python生成器与迭代器。
生成器
在python 中一边循环一边计算的机制，叫做生成器(generator)。
通过列表生成式，我们可以直接创建一个列表。但是，收到内存的限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的内存，如果我们只需要前面几个元素，那么后面却大多数的元素占用的内存就白白浪费掉了。所以，如果列表元素可以按照某种算法推算出来，就可以在循环过程中不断推算出后续的元素。就不用创建完整的list，从而节省大量的空间。
生成器保存的是算法，每次调用 next(G) ，就计算出 G 的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出 StopIteration 的异常。
资料参考： https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014317799226173f45ce40636141b6abc8424e12b5fb27000
https://www.zhihu.com/question/20829330
创建生成器的方法
①要把一个列表生成式的 [ ] 改成 ( )
类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表
a = (x for x in range(5)) print(a)
next(a)
next(a)
list(a)
②使用yieId
yieId 与 ruturn 一样会返回一个值，但是这两者是有区别的：
yieId语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执
def gensquares(N): for i in range(N): yield i ** 2 a = gensquares(5) b = gensquares(6) print(next(a)) print(next(b)) print(next(a)) print(next(b)) print(next(a)) print(next(b)) print(list(a)) print(list(b))
总结
生成器是这样一个函数，它记住上一次返回时在函数体中的位置。对生成器函数的第二次（或第 n 次）调用跳转至该函数中间，而上次调用的所有局部变量都保持不变。
生成器不仅“记住”了它数据状态；生成器还“记住”了它在流控制构造（在命令式编程中，这种构造不只是数据值）中的位置。
生成器的特点：
- 节约内存
- 迭代到下一次的调用时，所使用的参数都是第一次所保留下的，即是说，在整个所有函数调用的参数都是第一次所调用时保留的，而不是新创建的
迭代器
迭代是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
可迭代对象
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。
这些可以直接作用于 for 循环的对象统称为可迭代对象： Iterable 。
iter()函数
生成器都是 Iterator 对象，但 list 、 dict 、 str 虽然是 Iterable ，却不是 Iterator 。
把 list 、 dict 、 str 等 Iterable 变成 Iterator 可以使用 iter() 函数：
总结
- 凡是可作用于 for 循环的对象都是 Iterable 类型；
- 凡是可作用于 next() 函数的对象都是 Iterator 类型
- 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。
迭代器与生成器的区别
参考资料：http://blog.csdn.net/jinixin/article/details/72232604
生成器是一种特殊的迭代器，但迭代器不一定是生成器。
生成器是一种特殊的迭代器，生成器自动实现了“迭代器协议”（即__iter__和next方法），不需要再手动实现两方法。
生成器在迭代的过程中可以改变当前迭代值，而修改普通迭代器的当前迭代值往往会发生异常，影响程序的执行。
