简述 Python 生成器、迭代器、可迭代对象 以及应用场景？
参考答案：
可迭代对象（Iterable）：
在 Python 中，如果一个对象实现了 __iter__() 方法，那么它就是一个可迭代对象。这个方法返回一个迭代器（Iterator）。可迭代对象可以是集合类型的数据，如列表（list）、元组（tuple）、字典（dict）、集合（set）或字符串（str）等。
迭代器（Iterator）：
迭代器是一个可以记住遍历的位置的对象。迭代器对象必须实现两个方法，__iter__() 和 __next__()。__iter__() 方法返回迭代器对象本身，__next__() 方法返回容器的下一个元素。如果容器没有更多元素，则 __next__() 方法抛出一个 StopIteration 异常。
生成器（Generator）：
生成器是一种特殊的迭代器，可以使用 yield 关键字定义。生成器函数在每次被调用时返回一个值，然后记住当前位置，下次调用时从上次的位置开始执行。生成器在需要时才生成值，这可以节省大量的内存。
应用场景：
- 大数据处理：当你需要处理大量数据，但一次只处理一部分时，可以使用生成器或迭代器。这样，你不需要一次性将所有数据加载到内存中，从而节省内存。
- 无限序列：生成器可以创建无限序列，这在处理无限序列（例如，斐波那契数列）时非常有用。
- 延迟计算：生成器或迭代器可以在需要时才进行计算，这在处理复杂计算或需要长时间运行的任务时非常有用。
- 简化代码：使用生成器或迭代器可以使代码更简洁，更易于理解。
例如，使用生成器处理大数据集：
def data_generator(data_size):
for i in range(data_size):
yield i
for data in data_generator(1000000):
# 处理数据，但一次只处理一个数据，而不是一次性处理所有数据
pass
在这个例子中，data_generator 是一个生成器函数，它生成一个从 0 到 data_size - 1 的序列。然后，在 for 循环中，我们一次只处理一个数据，而不是一次性处理所有数据，这可以节省大量内存。