迭代器是一个实现了__iter__()和__next__()方法的对象

Python中的迭代器（iterators）和生成器（generators）都用于处理可迭代对象，但它们有一些关键的区别：

生成器是一种特殊的迭代器：
迭代器是一个实现了__iter__()和__next__()方法的对象，可以通过iter()函数获取迭代器，并通过next()函数逐个获取元素。
生成器是一种特殊类型的迭代器，可以使用函数来创建。生成器函数包含yield关键字，允许你在函数中暂停执行并返回一个值，然后在需要时继续执行。这使得生成器能够惰性地生成值，而不必一次性生成所有值。
内存占用：
迭代器通常需要在内存中存储所有的元素，因此在处理大型数据集时可能会占用大量内存。
生成器是惰性的，只在需要时生成一个元素，因此可以有效地处理大型数据集，而不会占用大量内存。
语法：
迭代器需要手动实现__iter__()和__next__()方法，相对复杂。
生成器使用更简洁的函数和yield关键字来定义，更容易编写和理解。
使用场景：
迭代器通常用于遍历已知的有限数据集，如列表或文件中的元素。
生成器适用于处理无限数据流或大型数据集，以及需要逐步生成数据的情况。

class MyIterator:
    def __init__(self, data):
        self.data = data
        self.index = 0
 
    def __iter__(self):
        return self
 
    def __next__(self):   #迭代器需要手动实现__iter__()和__next__()方法，相对复杂。
        if self.index < len(self.data):
            result = self.data[self.index]
            self.index += 1
            return result
        else:
            raise StopIteration
 
my_iter = MyIterator([1, 2, 3])
for item in my_iter:
    print(item)
 
 
# 生成器函数包含yield关键字，允许你在函数中暂停执行并返回一个值，
# 然后在需要时继续执行。这使得生成器能够惰性地生成值，而不必一次性生成所有值。
def my_generator(data):
    for item in data:
        yield item
getitem=my_generator([1, 2, 3,58])
print("Start:",next(getitem))
print(next(getitem))
print(next(getitem))
print("End:",next(getitem))