列表生成式
列表生成式是python內置的一個用來創建列表的生成式，非常的強大和靈活！
比如說我們要生成一個包含1-10十個數字的列表，我們可以直接使用list(range(11))來生成：
但是我們如果要生成[1 * 1, 2 * 2, 3 * 3, 4 * 4, …, 10 * 10]這樣一個列表呢，第一種方法時使用循環：
但是這樣的話還是看起來非常的複雜，不太符合python簡單的特性，因此，我們可以使用列表生成式來完成這一操作，只使用一行代碼完成我們的要求：
由這行代碼可以看出，列表生成式的格式是這樣的，所有語句都包含在一對中括號中，最前面的是我們需要生成的元素，後面跟for循環就可以將一個列表創建出來，for循環後面還可以跟上if判斷語句，比如我們要生成一個包含1-10中的偶數平方值的列表，可以這樣做：
列表生成式中也可以有嵌套for循環，生成一個全排列：
我們來生成一個列表，包含當前目錄下所有目錄與文件：
列表生成式中的for循環其實也可以使用兩個甚至是多個變量，比如我們要從字典中取值的話，可以同時迭代key和value：
最後一個，我們使用列表生成式將一個列表中的元素全部變成小寫：
運用列表生成式，可以快速生成一個列表，可以通過一個列表推導出另一個列表，因此列表生成式也稱爲列表推導式。
生成器
通過列表生成式生成的列表，受到內存的限制，其容量肯定是有限的，而且，創建一個包含幾十一百萬元素的列表，不僅要佔用很大的內存空間，如果我們僅僅需要訪問前面的幾個元素，那後面的元素佔用的空間將會被白白浪費，所以，如果列表元素可以按照某種算法推算出來，我們就可以在循環的過程中不斷推算出後續的元素，這樣的話就不必創建完整的列表，從而節省大量的空間。在python中，這種一邊循環一邊計算的機制，稱爲生成器：generator
創建生成器的方法有很多種，其中最簡單的方法就是將列表生成式的[]改爲()，我們使用列表生成式的時候，可以直接打印出一個列表，但是我們怎麼打印出一個生成器中的元素呢？上面我們說過，生成器是一種邊循環邊計算的機制，它返回的並不會直接是一個列表，而是一個生成器，這個生成器包含了一種算法，生成一個個元素的算法，我們可以使用next()函數，不斷地獲取生成器的下一個返回值：
當使用next()函數獲得生成器的最後一個值之後，再次調用就會報錯，提示終止迭代：
這種不斷調用next()函數獲取生成器中的值的效率實在是太低了，正確的方法是使用for循環，因爲生成器也是一個可迭代對象：
我們在得到一個生成器後，基本不會使用next()函數去獲取生成器中的值，而是使用for循環，並且不用關心stopIteration的錯誤
生成器非常的強大，如果其包含的推算的算法非常複雜，使用類似於列表生成式的for循環無法實現的話，我們還可以使用函數來實現，這是創建生成器的第二種方法，比如說著名的斐波那契數列，從第三個數開始，每個數字的值都是其前兩個數字的和，斐波那契數列使用列表生成式寫不出來，因此我們可以使用函數來實現：
可以看到,fibs函數實際上是定義了斐波那契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似生成器。也就是說，上面推算斐波那契的函數和生成器僅一步之遙，要把fibs函數編程生成器，只需要把print(b)改爲yield b就可以了：
生成器的執行流程和函數的不一樣，函數是順序執行，遇到return語句或者最後一行函數語句就返回，但是生成器的話，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。
舉個例子：定義一個生成器，依次返回數字1， 3， 5：
調用該函數時，首先要返回一個生成器對象，然後用next()函數不斷獲取下一個返回值：
可以看到，odd()就是一個生成器，在執行過程中，遇到yield就中斷，再次調用next()就從上次中斷的地方繼續執行，第三次後沒有yield可執行，所以在第四次調用的時候就報錯。
小結：
生成器是非常強大的工具，在python中，可以簡單的把列表生成式改成generator，也可以通過函數實現複雜邏輯的generator。要理解生成器的工作原理，他是在for循環的過程中不斷計算出下一個元素，並在適當的條件結束for循環。對於函數改成的生成器來說，遇到return語句或者執行到函數體最後一行語句，就是結束生成器的指令，for循環隨之結束。
迭代器
我麼已經知道，可以直接作用於for循環的數據類型有以下幾種：
一類是集合數據類型，如list、tuple、dict、set、str等；
一類是generator，包括生成器和帶yield的generator function。
這些可以直接作用於for循環的對象統稱爲可迭代對象：Iterable。
可以使用isinstance()判斷一個對象是否是Iterable對象：
生成器不但可以作用於for循環，還可以被next()函數不斷調用並返回下一個值，直到最後拋出stopIteration錯誤表示無法繼續返回下一個值了。
可以被next()函數調用並不斷返回下一個值的對象稱爲迭代器：Iterator。
可以使用isinstance()判斷一個對象是否是Iterator對象：
生成器都是可迭代對象，但list、dict、str雖然是Iterable，卻不是Iterator。
把list、dict、str等Iterable變成Iterator可以使用iter()函數：
你可能會問，爲什麼list、dict、str等數據類型不是Iterator？
這是因爲Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用並不斷返回下一個數據，直到沒有數據時拋出stopIteration錯誤，可以把這個數據流看作是一個有序序列，但我們不能提前知道序列的長度，只能不斷通過next(0函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要時返回下一個數據時他纔會計算。
Iterator甚至可以表示一個無限大的數據流，例如全體自然數，而使用list是永遠也不可能存儲全體自然數的。
小結：
凡是可作用於for循環的對象都是Iterable類型；
凡是可作用於next(0函數的對象都是Iterator類型，他們表示一個惰性計算的序列；
集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得下一個Iterator對象。