迭代器（Iterators）

迭代器是遵循迭代器协议的对象，这意味着它们实现了__iter__()和__next__()方法。__iter__()返回迭代器对象本身，__next__()返回容器中的下一个值。如果没有更多的元素可以返回，__next__()将引发StopIteration异常，从而结束迭代。

迭代器的一个关键特点是它们是惰性的，这意味着它们一次只生成一个元素，直到需要下一个元素时才生成。这使得迭代器非常适合处理大型数据集，因为它们不需要一次性将所有数据加载到内存中。

迭代器示例：

class Count:
    def __init__(self, low, high):
        self.current = low
        self.high = high

    def __iter__(self):
        return self

    def __next__(self):
        if self.current > self.high:
            raise StopIteration
        else:
            self.current += 1
            return self.current - 1

# 创建迭代器实例
counter = Count(1, 3)
for c in counter:
    print(c)

生成器（Generators）

生成器是一种简单的创建迭代器的方法。它们是通过包含至少一个yield语句的函数定义的。当生成器函数被调用时，它返回一个生成器对象，但不会立即执行函数体。相反，每次请求值时，函数会运行，直到遇到yield语句，然后返回一个值。函数的状态（包括局部变量和指令指针）被挂起，直到下一次调用next()时恢复。

生成器提供了一种非常高效的方式来处理序列数据，无论是因为序列很大或者因为序列在计算上是昂贵的。与迭代器类似，生成器也是惰性的，但它们允许函数在保持状态的同时产生序列，这在某些情况下更为方便。

生成器示例：

def count(low, high):
    while low <= high:
        yield low
        low += 1

# 创建生成器实例
counter = count(1, 3)
for c in counter:
    print(c)

主要区别

• 实现方式：迭代器通常通过类来实现，而生成器通过函数实现。
• 代码简洁性：生成器通常代码更简洁。
• 状态保持：生成器可以保持状态（局部变量和执行状态），迭代器通常不保持。
• 性能：两者都支持惰性计算，但生成器可以更方便地按需生成复杂序列。

在选择使用迭代器还是生成器时，如果你需要一个简单的函数来产生序列，那么生成器是一个很好的选择。