列表是我们在python编程中用到的最多的数据类型，我们平常在学习的过程中，一般只操作小数据量的列表。所谓推导式就是根据遍历，然后把需要的数据列举出来，比之前的创建列表然后再根据遍历依次往列表里添加数据要简单许多。
推导式：按照一定的规则进行推导产生对应的数据
语法：变量 = [推导表达式]
优点：语法简单，可以通过包含逻辑条件生成一个符合条件的列表
缺点：逻辑过于简单！不能生成条件更加复杂的更加准确的列表
先给大家列出一个最简单的推倒式：
a = [x for x in range(10)]
- 附带条件的列表推导式
my4 = [x for x in range(0, 20) if x % 2 == 0]
print(my4)
- 附带运算的列表推导式
my5 = [x**2 for x in range(0, 10)]
print(my5)
- 附带多项数据的列表推导式
my6 = [x + y for x in range(0, 5) for y in range(0,2)]
print(my6)
生成器
处理列表中如果存储大量的数据，导致内存急剧消耗的问题
存储的大量数据，没有规则
解决方案：不要存大量数据有规则的数据：不要直接通过列表操作
解决方案：通过列表生成器 操作
生成器：在程序执行到该代码时，才会执行运算得到结果
生成器虽然也是遍历但是不会自动执行，会根据数据的需要或者人为操作执行，生成器的语法很简单，举个例子：
推导式
my_list = [x for x in range(0, 100)]
生成器
my_generator = (x for x in range(0, 100))
使用方法：
print(my_list)# 列表推导式：直接产生包含所有数据的列表
print(my_generator)# 列表生成器：产生一个生成器对象，包含算法
# 使用生成器中的数据
# (1) 通过系统内建函数next()获取生成器中下一个数据
print(next(my_generator)) # 0
print(next(my_generator)) # 1
print(next(my_generator)) # 2
print(next(my_generator)) # 3
# (2) 通过类型的__next__()魔法方法，直接获取下一个数据
print(my_generator.__next__()) # 4
print(my_generator.__next__()) # 5
print(my_generator.__next__()) # 6
print(my_generator.__next__()) # 7
如果我们想定义一个自己的生成器函数怎么办？用return好像不行。没关系，python有yield的关键词。其作用和return的功能差不多，就是返回一个值给调用者，只不过有yield的函数返回值后函数依然保持调用yield时的状态，当下次调用的时候，在原先的基础上继续执行代码，直到遇到下一个yield或者满足结束条件结束函数为止
迭代器
可以使用isinstance()判断一个对象是否是Iterator对象
迭代器：
PYTHON中在collections集合模块中提供了迭代器对象
迭代对象：collections.Iterable
迭代标识：collections.Iterator
迭代器由两部分组成，用于循环遍历的迭代对象，它是一个Iterable类型的对象，
用于记录迭代状态的迭代标识，通过Iterator对象进行操作
生成器：
PYTHON中提供的一种可以将程序算法表达式包含起来的一个用于产生列表数据的对象
在操作过程中通过next()函数进行调用，算法表达式产生下一个数据用于程序运算的操作对象
迭代器：用来遍历数据
生成器：用来产生数据
1. list/set/dict/tuple是否是Iterable类型，是否是Iterator类型
Iterable类型？否
Iterator类型？否
2. [1,2,3]是否是Iterable类型，是否是Iterator类型
Iterable类型？是
Iterator类型？否
3. class User:..是否是Iterable类型，是否是Iterator类型
Iterable类型？否[如果类型重写了__iter__()函数并返回了迭代对象：是]
Iterator类型？否
4. 什么是迭代器？
迭代器是用来标识一个对象是否可以循环遍历，并且可以记录循环遍历状态的对象
主要通过collections.Iterable类型来判断是否是可以迭代的类型
在迭代过程中，通过collections.Iterator来记录迭代状态
