了解迭代器之前，先了解什么是迭代
打个比方，迭代就像爬楼梯，楼梯的台阶是数据序列中的元素，遍历迭代就像爬楼梯的双脚，一个接着一个地触及台阶，该过程就可以想象为遍历和迭代——脚在遍历，台阶在迭代。
而迭代器是什么，个人的理解是迭代器将迭代这种操作从for循环的“枷锁”中解脱出来，因为for循环遍历的时候一旦开启，就是从头到尾遍历一遍的，就像前面的爬楼梯，如果是使用for循环进行迭代，那么一般情况下都是要从第一级台阶一直爬到最后一级台阶，停不下来（除非设置条件，如break、continue之类的），而迭代器不用如此，可以更加灵活，通过next()函数，可以“随用随取”，第一级台阶爬完了，不想爬，就停在那里，等想爬了就继续用next()函数。
什么是生成器
python的生成器generator可以理解成为特殊的迭代器，具备迭代器的上述功能，与迭代器不同的是，生成器往往更多地运用于Python的函数，利用yield关键词将python的函数创建成生成器，如下面的代码：
def r(x):
i = 0
while x>=0 and i<=x:
yield i #yield关键词使函数r()变成了一个生成器，第一次调用next()函数时，函数执行到这里停止，并返回值
i += 1 #再次调用next()函数，函数从这里继续执行
ra = r(10) #可以用next()函数来获取值，也可以用for循环来遍历迭代
type(ra)
<class 'generator'>
next(ra)
0
next(ra)
1代码解析
函数r()因为yield关键词变成了一个生成器，并且通过yiled关键词返回一个值，比如用next(ra)时，while第一次循环，函数返回0，并停止，当再次使用next(ra)时，函数从yield下面的i += 1处继续执行。
生成器的作用
python生成器最大的作用之一就是节省程序执行过程中所占用的计算机内存，就像上面的实例代码。这个可能不明显，我们举个更明显的例子，代码如下：
g = (x for x in range(10)) #生成器推导式，创建生成器
type(g)
<class 'generator'>
next(g)
0
next(g)
1代码解析：
我们将上面生成器推导式与列表推导式[ x for x in range(10) ]来进行一番比较，这个列表推导式为创建一个[0,1,2,...,9]的列表（如果元素个数多的话就占据很大的内存了），而上面的生成器推导式则不会那样的列表，而是通过next()函数逐一生成，比如第一次用next()时，“才”生成0，并作为返回值返回，第二次用next()函数，“才”生成1，并作为返回值返回，这样显然就不会占据太多的内存了，从而使python的程序变得高效一些。
