想要搞明白什么是迭代器，首先要了解幾個名詞：容器（container）、迭代（iteration）、可迭代對象（iterable）、迭代器（iterator）、生成器（generator）。
看圖是不是更清楚點呢......
一 容器（container）
容器是一種把多個元素組織在一起的數據結構，容器中的元素可以逐個地迭代獲取，可以用in, not in關鍵字判斷元素是否包含在容器中。通常這類數據結構把所有的元素存儲在內存中（也有一些特例，並不是所有的元素都放在內存，比如迭代器和生成器對象）在Python中，常見的容器對象有：
- list, deque, ….
- set, frozensets, ….
- dict, defaultdict, OrderedDict, Counter, ….
- tuple, namedtuple, …
- str
容器比較容易理解，因為你就可以把它看作是一個盒子、一棟房子、一個櫃子，里面可以塞任何東西。從技術角度來說，當它可以用來詢問某個元素是否包含在其中時，那么這個對象就可以認為是一個容器，比如 list，set，tuples都是容器對象。
print( 1 in [1, 2, 3]) # lists
# True
print(4 not in [1, 2, 3])
# True
print(1 in {1, 2, 3}) # sets
# True
print(4 not in {1, 2, 3})
# True
print(1 in (1, 2, 3)) # tuples
# True
print(4 not in (1, 2, 3))
# True
# 詢問某元素是否在dict中用dict的中key：
d = {1: 'foo', 2: 'bar', 3: 'qux'}
print(1 in d)
# True
print('foo' not in d) # 'foo' 不是dict中的元素
# True
# 詢問某substring是否在string中：
s = 'foobar'
print('b' in s)
# True
print('x' not in s)
# True
print('foo' in s)
# True
盡管絕大多數容器都提供了某種方式來獲取其中的每一個元素，但這並不是容器本身提供的能力，而是可迭代對象賦予了容器這種能力，當然並不是所有的容器都是可迭代的，比如：Bloom filter，雖然Bloom filter可以用來檢測某個元素是否包含在容器中，但是並不能從容器中獲取其中的每一個值，因為Bloom filter壓根就沒把元素存儲在容器中，而是通過一個散列函數映射成一個值保存在數組中。
二 迭代（iteration）
什么是迭代，我的理解如下：
-
第一，迭代需要重復進行某一操作
-
第二，本次迭代的要依賴上一次的結果繼續往下做，如果中途有任何停頓，都不能算是迭代
下面來看幾個例子，能更好理解迭代的含義。
# 實例1
# 非迭代
count = 0
while count < 10:
print("hello world")
count += 1
# 實例2
# 迭代
count = 0
while count < 10:
print(count)
count += 1
實例1，僅僅只是在重復一件事,那就是不停的打印"hello world"，並且,這個打印的結果並不依賴上一次輸出的值。而實例2，就很好地說明迭代的含義，重復+繼續。
三 可迭代對象 （iterable）
通俗的說就是在每一種數據類型對象中，都會有有一個__iter__()方法，正是因為這個方法，才使得這些基本數據類型變為可迭代。
當我們運行以下代碼的時候：
x = [1,2,3]
for elem in x:
print(elem)
# 運行結果：
# 1
# 2
# 3
實際調用過程如下：
那么如何判斷一個對象是否是可迭代呢？使用collections模塊的Iterable類型判斷
from collections import Iterable
print(isinstance('abc', Iterable)) # str是否可迭代
# True
print(isinstance([1,2,3], Iterable)) # list是否可迭代
# True
print(isinstance(123, Iterable)) # 整數是否可迭代
# False
四 迭代器（iterator）
通俗來講任何具有__next__()方法的對象都是迭代器，對迭代器調用__next__()方法可以獲取下一個值。
五 生成器（generator）
生成器是一個用簡單的方式來完成迭代。簡單來說，Python的生成器是一個返回可以迭代對象的函數。
那要怎么創建生成器呢，很簡單的，在一般函數中使用yield關鍵字，可以實現一個最簡單的生成器，此時這個函數變成一個生成器函數。yield與return返回相同的值，區別在於return返回后，函數狀態終止，而yield會保存當前函數的執行狀態，在返回后，函數又回到之前保存的狀態繼續執行。
看一下簡單的生成器實例吧：
def test():
yield 1
yield 2
yield 3
g=test()
print('來自函數',g)
print(g.__next__())
print(g.__next__())
# 運行結果
# 來自函數 <generator object test at 0x000000000072B8E0>
# 1
# 2
生成器與一般函數有什么區別呢？
- 生成器函數包含一個或者多個
yield - 當調用生成器函數時，函數將返回一個對象，但是不會立刻向下執行
- 像
__iter__()和__next__()方法等是自動實現的，所以我們可以通過next()方法對對象進行迭代 - 一旦函數被
yield，函數會暫停，控制權返回調用者 - 局部變量和它們的狀態會被保存，直到下一次調用
- 函數終止的時候，
StopIteraion會被自動拋出
來個例子看一下吧：
# 簡單的生成器函數
def my_gen():
n=1
print("first")
# yield區域
yield n
n+=1
print("second")
yield n
n+=1
print("third")
yield n
a=my_gen()
print("next method:")
# 每次調用a的時候，函數都從之前保存的狀態執行
print
print(next(a))(next(a))
print(next(a))
# 運行結果
# next method:
# first
# 1
# second
# 2
# third
# 3
print("for loop:")
# 與調用next等價的
b=my_gen()
for elem in my_gen():
print(elem)
# 運行結果
# for loop:
# first
# 1
# second
# 2
# third
# 3
來看看使用循環的生成器
# 逆序yield出對象的元素
def rev_str(my_str):
length=len(my_str)
for i in range(length-1,-1,-1):
yield my_str[i]
for char in rev_str("hello"):
print(char)
# 運行結果
# o
# l
# l
# e
# h
六 生成器表達式
Python中，有一個列表生成方法，也就是常說的列表解析，提到列表解析就先要弄明白三元表達式的概念，什么是三元表達式呢？來個實例看看吧
egg_list=[]
for i in range(10):
egg_list.append('雞蛋%s' %i)
print(egg_list)
# ['雞蛋0', '雞蛋1', '雞蛋2', '雞蛋3', '雞蛋4', '雞蛋5', '雞蛋6', '雞蛋7', '雞蛋8', '雞蛋9']
# 使用三元表達式替換如上代碼
l=['雞蛋%s' %i for i in range(10)]
print(l)
# ['雞蛋0', '雞蛋1', '雞蛋2', '雞蛋3', '雞蛋4', '雞蛋5', '雞蛋6', '雞蛋7', '雞蛋8', '雞蛋9']
l1=['雞蛋%s' %i for i in range(10) if i > 5 ]
print(l1)
# ['雞蛋6', '雞蛋7', '雞蛋8', '雞蛋9']
# l2=['雞蛋%s' %i for i in range(10) if i > 5 else i] #沒有四元表達式
# print(l2)
l3=['雞蛋%s' %i for i in range(10) if i < 5]
print(l3)
# ['雞蛋0', '雞蛋1', '雞蛋2', '雞蛋3', '雞蛋4']
了解了三元表達式，我們再來看看什么是生成器表達式，其實很簡單，就是把三元表達式中的[]換成()即可。
a=(x for x in range(10))
b=[x for x in range(10)]
# 這是錯誤的，因為生成器不能直接給出長度
# print("length a:",len(a))
# 輸出列表的長度
print("length b:",len(b))
# length b: 10
b=iter(b)
# 二者輸出等價，不過b是在運行時開辟內存，而a是直接開辟內存
print(next(a))
print(next(b))