创建迭代器：
iter( ): 创建迭代器
next( ): 返回迭代器的下一个element(元素）
实例题：
>>> list = [1,2,3,4]
>>> it = iter(list)#创建迭代器对象
>>> print(next(it))#输出迭代器下一个元素（element）
... 1
>>> print(next(it))#输出迭代器下一个元素（element）
...2
迭代器可以使用常规 for 语句进行遍历：
>>> list = [1,2,3,4]
>>> it = iter(list)#创建迭代器对象
>>> for x in it:
print(x,end= ’’)#遍历输出迭代器对象内容（element）
...1 2 3 4
同样，也可以使用next（）函数：
>>> import sys
>>> list = [1,2,3,4,5]
>>> it = iter(list)#创建迭代器对象
>>> while (True):
print(next(it))#遍历输出迭代器同时引用 next( ) 函数
... 1 2 3 4 5
生成器介绍：
yield 实现斐波那契数列：
>>> import sys
>>> def fibonacci(n):#生成器函数 —— 斐波那契
a,b,counter = 0 ,1 ,0
while (True):
if (counter > n):
return
yield a
a,b = b,a+b
counter += 1
>>> f = fibonacci(10)#是一个迭代器，由生成器返回生成
>>> while (True):
print(next(f),end= ’’)
... 0 1 1 2 3 5 8 13 21 34 55
迭代器：(iter() -- next())
迭代器式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，直到所有元素遍历结束（迭代器不会退）
迭代器协议：必须拥有iter方法和next方法
迭代器的好处是：节省内存
生成器：(yield())
使用了 yield（）的函数被称为生成器（generator）
生成器是一个返回迭代器的函数，只用于迭代操作
在某种情况下，我们需要节省内存，就只能自己写，我们自己写的能实现迭代器的东西 称之为：“生成器”
本质：迭代器：（自带了__iter__方法和__next__方法，不需要我们去实现）
特点：惰性运算，开发者自定义
列表推倒式：
1- 把列表（list）解析的 [] 换成 （）得到的就是生成器表达式
2- 列表解析与生成器表达式都是一种便利编程方式，只不过生成器表达式更节省内存
3- python 不但使用迭代器协议，让 for 循环变得更加通用。大部分内置函数也是使 用迭代器协议访问对象的。（例如：sum 函数式python的内置函数，该函数使用迭代器 协议访问对象，而生成器实现了迭代器协议，所以我们可以直接计算一系列值得和。
sum ( x** 2 for x in range(4) )
而不用多此一举得先构造一个列表：
sum ( [x**2 for x in range(4)] )
小结：
可迭代对象：
·拥有__iter__方法
·特点：惰性运算
·例如:range(),str,list,tuple,dict,set
迭代器Iterator：
·拥有__iter__方法和__next__方法、
例:iter(range()),iter(str),iter(list),iter(tuple),iter(dict),iter(set),reve rsed(list_o),map(func,list_o),filter(func,list_o),file_o
生成器Generator：
·本质：迭代器，所以拥有__iter__方法和__next__方法
·特点：惰性运算,开发者自定义
使用生成器的优点
延迟计算，一次返回一个结果。也就是说，他不会一次生成所有的结果，这对于大数据的处理，将会非常有用。
# 列表解析
sum ([i for i in range(100000000)])#内存占用大，机器容易卡死
# 生成器表达式
sum (i for i in range(100000000)])#几乎不占用内存