Python是一种简洁而强大的编程语言，其灵活的语法和丰富的标准库使得它成为了许多开发者的首选。在Python中，迭代器和生成器是两个重要的概念，它们为我们提供了处理数据集合的有效方法。
什么是迭代器？
迭代器是一个对象，它实现了迭代器协议，可以在循环中逐个访问数据元素而无需将整个集合加载到内存中。在Python中，迭代器通常通过iter()和next()两个方法实现。
python
Copy Code
class MyIterator:
def init(self, data):
self.data = data
self.index = 0

def __iter__(self):
    return self

def __next__(self):
    if self.index >= len(self.data):
        raise StopIteration
    value = self.data[self.index]
    self.index += 1
    return value

使用迭代器

my_list = [1, 2, 3, 4, 5]
my_iter = MyIterator(my_list)
for item in my_iter:
print(item)
什么是生成器？
生成器是一种特殊的迭代器，它可以在迭代过程中动态生成值，而不是一次性生成所有值并将它们存储在内存中。生成器可以通过函数和yield关键字来创建。
python
Copy Code
def my_generator(data):
for item in data:
yield item * 2

使用生成器

my_list = [1, 2, 3, 4, 5]
gen = my_generator(my_list)
for item in gen:
print(item)
迭代器与生成器的应用
迭代器和生成器在Python中的应用非常广泛。它们可以用于处理大型数据集合、惰性计算、无限序列等场景。例如，在处理大型文件时，我们可以使用迭代器逐行读取文件而不必一次性将整个文件加载到内存中；在需要生成大量数据的情况下，我们可以使用生成器来节省内存。
python
Copy Code

使用迭代器逐行读取文件

with open('large_file.txt') as f:
for line in f:
process_line(line)

使用生成器生成斐波那契数列

def fibonacci():
a, b = 0, 1
while True:
yield a
a, b = b, a + b

fib = fibonacci()
for _ in range(10):
print(next(fib))
通过深入理解迭代器和生成器的概念以及它们在Python编程中的应用，我们可以写出更加高效和优雅的代码，提升编程效率。