1、生成器
我们知道，列表生成式生成的列表占在内存中。当列表的元素较少时还行，但是达到了一定的数量，就会非常的浪费内存，因为我们用的可能是其中很少的几个元素，其他的就闲置在那。而生成器就不一样了，他就像是一个函数一样，调用的时候，生成器才运行。所以，生成器节省了很大部分空间。每次调用生成器，它都会记住一个值，下次调用的时候，以上次的值为基准，推算出下一个值。生成器我们叫做generator。
（1）生成器的第一种创建方法：
a=( i for i in range(10))
print(a)
>>> <generator object <genexpr> at 0x000000000270A570>
（2）生成器 penerator
生成器的第一种创建方法类似列表生成式，只不过是把 [ ] 换成了 ( ) 。但是我们输出之后，结果并没有像列表生成式那样，返回一个 list 。next（）函数是调用的方法。比如：
# generator 的第一种调用方法：
next(g)
# 实例1：
g = (x for x in range(10))
>>> next(g)
0
>>> next(g)
1
>>> next(g)
2
......
>>> next(g)
9
>>> next(g)
Traceback (most recent call last):
File "<pyshell#16>", line 1, in <module>
next(a)
StopIteration
# 我们只创建了 0 - 9 ，所以，超出后，就显示错误
但是这样的方法没有实用性，效率很低。我们可以试着用for循环调用一下，看可行不。
# 实例2
g = (x for x in range(10))
for i in g:
print(i,end=" ")
>>> 0 1 2 3 4 5 6 7 8 9
# 事实证明，可行。
（3）生成器 penerator 的第二种创建方法：
yield 返回值
yield 和 return 有相似之处，他们都由返回值的性质。但是yield有个特性，执行到 yield 语句的时候，就会停止并返回。下次接着从yield 语句处开始执行，再次遇到 yield，也会停止并返回。
# 实例3（非 generator）
def func(n):
for a in range(1,n):
b=a*a
print(b)
func(11)
>>>
1
4
9
16
25
36
49
64
81
100
# 实例4
# 我们把 print 更换为 yield ，这个函数就是 generator 了。
def func(n):
for a in range(1,n):
b=a*a
yield b
a=func(11)
# 为了明了，我们使用next函数调用看看。
next(a)
>>> 1
next(a)
>>> 4
next(a)
>>> 9
......
next(a)
>>> 100
# 结果是也一样的
# 实例5，我们也可以使用for循环来迭代
for i in a:
print(i,end=" ")
>>> 1 4 9 16 25 36 49 64 81 100
# 结果是一样的，只不过我们把换行符给替换掉了
2、迭代器
我们知道，能用 for 循环的，都是可迭代对象，包括 list、tuple、dict、set、str，还有刚讲的生成器（generator）。这些对象称为Iterable。
而迭代器是能被 next（）函数调用的。所以，我们可以这么定义：所有可以作用于for循环，还能被next（）函数调用的对象，就是迭代器，称为Iterator（廖雪峰老师那抄袭来的
）
所有的迭代器（Iterator） 一定是可迭代对象 (Iterable)，但是所有的可迭代对象（Iterator）不一定就是迭代器（Iterator）
但是，可迭代对象 list、dict、str可以转化为迭代器。
iter（list、dict、str）
# 实例
from collections import Iterator
isinstance(iter(‘Python‘),Iteraotr)
>>> True
关注公众号，了解更多！
原文：https://www.cnblogs.com/pyshadow/p/10400338.html