今天学习Python中比较难以理解的两个概念：迭代器和生成器。
之前对迭代器的理解可能存在偏差。其实学习也是一个不断迭代的过程，所谓迭代，就是每次重复的做一件事，从而获得一次反馈。学习就是不断重复，并不断用新的反馈结果来覆盖前一次结果的过程。
●可迭代对象Iterable:凡是能用for循环迭代的对象就是可迭代对象。
可以使用isinsdance()来判断一个对象是否是iterable。
isinstance([],Iterable)
True
isinstance({}, Iterable)
True
isinstance('abc', Iterable)
True
isinstance((x for x in range(10)), Iterable)
True
isinstance(100, Iterable)
False
●迭代器Iterator：Python的iterator对象表示一个数据流。可以被next()函数不断调用并返回下一个数据的对象称为迭代器。
当iterator对象被next()调用不断返回下一个数据，直到没有数据时抛出StopIteration错误，无法返回下一个值。
可以把这个数据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的计算式惰性的，只有在需要返回下一个数据的时候他才会计算。
iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
可以使用isinsdance()来判断一个对象是否是iterator。
isinstance((x for x in range(10)), Iterator)
True
isinstance([], Iterator)
False
isinstance({}, Iterator)
False
isinstance('abc', Iterator)
False
●iter():用于把可迭代对象生成迭代器对象。
●next()：输出迭代器的下一个元素。
list[1,2,3,4]
it=iter(list)
print(next(it))
#运行结果1
print(next(it))
#运行结果2
●生成器generator：一边循环，一边通过算法计算生成元素值的机制，叫生成器。生成器是一个特殊的程序，是迭代器的一种。
通过列表生成式，我们可以直接创建一个列表，但是，受到内存限制，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，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间，在Python中，这种一边循环一边计算的机制，称为生成器：generator
生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。
生成器类似于返回值为数组的一个函数，这个函数可以接受参数，可以被调用，但是，不同于一般的函数会一次性返回包括了所有数值的数组，生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数，但是表现得却像是迭代器。
要创建一个generator，有很多种方法，第一种方法很简单，只有把一个列表生成式的[]中括号改为（）小括号，就创建一个generator。
总结：生成器都是迭代器对象，即生成器是迭代器的一种，迭代器都是可迭代对象，所以生成器也是可迭代对象。
