Python迭代器是__iter__和__next__构成的协议；__iter__必须返回含__next__的对象，否则报“not iterable”；生成器函数用yield更简洁安全；itertools迭代器多为一次性；生成器表达式省内存但不可索引、不可重用。
Python 迭代器不是语法糖，是 __iter__ 和 __next__ 两个方法共同构成的协议；不实现它，for 循环、list()、sum() 等内置操作就无法消费你的对象。
为什么自定义类加了 __iter__ 还报 TypeError: 'X' object is not iterable
常见错误是只实现了 __iter__，但返回值不是迭代器对象（即没有 __next__ 方法）。
-
__iter__必须返回一个具备__next__方法的对象 —— 可以是自身（此时类还要实现__next__），也可以是另一个迭代器实例（如iter(list)） - 返回
self是最简方式，但必须同时定义__next__，且内部要维护状态（如索引、游标），并在耗尽时抛出StopIteration - 返回
iter(some_list)更安全，适合数据已存在、无需懒加载的场景
用生成器函数替代手写迭代器更自然
90% 的自定义迭代需求，用 yield 写生成器函数比手动实现双下方法更清晰、不易出错。
- 生成器函数调用后自动返回
generator对象，它原生支持迭代协议 - 状态由 Python 运行时保存，不用自己管
self.index或重置逻辑 - 遇到
return或函数结束，自动抛StopIteration，无需手动判断
def countdown(n):
while n > 0:
yield n
n -= 1
<h1>直接用于 for 循环或构造 list</h1><p>for i in countdown(3):
print(i) # 3, 2, 1
list(countdown(2)) # [2, 1]
itertools 里哪些迭代器是“一次性”的？
几乎所有 itertools 返回的对象都是单次迭代器：用完即空，再次遍历时不再产出任何值。
提示词大师-python版
下载
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
立即学习“Python免费学习笔记（深入）”；
-
itertools.chain(a, b)、itertools.filterfalse(...)、itertools.islice(...)都属于此类 - 重复使用需重新调用构造函数，或用
itertools.tee(it, n)复制多个独立迭代器（注意内存开销） - 误用典型现象：
list(it); sum(it)→ 第二步sum得到 0，因为it已被第一次list耗尽
迭代器和生成器表达式的性能差异在哪
生成器表达式（(x*2 for x in range(1000))）比等价的列表推导式（[x*2 for x in range(1000)]）省内存，但两者都不是“更快”——只是延迟计算时机不同。
- 生成器表达式不立刻执行循环体，只在每次
__next__时算一个值；列表推导式一上来就全算完、全存进内存 - 若你只需要前几个元素，生成器表达式明显省时间+内存；若后续要多次随机访问，它反而不如转成
list - 注意：生成器表达式不能被
len()或索引访问，这是设计使然，不是 bug
真正容易被忽略的是迭代器的“不可逆性”：没有标准方法让它倒带或重播，除非你自己封装缓冲逻辑或用 itertools.tee。别指望 iter(obj) 每次都给你新起点。
