1. 生成器 Generator
前面有列表解析式，集合解析式，字典解析式，唯独没有元组解析式，这是因为元组的小括号 ( ) ，被用来做生成器了。
1.1 生成器表达式 Generator Expression
( 返回值 for 元素 in 可迭代对象 if 条件 )
通过生成器表达式，我们就创建了一个生成器，所说的生成器，就是不断地生产出我们需要的数据。
但是要注意，生成器里面储存的是所需数据的算法，而不是数据：
g = (i for i in range(5))
g
<generator object <genexpr> at 0x00000214B0EFFE08>
#生成器对象，genexpr里面是generator expression的缩写，后面at是指出存在哪里
1.2 判断是否是生成器或迭代器
用isinstance()来判断，需要注意得是，需要先import相应的类方法。
返回bool值。
from collections import Generator
isinstance((i for i in range(5)),Generator)
True
from collections import Iterator
isinstance(iter(range(5)),Iterator)
True
1.3 用生成器获取数据
如果需要生成器计算出一个数据并返回，需要手动操作并返回，此时需要一个next()函数。
next(g)
0
next(g)
1
....
next(g)
4
next(g)
#会报错，StopIteration
我们创建的这个生成器g，只能使用5次，之后再使用就会报错stopiteration，就是说迭代停止了，这说明什么？
说明一个生成器只能依次生产数据，如果内部算法可以得出的数据都生产完了，那么这个生成器就结束了他的使命，要想再次使用，得重新定义，也就是重新做一个生成器。
如果需要生成器生成全部的数据，需要用for循环来迭代，因为生成器都是迭代器iterator，但是一定要注意，迭代器不一定是生成器。
g = (i for i in range(5))
for i in g:
print(i)
#迭代一遍这个生成器，此时它作为一个迭代器，行驶的是迭代器的功能，打印生产出的数据。
print('........................') #分隔一下
for i in g:
print(i+1) #想再迭代一遍这个生成器（迭代器），打印i+1
0
1
2
3
4
........................
可以看出，这个生成器只能使用一次，一旦算法没有数据可以生产了，就停止。
1.4 生成器的特性
可以看到， 生成器和列表的区别只在于，一个用的是 ( ) ，一个用的是 [ ] ，不过对比一下更能理解生成器。
[i**2 for i in ragne(3)]
(i**2 for i in ragne(3))
列表解析式，立刻生成了一个列表，列表内存有数据，储存在内存中，用就直接提取。
生成器，只是做了一个储存了数据的算法的容器，没有数据，要用数据的时候再算，这叫做惰性求值，也叫延迟计算。
列表内存有已经算好的数据，所以占了很大空间。
生成器里没有数据，只有数据的算法，所以占用的内存空间少，但是如果数据全部算出来，占用的内存空间也差不多。
如果数据规模小，适合用列表。
如果数据规模大，十分占内存空间，适合用生成器，然后再计算出数据。
2. 迭代器
2.1 可迭代对象
首先要明白什么是可迭代对象。
可迭代对象里面有很多“不同”的元素，然后能通过一次次迭代把这些“不同”的元素依次取出来。这个“不同”指的是不是同一个元素，比如一个tuple(1, 1, 2)，是可迭代对象，其中有两个元素的值都为1，但这两个元素是不同的元素。
常见的可迭代对象有list，tuple，str，bytes，bytearray，range()，set，dict。可以看出，无论这个可迭代对象可以有序，可以无序。
可迭代对象可以用in，not in这种身份运算符，看某个元素是否在这个可迭代对象里面。
是不是可迭代对象可以用collections模块下的iterable和isinstance来判断：
from collections import Iterable
isinstance(100,Iterable)
False
2.2 迭代器
具备可迭代对象的特征，可以迭代出一个个元素。
可以通过iter(iterable)来把一个可迭代对象封装成迭代器，封装成迭代器之后，就可以要一个数据，出一个数据。
i = iter(range(3))
next(i)
0
next(i)
1
next(i)
2
生成器对象也是一个可迭代对象。
zip(*iterable)
zip n.拉链
这个拉链函数，括号内可以写多个iterable，功能就是，把这些iterable的元素都一一对应起来，构成一个个元组，然后把这个元组迭代出来。
zip([1,2,3],['a','b','c'],['A','B','C'])
<zip at 0x21e976c8508>
list(_) # _是调取上一次输出的内容
[(1, 'a', 'A'), (2, 'b', 'B'), (3, 'c', 'C')]
这个zip()函数，和字典解析式是天造地设的一对：
{str(i):j for i,j in zip('abcd', range(4))}
{'a': 0, 'b': 1, 'c': 2, 'd': 3}
dict(zip(range(5), 'ABCDE'))
{0: 'A', 1: 'B', 2: 'C', 3: 'D', 4: 'E'}
能直接把key和value对应起来，不用循环，牛逼坏了