可迭代对象和迭代器对象

可迭代对象（iterable）和迭代器对象（iterator）的概念是如此相似，常常容易混淆，今天就来梳理区分一下。

可迭代对象

可迭代对象简单来说这个对象是可以迭代的，例如 list，tuple，set，dict，str 等。可以利用 for 来循环的对象都是可迭代对象。

可以利用 isinstance() 函数来判断对象的类型：

>>> from collections import Iterable

>>> isinstance([],Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance(1,Iterable)
False

迭代器对象

迭代器对象是可以被 next() 函数不断调用并返回下一个值的对象。

在说迭代器之前，首先看一下什么是生成器，生成器可以说是一种可以根据推导算法来推出当前值，它存储的是推导算法推出来的当前值，因此，与列表生成式不同：

1.生成器存储的是当前值，因此占用内存空间比较小。

2.不用事先计算要存多少数据，而列表生成式和数组类似，事先要考虑存多少数据进去，存入数据以后，空间大小就固定了。

3.列表生成式存储的数据有限，而生成器由于存储的是算法，因此可以不断通过算法推导下一个值，也就是说，生成器可以存储的数据是无限的。

生成器（generator）有两种构建方法：

1.通过小括号（）构建，也就是将生成器的 [] 直接改成（）就得到一个迭代器。

# 使用小括号（）创建生成器
>>> a = [x for x in range(3)]
>>> a
[0, 1, 2]
>>> b = (x for x in range(3))
>>> b
<generator object <genexpr> at 0x10c8ee0c0>

2.在函数中使用 yield 构建。

# 在函数中添加 yield 构建生成器
>>> def odd():
...     yield 1
...     yield 3
...     yield 5
... 
>>> c = odd
>>> c
<function odd at 0x10c7e6620>
>>> d = odd()
>>> d
<generator object odd at 0x10c8ee1b0>

生成器可以通过 next() 来不断获取下一个值，直到没有值，抛出 StopIteration 异常。

>>> next(a)
0
>>> next(a)
1
>>> next(a)
2
>>> next(a)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>> next(d)
1
>>> next(d)
3
>>> next(d)
5
>>> next(d)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

因此，生成器都是迭代器对象（iterator），而迭代器对象无疑又是可迭代的，使用 for 循环对迭代器对象进行迭代，不会抛出异常，也不会抛出一个值就中断，而是一次输出迭代器中的所有值。

for i in a:
    print(i)

总之，迭代器对象是一个有序数据流，提前不知道他的长度，他是惰性计算的，只有需要返回下一个数据的时候，才会计算并返回数据。