呼叫next（g），就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，丟擲StopIteration的錯誤。
當然，上面這種不斷呼叫next（g）實在是太變態了，正確的方法是使用for迴圈，因為generator也是可迭代物件：
>>> g = （x * x for x in range（5））
>>> for n in g：
。。。 print（n）
。。。
0
1
4
9
16
所以，我們建立了一個generator後，基本上永遠不會呼叫next（ ），而是透過for迴圈來迭代它，並且不需要關心StopIteration的錯誤。
還有一個方法是生成器函式，如果一個函式定義中包含yield關鍵字，那麼這個函式就不再是一個普通函式，而是一個generator。
舉個栗子：
斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：
1， 1， 2， 3， 5， 8， 13， 21， 34， 。。。
斐波拉契數列用列表生成式寫不出來，但是，用函式把它打印出來卻很容易：
def fib（max）：
n， a， b = 0， 0， 1
while n < max：
print（b）
a， b = b， a + b
n = n + 1
return ‘done’
上面的函式可以輸出斐波那契數列的前n個數：
>>> fib（5）
1
1
2
3
5
‘done’
可以看出，fib函式實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。
也就是說，上面的函式和generator僅一步之遙。要把fib函式變成generator，只需要把print（b）改為yield（b）就可以了：
def fib（max）：
n， a， b = 0， 0， 1
while n < max：
yield b
a， b = b， a + b
n = n + 1
return ‘done’
>>> f = fib（max）
>>> f
需要注意的一點：
generator和函式的執行流程不一樣。函式是順序執行，遇到return語句或者最後一行函式語句就返回。而變成generator的函式，在每次呼叫next（ ）的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。
舉個栗子：
def odd（）：
print（‘step 1’）
yield 1
print（‘step 2’）
yield 2
print（‘step 3’）
yield 3
呼叫該generator時，首先要生成一個generator物件，然後用next（ ）函式不斷獲得下一個返回值：
>>> o = odd（）
>>> next（o）
step 1
1
>>> next（o）
step 2
2
>>> next（o）
step 3
3
>>> next（o）
Traceback （most recent call last）：
File “
StopIteration
可以看到，odd不是普通函式，而是generator，在執行過程中，遇到yield就中斷，下次又繼續執行。執行3次yield後，已經沒有yield可以執行了，所以，第4次呼叫next（o）就報錯。
回到fib的例子，我們在迴圈過程中不斷呼叫yield，就會不斷中斷。當然要給迴圈設定一個條件來退出迴圈，不然就會產生一個無限數列出來。
同樣的，把函式改成generator後，我們基本上從來不會用next（ ）來獲取下一個返回值，而是直接使用for迴圈來迭代：
>>> for n in fib（5）：
。。。 print（n）
。。。
1
1
2
3
5
但是用
for
迴圈呼叫generator時，發現拿不到generator的
return
語句的返回值。如果想要拿到返回值，必須捕獲
StopIteration
錯誤，返回值包含在
StopIteration
的
value
中：
>>> g = fib（5）
>>> while True：
。。。 try：
。。。 x = next（g）
。。。 print（‘g：’， x）
。。。 except StopIteration as e：
。。。 print（‘Generator return value：’， e。value）
。。。 break
。。。
g： 1
g： 1
g： 2
g： 3
g： 5
Generator return value： done
要理解generator的工作原理，它是在
for
迴圈的過程中不斷計算出下一個元素，並在適當的條件結束
for
迴圈。對於函式改成的generator來說，遇到
return
語句或者執行到函式體最後一行語句，就是結束generator的指令，
for
迴圈隨之結束。
請注意區分普通函式和generator函式，普通函式呼叫直接返回結果，generator函式的“呼叫”實際返回一個generator物件。
迭代器（
Iterator
）
迭代是訪問集合元素的一種方式。迭代器是一個可以記住遍歷位置的物件。迭代器只能往前不能後退。
什麼是可迭代物件（Iterable）
集合資料型別，如 list 、tuple、dict、set、str 等
生成器和帶yield 的generator function
（凡是可作用於for迴圈的物件都是Iterable型別）
如何判斷物件可迭代？
from collections import Iterable
isinstance（［ ］， Iterable）
>>> from collections import Iterable
>>> isinstance（［］， Iterable）
True
>>> isinstance（{}， Iterable）
True
>>> isinstance（‘abc’， Iterable）
True
>>> isinstance（（x for x in range（10））， Iterable）
True
>>> isinstance（100， Iterable）
False
什麼是迭代器（Iterator）
迭代器是可以被next() 函式呼叫並不斷返回下一個值的物件稱為迭代器，
它們表示一個惰性計算的序列
。
因此生成器是迭代器的子類，但是注意集合型別的可迭代物件不是迭代器。
如何判斷是否為迭代器？
from collections import Iterator
isinstance（（x for x in range（10））， Iterator）
這兩行程式碼是用來判斷是否為迭代器的，返回True或False。
>>> from collections import Iterator
>>> isinstance（（x for x in range（10））， Iterator）
True
>>> isinstance（［］， Iterator）
False
>>> isinstance（{}， Iterator）
False
>>> isinstance（‘abc’， Iterator）
False
集合資料型別如list、dict、str等是Iterable但不是Iterator，不過可以透過iter（）函式獲得一個Iterator物件。
>>> isinstance（iter（［］）， Iterator）
True
>>> isinstance（iter（‘abc’）， Iterator）
True
你可能會問，為什麼list、dict、str等資料型別不是Iterator？
這是因為Python的Iterator物件表示的是一個數據流，Iterator物件可以被next（）函式呼叫並不斷返回下一個資料，直到沒有資料時丟擲StopIteration錯誤。可以把這個資料流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷透過next（）函式實現按需計算下一個資料，所以Iterator的計算是惰性的，只有在需要返回下一個資料時它才會計算。
Iterator甚至可以表示一個無限大的資料流，例如全體自然數。而使用list是永遠不可能儲存全體自然數的。
Python的
for
迴圈本質上就是透過不斷呼叫
next（）
函式實現的，舉個栗子
x = ［1， 2， 3］
for i in x：
。。。
實際上執行時是
也就是先將可迭代物件轉化為
Iterator
，再去迭代。應該是處於對記憶體的節省考慮。因為迭代器只有在你呼叫
next（）
才會實際計算下一個值。