一、可迭代对象（iterable）
现在，我们已经获得了一个新线索，有一个叫做“可迭代的”概念。
首先，我们从报错来分析，好像之所以1234不可以for循环，是因为它不可迭代。那么如果“可迭代”，就应该可以被for循环了。
这个我们知道呀，字符串、列表、元组、字典、集合都可以被for循环，说明他们都是可迭代的。
我们怎么来证明这一点呢？
from collections import Iterable
l = [1,2,3,4]
t = (1,2,3,4)
d = {1:2,3:4}
s = {1,2,3,4}
print(isinstance(l,Iterable))
print(isinstance(t,Iterable))
print(isinstance(d,Iterable))
print(isinstance(s,Iterable))
结合我们使用for循环取值的现象，再从字面上理解一下，其实迭代就是我们刚刚说的，可以将某个数据集内的数据“一个挨着一个的取出来”，就叫做迭代。
二、迭代器（iterator）
从第一点可以看到我们常用的字符串、列表和字典都是可迭代对象，但是可迭代对象除了那些，还包括了迭代器
结论：
可迭代对象包含迭代器
定义可迭代对象，必须实现iter()方法；定义迭代器，必须实现iter()和next()方法。
下面以列表举个栗子，列表是可迭代对象，所以可以用iter()方法，查看返回值，发现该返回值也是可迭代对象，也就是说列表是可迭代对象，列表执行完iter()方法后也是可迭代对象，那么可以猜得到那个返回值应该就是迭代器了，然后执行next()方法果然可以从里面取值
from collections import Iterable
l = [1,2,3,4]
l_iter = l.__iter__()
print(type(l_iter)) #<class 'list_iterator'>
print(isinstance(l,Iterable)) #true
print(isinstance(l_iter,Iterable)) #true
item = l_iter.__next__()
print(item) #1
item = l_iter.__next__()
print(item) #2
item = l_iter.__next__()
print(item) #3
item = l_iter.__next__()
print(item) #4
item = l_iter.__next__()
print(item) #StopIteration
三、生成器（generator）
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(max):
n, prev, curr = 0, 0, 1
while n<max:
yield curr
prev, curr = curr, curr + prev
n += 1
F = fib(10)
# print(type(F)) <class 'generator'>
#第一种取值方式
x = next(F)
print(x)
x = next(F)
print(x)
x = next(F)
print(x)
y = F.__next__()
print(y)
y = F.__next__()
print(y)
y = F.__next__()
print(y)
#第二种取值方式
for _ in F:
print(_)
上面的命令执行后，生成1、1、2、......、55的一共10个值，第一种取值方式生成了六个值，然后就好像固定住了，第二种方式从第七个值开始取，懒加载应该就是这个意思了。
生成器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(10)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或者for循环的时候才会真正执行里面的代码。
四、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 for x in range(10))
print(a)
以及
def fib(n):
m, a, b = 0, 0, 1
while m < n:
yield b
a, b = b, a+b
m += 1
a = (x for x in fib(10))
print(a)
