for循环工作机制

字符串、列表、元组、词典、set等数据类型都可以用for循环遍历。

字符串、列表、元组这些有序数据也可以用索引while循环，像字典、set等数据类型没有索引，所以就有for循环

可以直接作用for循环的对象统称为 可迭代对象： Iterable。

for循环遍历数据本质做了两件事：

1：调用数据类型的内置方法 iter(),，使之变成一个迭代器对象：

2：变成迭代器之后，循环调用next()方法读取数据：

迭代器

对于序列类型：字符串、列表、元组，我们可以使用索引的方式迭代取出其包含的元素。但对于字典、集合、文件等类型是没有索引的，若还想取出其内部包含的元素，则必须找出一种不依赖于索引的迭代方式，这就是迭代器

迭代器对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

**凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

Python的for循环本质上就是通过不断调用next()函数实现的

生成器

生成器也是迭代器，区别就是迭代器需要使用iter() 方法才能生成一个迭代器对象，生成器不需要使用 iter方法

生成器创建方式：

list可以直接打印出每个元素，generator不行。可以通过next()函数获得下一个返回值。

generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

generator也是一个可迭代对象，可以用for循环

定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator。

generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值

generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。

区分普通函数和generator函数，普通函数调用直接返回结果。generator函数的“调用”实际返回一个generator对象。