在 Python 中，迭代器和生成器是用于迭代数据结构的两个重要概念。它们提供了一种简洁高效的方式来处理数据流。

迭代器

迭代器是一个对象，它实现了两个基本方法：__iter__() 和 __next__()。迭代器是一个遵循迭代器协议的对象，可以在集合上进行迭代。以下是关于迭代器的核心概念：

• __iter__() 方法：返回迭代器对象本身。它使对象可迭代，并在使用 iter() 函数时被调用。

• __next__() 方法：返回容器的下一个元素。如果没有元素可返回，它应该引发 StopIteration 异常来结束迭代。

• 创建迭代器：通过实现上述两个方法，可以将任何常规对象转化为迭代器。

• 使用迭代器：迭代器使用 next() 函数来获取元素。例如：

  my_list = [1, 2, 3]  
  my_iter = iter(my_list)  
  print(next(my_iter))  # 输出: 1  
  print(next(my_iter))  # 输出: 2  
  print(next(my_iter))  # 输出: 3  
  # print(next(my_iter))  # 引发 StopIteration 异常  

生成器

生成器是使用函数语法编写的迭代器，常用来生成迭代器。生成器以 yield 语句产生一个值挂起其状态，并在下一次恢复。生成器更为简洁，并自动支持迭代器协议。核心概念包括：

• yield 关键字：yield 类似于函数的返回值，但它不会终止生成器，允许函数生成一个序列的值。

• 生成器函数：使用 yield 的函数即为生成器函数，调用时返回一个生成器对象。

• 状态挂起：生成器函数的状态在函数调用间保留。多次调用可以有状态继续上次的执行。

• 无须手动实现迭代器协议：由 yield 自动完成。

• 示例：

  def my_generator():  
    yield 1  
    yield 2  
    yield 3  
  gen = my_generator()  
  print(next(gen))  # 输出: 1  
  print(next(gen))  # 输出: 2  
  print(next(gen))  # 输出: 3  
  # print(next(gen))  # 引发 StopIteration 异常  

区别与优势

• 内存效率：生成器在内存上更为高效，因为它们一次只生成一个值，而不是将所有值存储在内存中。

• 可读性和易用性：生成器因其使用 yield 的语法可读性和简洁性高，避免了手动管理迭代器方法。

• 偏好场景：当需要处理大量数据且不希望一次全部加载时使用生成器，也适合需要惰性生成序列的场合。

通过理解迭代器和生成器，Python 开发者能够编写更高效和更 Pythonic 的代码，以便在处理流数据时提升程序性能。