凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
我们已经知道，可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable
可以使用isinstance()判断一个对象是否是Iterable对象：]
>>> from collections import Iterable
>>> isinstance([],Iterable)
True
>>> isinstance((‘abc‘,‘awe‘),Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance(123,Iterable)
False
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了
即 我们得出，可以被next()调用并返回下一个值的object 为： 迭代器 Iterator
可以使用isinstance()判断一个对象是否是Iterator对象：
eg： 列表不是迭代器
>>> a = [1,2,3]
>>> dir(a)
[‘__add__‘, ‘__class__‘, ‘__contains__‘,
‘__delattr__‘, ‘__delitem__‘, ‘__dir__‘
, ‘__doc__‘, ‘__eq__‘, ‘__format__‘,
‘__ge__‘, ‘__getattribute__‘,
‘__getitem__‘, ‘__gt__‘, ‘__hash__‘,
‘__iadd__‘, ‘__imul__‘, ‘__init__‘,
‘__iter__‘, ‘__le__‘, ‘__len__‘,
‘__lt__‘, ‘__mul__‘, ‘__ne__‘,
‘__new__‘, ‘__reduce__‘,
‘__reduce_ex__‘, ‘__repr__‘,
‘__reversed__‘, ‘__rmul__‘,
‘__setattr__‘, ‘__setitem__‘,
‘__sizeof__‘, ‘__str__‘,
‘__subclasshook__‘, ‘append‘, ‘clear‘,
‘copy‘, ‘count‘, ‘extend‘, ‘index‘,
‘insert‘, ‘pop‘, ‘remove‘, ‘reverse‘,
‘sort‘]
#列表中没有next调用方法，不是迭代器
可以发现 列表的方法中没有__next__ 故不是迭代器
>>> from collections import Iterator
>>> isinstance((x for x in range(5)),Iterator)
True
>>>列表生成式（生成器）是生成器）
>>> isinstance({},Iterator)
False
列表、元祖等都不是迭代器
转自（金角大王）
list、dict、str等Iterable变成Iterator 可以使用内置方法： iter()
iter()函数 >>> a = [1,32,444] >>> b = iter(a) >>> b.__next__() 1 >>> b.__next__() 32 >>> b.__next__() 444 >>>>>> b.__next__() Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration 没有数据时 抛出异常
你可能会问，为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。（迭代器相对于列表的优点）