更多精彩内容，请【平凡而诗意】~
前言
迭代是Python中常用且非常强大的一个功能，它可以用于访问集合、列表、字符串、字典等数据结构的元素。我们经常使用循环和条件语句，我们也清楚哪些是可以迭代访问，但是具体它们之间有什么有什么异同之处？有哪些特点？什么是迭代器、什么是生成器、什么是可迭代对象？这些问题对于初学者而言却是很少去细致的研究，本文就来详细阐述一下它们之间的关系已经它们的特别之处。
可迭代对象
在讲解迭代器和生成器之前，先介绍一下可迭代对象。
可迭代对象是Python中一个非常庞大的概念，它主要包括如下三类：
迭代器序列字典从上图可以看出不同概念之间的关系，迭代器是可迭代对象的一个子集，而生成器又是迭代器的一个子集，是一种特殊的迭代器。除了迭代器之外，Python中还有序列、字典等可迭代对象。
现在已经直观的了解了可迭代对象与迭代器、生成器之间的关系，那么用Python语言怎么表述它们的区别呢？
可迭代对象需要实现__iter__方法迭代器不仅要实现__iter__方法，还需要实现__next__方法在使用层面，可迭代对象可以通过in和not in访问对象中的元素，举一个例子，
X = set([1,2,3,4,5])print(X)print(type(X))print(1 in X)print(2 not in X)for x in X: print(x) # 输出{1, 2, 3, 4, 5}<class set>TrueFalse12345前面提到，可迭代对象实现了__iter__方法，但是它没有实现__next__，这也是判定迭代器和其他可迭代对象的关键之处，可以看一下通过next访问上述示例中可迭代对象X会报错，
next(X)# 输出TypeError: set object is not an iterator报的错误是set object is not an iterator，它指明了set集合是一个可迭代对象，但不是迭代器，下面就来介绍一下迭代器。
迭代器
迭代器是可迭代对象的一个子集，它是一个可以记住遍历的位置的对象，它与列表、元组、集合、字符串这些可迭代对象的区别就在于next方法的实现，其他列表、元组、集合、字符串这些可迭代对象可以很简单的转化成迭代器，通过Python内置的iter函数能够轻松把可迭代对象转化为迭代器，下面来看一个例子，
X = [1,2,3,4,5]print(type(X))Y = iter(X)print(type(Y))print(next(Y))print(next(Y))print(next(Y))# 输出<class list><class list_iterator>123从上述示例中我们可以看出两点：
通过iter函数把list转化成了迭代器可迭代器能够记住遍历位置，能够通过next方法不断从前往后访问除了Python内置的iter之外，还可以通过Python内置的工具包itertools创建迭代器，其中函数包括，
countcyclerepeataccumulatechaincompressdropwhileisliceproductpermutationscombinations......itertools中包含很多用于创建迭代器的实用方法，如果感兴趣嗯可以访问官方文档进行详细了解。
当然，也可以自己通过实现__iter__和__next__方法来定义迭代器，
class Iterator(object): def __init__(self, array): self.x = array self.index = 0 def __iter__(self): return self def __next__(self): if self.index < len(self.x): value = self.x[self.index] self.index += 1 else: raise StopIteration return value it = Iterator([1,2,3,4,5])print(type(it))for i in it: print(i)# 输出<class __main__.Iterator>12345生成器
从文章开头的流程图可以直观的看出，生成器是迭代器的子集，换句话说，生成器一定是迭代器，但是迭代器不全是生成器对象。
提及生成器就不得不提及一个Python中的关键字yiled，在Python中一个函数可以用yiled替代return返回值，这样的话这个函数就变成了一个生成器对象，举个例子对比一下，
def generator(array): for i in array: return i gen = generator([1,2,3,4,5])print(type(gen))# 输出<class int>这是我们常见的return返回方式，这样的话generator函数获取的是一个int型对象，下面看一下换成yield关键字，
def generator(array): for i in array: yield(i) gen = generator([1,2,3,4,5])print(type(gen))# 输出<class generator>这样的话获取的是一个生成器generator，除了yield之外，在Python3.3之后还加入了yield from获取生成器，允许一个生成器将其部分操作委派给另一个生成器，使得生成器的用法变得更加简洁，yield from后面需要加上可迭代对象，这样可以把可迭代对象变成生成器，当然，这里的可迭代对象不仅包含列表、元组，还包含迭代器、生成器。yield from相对于yield的有几个主要优点：
代码更加简洁可以用于生成器嵌套易于异常处理下面就从简洁代码方面举个例子说明一下，
def generator(array): for sub_array in array: yield from sub_arraygen = generator([(1,2,3), (4,5,6,7)])# 输出1234567当我们需要访问多层/多维可迭代对象时，我们就不需要逐层的去用for ... in ...去访问，可以简单的通过yiled from把生成器委派给子生成器，除此之外还可以通过生成器表达式的方法得到生成式，后面会介绍。
print(next(gen))print(next(gen))# 输出12通过上面示例可以看出，生成器可以像迭代器那样使用iter和next方法。
读到这里可以会有疑惑，从这个示例看来生成器和迭代器并没有什么区别啊？为什么生成器还可以称得上是Python中的一大亮点？
首先它对比于迭代器在编码方面更加简洁，这是显而易见的，其次生成器运行速度更快，最后一点，也是需要着重说明的一点：节省内存。
也许在一些理论性实验、学术论文阶段可以不考虑这些工程化的问题，但是在公司做项目时，内存和资源占用是无法逃避的问题 。如果我们使用其他可迭代对象处理庞大的数据时，当创建或者返回值时会申请用于存储整个可迭代对象的内存，显然这是非常浪费的，因为有的元素当前我们用不到，也不会去访问，但它却一直占用这内存。这时候就体现了生成器的优点，它不是一次性把所有的结果都返回，而是当我们每读取一次，它会返回一个结果，当我们不读取时，它就是一个生成器表达式，几乎不占用内存。
生成器表达式
首先来看一个对比示例，
X = [1, 2, 3, 4, 5]it = [i for i in X]gen = (i for i in X)print(type(X))print(type(it))print(type(gen))# 输出<class list><class list><class generator>首先说一下it = [i for i in X]，这种用法叫做列表生成式，在很多编程规范中非常推崇的一种替代for循环的方式，仔细看一下代码会发现，it = [i for i in X]与gen = (i for i in X)的区别非常小，只是一个用了中括号，一个用了小括号，但是它们的区别缺失非常大的，使用中括号的叫做列表生成式，获得的返回值是一个列表，而使用小括号叫做生成器表达式，获得的返回结果是一个生成器，这也是前面提到的，除了使用yield和yield from两个关键字外还可以使用生成器表达式获得生成器。
