オリジナル：https://foofish.net/iterators-vs-generators.html
から記事RQのブログの記事の著者は、元は対イテレータジェネレータは対イテラブル、私が書いたこの記事は、自分の理解に基づいて行われます参照翻訳は、本当にオリジナル版の翻訳ではありません、我々はオリジナルを読むことをお勧めします、友人の補正をお願いいたします。
データ構造のPythonを理解する上で、容器（コンテナ）、イテラブル（反復処理可能）、反復子（イテレータ）、ジェネレータ（発電機）、リスト/設定/辞書派生（リスト、セット、辞書の理解）パラメータの多くの概念混合し、それが混乱初心者のための避けられないですが、私はこれらの概念とその関係との記事ストローク明確な関係を使用しようとします。
コンテナ（コンテナ）
コンテナは、コンテナ要素が個別に反復使用することができる取得することができ、複数のデータ要素の構造を一緒にグループ化されているin、not inキーワードは、要素が容器内か否かが判断されます。そのようなデータ構造は、典型的には、メモリに格納されたすべての要素がPythonで（いくつかの例外を除いて、すべての要素は、そのようなイテレータとジェネレータオブジェクトとして、メモリに配置されている）、共通のコンテナオブジェクトがあります。
- リスト、および....
- セット、frozenset型、...
- 辞書、defaultdict、OrderedDict、カウンター、...
- タプル、namedtuple、...
- STR
あなたが何かをプラグインすることができます箱、家、食器棚、としてそれを見ることができるので、理解するためのコンテナが容易。技術的な観点から、それは要素が含まれているかどうかを尋ねるために使用することができる場合、オブジェクトは、リストとして、コンテナと考えることができ、セット、タプルがコンテナオブジェクトです。
>>> assert 1 in [1, 2, 3] # lists
>>> assert 4 not in [1, 2, 3]
>>> assert 1 in {1, 2, 3} # sets
>>> assert 4 not in {1, 2, 3}
>>> assert 1 in (1, 2, 3) # tuples
>>> assert 4 not in (1, 2, 3)キーdictの辞書で使用される要素かどうかを尋ねました：
>>> d = {1: 'foo', 2: 'bar', 3: 'qux'}
>>> assert 1 in d
>>> assert 'foo' not in d # 'foo' 不是dict中的元素文字列の部分文字列かどうかを尋ねます。
>>> s = 'foobar'
>>> assert 'b' in s
>>> assert 'x' not in s
>>> assert 'foo' in s コンテナの大半は要素の一つ一つを取得するいくつかの方法を提供しますが、この機能は、容器自体が提供する、しかし、されていないが反復可能で、この能力のコンテナを与え、もちろん、すべてのコンテナが用意されていません以下のような反復：ブルームフィルタブルームフィルタとして、ブルームフィルタは、それらのそれぞれの値を取得し、要素が容器に収容されているか否かを検出するために用いることができるが、しかしではないコンテナからは、基本的にコンテナに格納されない要素ではありません、それは、ハッシュ関数によってアレイに格納された値にマッピングされます。
反復可能オブジェクト（反復可能）
ただ、多くのコンテナは複数のオブジェクトに加えて、イテラブルあり、また反復可能な、そのようなので、上の開いているファイル、ソケット、および状態のように述べています。しかし、返すことができる人のイテレータ少し混乱に聞こえるかもしれないが、反復可能オブジェクトと呼ばれることができるオブジェクトは、それは例を見て、問題ではありません。
>>> x = [1, 2, 3]
>>> y = iter(x)
>>> z = iter(x)
>>> next(y)
1
>>> next(y)
2
>>> next(z)
1
>>> type(x)
<class 'list'>
>>> type(y)
<class 'list_iterator'>ここではx、リストはオブジェクト特定のデータ型を参照していない、イテレータオブジェクトがコンテナであり、反復可能オブジェクトが同じに人気の名前で反復されている、辞書はイテラブルで、SETはイテレート可能オブジェクトです。yそしてz右の要素を取得するために、次の反復都合のよい時間に現在の反復の位置を記録するために使用されている状態の内部に保持された二つの別々のイテレータ、イテレータ。反復子は、例えば、特定のイテレータ型を有していますlist_iterator、set_iterator。反復可能オブジェクトは達成__iter__イテレータオブジェクトを返すメソッドを、。
あなたは、コードを実行すると：
x = [1, 2, 3]
for elem in x:
...実際の実装は次のとおりです。
コードのセクションを逆コンパイル、明示的に呼び出すための通訳見ることができますGET_ITER呼び出すことに相当し、コマンドをiter(x)、FOR_ITER命令が呼び出すことですnext()彼ので、メソッドをイテレータの次の要素を取得し続けていますが、コマンドから直接それを見ることができません前インタプリタを最適化。
>>> import dis
>>> x = [1, 2, 3]
>>> dis.dis('for _ in x: pass')
1 0 SETUP_LOOP 14 (to 17)
3 LOAD_NAME 0 (x)
6 GET_ITER
>> 7 FOR_ITER 6 (to 16)
10 STORE_NAME 1 (_)
13 JUMP_ABSOLUTE 7
>> 16 POP_BLOCK
>> 17 LOAD_CONST 0 (None)
20 RETURN_VALUEイテレータ（反復子）
那么什么迭代器呢？它是一个带状态的对象，他能在你调用next()方法的时候返回容器中的下一个值，任何实现了__iter__和__next__()（python2中实现next()）方法的对象都是迭代器，__iter__返回迭代器自身，__next__返回容器中的下一个值，如果容器中没有更多元素了，则抛出StopIteration异常，至于它们到底是如何实现的这并不重要。
所以，迭代器就是实现了工厂模式的对象，它在你每次你询问要下一个值的时候给你返回。有很多关于迭代器的例子，比如itertools函数返回的都是迭代器对象。
生成无限序列：
>>> from itertools import count
>>> counter = count(start=13)
>>> next(counter)
13
>>> next(counter)
14从一个有限序列中生成无限序列：
>>> from itertools import cycle
>>> colors = cycle(['red', 'white', 'blue'])
>>> next(colors)
'red'
>>> next(colors)
'white'
>>> next(colors)
'blue'
>>> next(colors)
'red'从无限的序列中生成有限序列：
>>> from itertools import islice
>>> colors = cycle(['red', 'white', 'blue']) # infinite
>>> limited = islice(colors, 0, 4) # finite
>>> for x in limited:
... print(x)
red
white
blue
red为了更直观地感受迭代器内部的执行过程，我们自定义一个迭代器，以斐波那契数列为例：
class Fib:
def __init__(self):
self.prev = 0
self.curr = 1
def __iter__(self):
return self
def __next__(self):
value = self.curr
self.curr += self.prev
self.prev = value
return value
>>> f = Fib()
>>> list(islice(f, 0, 10))
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]Fib既是一个可迭代对象（因为它实现了__iter__方法），又是一个迭代器（因为实现了__next__方法）。实例变量prev和curr用户维护迭代器内部的状态。每次调用next()方法的时候做两件事：
- 为下一次调用
next()方法修改状态 - 为当前这次调用生成返回结果
迭代器就像一个懒加载的工厂，等到有人需要的时候才给它生成值返回，没调用的时候就处于休眠状态等待下一次调用。
生成器(generator)
生成器算得上是Python语言中最吸引人的特性之一，生成器其实是一种特殊的迭代器，不过这种迭代器更加优雅。它不需要再像上面的类一样写__iter__()和__next__()方法了，只需要一个yiled关键字。 生成器一定是迭代器（反之不成立），因此任何生成器也是以一种懒加载的模式生成值。用生成器来实现斐波那契数列的例子是：
def fib():
prev, curr = 0, 1
while True:
yield curr
prev, curr = curr, curr + prev
>>> f = fib()
>>> list(islice(f, 0, 10))
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]fib就是一个普通的python函数，它特殊的地方在于函数体中没有return关键字，函数的返回值是一个生成器对象。当执行f=fib()返回的是一个生成器对象，此时函数体中的代码并不会执行，只有显示或隐示地调用next的时候才会真正执行里面的代码。
生成器在Python中是一个非常强大的编程结构，可以用更少地中间变量写流式代码，此外，相比其它容器对象它更能节省内存和CPU，当然它可以用更少的代码来实现相似的功能。现在就可以动手重构你的代码了，但凡看到类似：
def something():
result = []
for ... in ...:
result.append(x)
return result都可以用生成器函数来替换：
def iter_something():
for ... in ...:
yield x生成器表达式(generator expression)
生成器表达式是列表推倒式的生成器版本，看起来像列表推导式，但是它返回的是一个生成器对象而不是列表对象。
>>> a = (x*x for x in range(10))
>>> a
<generator object <genexpr> at 0x401f08>
>>> sum(a)
285总结
- 容器是一系列元素的集合，str、list、set、dict、file、sockets对象都可以看作是容器，容器都可以被迭代（用在for，while等语句中），因此他们被称为可迭代对象。
- 可迭代对象实现了
__iter__方法，该方法返回一个迭代器对象。 - 迭代器持有一个内部状态的字段，用于记录下次迭代返回值，它实现了
__next__和__iter__方法，迭代器不会一次性把所有元素加载到内存，而是需要的时候才生成返回结果。 - 生成器是一种特殊的迭代器，它的返回值不是通过
return而是用yield。
参考链接：https://docs.python.org/2/library/stdtypes.html#iterator-types