迭代器（iterator）、可迭代对象（iterable）和迭代（iteration）是什么？

iterable = [1, 2] 

iterator = iter(iterable)

print(iterator.__next__())   

print(iterator.__next__())   

所以，

1. iterable 是一个可以被循环遍历的对象。例如：list，string，tuple等。

2. 在我们的iterable对象上使用iter函数将返回一个迭代器对象。

3. 现在这个迭代器对象有一个名为__next__（在Python 3中，或者在Python 2中只是next）的方法，通过它可以访问可迭代对象的每个元素。

所以，
输出以上代码将会是：

1

2

• 可迭代对象(iterable)是指具有iter()方法并返回迭代器(iterator)的对象，它能够进行循环迭代操作。 例如：列表(list)是可迭代对象，因为可以对其进行循环迭代，但是列表并不是迭代器。
• 迭代器(iterator)是指可以从中获取迭代器的对象，它是一个带有状态的对象，因此在迭代过程中记住了当前位置。

要查看对象是否具有iter()方法，我们可以使用以下函数。

ls = ['hello','bye']
print(dir(ls))

输出

['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']

正如你所见，iter() 表示它是一个可迭代对象，但不包含 iterator 对象的特征，即没有包含 next() 方法。

在 Python 中，无论是使用 for 循环、map 还是列表推导式，都会自动调用 next 方法来获取迭代器中的每个元素。

在处理可迭代对象和迭代器之前，决定可迭代对象和迭代器的主要因素是序列。
序列：序列是数据的集合。
可迭代对象：可迭代对象是支持__iter__方法的序列类型对象。
迭代方法：迭代方法将序列作为输入，并创建一个称为迭代器的对象。
迭代器：迭代器是调用next方法并遍历序列的对象。在调用next方法时，它返回当前遍历的对象。
例如：

x=[1,2,3,4]

x是一个由数据集合组成的序列

y=iter(x)

调用iter(x)时，只有当x对象具有迭代器方法时，它才返回迭代器，否则会引发异常。如果它返回迭代器，则将y分配如下：

y=[1,2,3,4]

由于y是迭代器，因此它支持next()方法。

调用next方法时，它会逐个返回列表中的元素。

在返回序列的最后一个元素后，如果再次调用next方法，则会引发StopIteration错误。

示例：

>>> y.next()
1
>>> y.next()
2
>>> y.next()
3
>>> y.next()
4
>>> y.next()
StopIteration

这是另一种使用collections.abc的视图。这个视图可能在第二次或以后有用。
从collections.abc中，我们可以看到以下层次结构：

builtins.object
    Iterable
        Iterator
            Generator

即生成器是从迭代器派生而来，迭代器又是从可迭代对象派生而来，可迭代对象最终是从基本对象派生而来。

因此，

每个迭代器都是可迭代的，但不是每个可迭代的对象都是迭代器。例如，[1, 2, 3]和range(10)是可迭代的，但不是迭代器。x = iter([1, 2, 3])是一个迭代器，也是一个可迭代的对象。
迭代器和生成器之间存在类似的关系。
在迭代器或生成器上调用iter()会返回它本身。因此，如果it是一个迭代器，则iter(it) is it为True。
在幕后，像[2 * x for x in nums]这样的列表推导式或像for x in nums:这样的循环语句，就好像在可迭代对象（nums）上调用了iter()，然后使用该迭代器迭代nums。因此，以下所有内容在功能上都是等效的（例如，nums=[1, 2, 3]）：

• for x in nums:
• for x in iter(nums):
• for x in iter(iter(nums)):
• for x in iter(iter(iter(iter(iter(nums))))):

对我来说，Python的glossary对这些问题非常有帮助，例如对于可迭代对象，它的解释如下：
一个能够逐个返回其成员的对象。可迭代对象的示例包括所有序列类型（如列表、字符串和元组）以及一些非序列类型，如字典、文件对象和您使用iter()方法或实现了序列语义的getitem()方法定义的任何类的对象。
可迭代对象可以在for循环和许多其他需要序列的地方使用（如zip()、map()等）。当将可迭代对象作为参数传递给内置函数iter()时，它会返回该对象的迭代器。这个迭代器只能用于一次遍历值的集合。在使用可迭代对象时，通常不需要调用iter()或自己处理迭代器对象。for语句会自动为您执行这些操作，在循环期间创建一个临时的无名变量来保存迭代器。另请参见迭代器、序列和生成器。

其他人已经详细解释了什么是可迭代对象和迭代器，所以我将尝试用同样的方式来解释生成器。

在我看来，理解生成器的主要问题是“生成器”这个词的使用令人困惑，因为这个词有两个不同的含义：

1. 作为创建（生成）迭代器的工具，
   • 以函数返回迭代器的形式（即在其主体中使用yield语句），
   • 以生成器表达式的形式
2. 作为使用该工具的结果，即生成的迭代器。
   （在这个意义上，生成器是迭代器的一种特殊形式——“生成器”这个词指出了这个迭代器是如何创建的。）

---

生成器作为第一类工具：

In[2]: def my_generator():
  ...:     yield 100
  ...:     yield 200

In[3]: my_generator

Out[3]: <function __main__.my_generator()>

In[4]: type(my_generator)

Out[4]: function

使用此工具的结果是生成器（即迭代器）：

In[5]: my_iterator = my_generator()
In[6]: my_iterator

Out[6]: <generator object my_generator at 0x00000000053EAE48>

In[7]: type(my_iterator)

Out[7]: generator

---

生成器是第二类工具，与该工具的结果迭代器无法区分：

In[8]: my_gen_expression = (2 * i for i in (10, 20))
In[9]: my_gen_expression

Out[9]: <generator object <genexpr> at 0x000000000542C048>

In[10]: type(my_gen_expression)

Out[10]: generator