可迭代对象（Iterable）
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
我们已经知道，可以直接作用于for循环的数据类型有以下几种：
- 一类是集合数据类型，如
list、tuple、dict、set、str等； - 一类是
generator，包括生成器和带yield的generator function。
可以使用isinstance()判断一个对象是否是Iterable对象：
from collections import Iterable isinstance([], Iterable)
生成器（generator ）
生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
创建一个generator：
- 第一种方法很简单，只要把一个列表生成式的
[]改成()，就创建了一个generator；
L = [x * x for x in range(10)] #<generator object <genexpr> at 0x1022ef630> g = (x * x for x in range(10))
- 如果一个函数定义中包含
yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。 - 生成器都是Iterator对象；
迭代器（Iterator）
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
- 集合数据类型如
list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
isinstance(iter([]), Iterator) #True isinstance([], Iterator) #False
- Iterator本质是一个：长度未知的抽象数据流（也可能是无限长），在需要返回下一个数据时调用next( )得到；
- 为什么
list、dict、str等数据类型不是Iterator？ 这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
#Python的for循环本质上就是通过不断调用next()函数实现的。