迭代器的核心作用是按需逐个访问数据，节省内存、提升效率，尤其适合处理大文件、数据库结果或无限序列；它通过惰性计算、统一接口和简化逻辑实现高效、安全、清晰的数据遍历。
迭代器的核心作用是按需逐个访问数据，节省内存、提升效率，尤
其适合处理大文件、数据库结果或无限序列这类无法一次性加载到内存的数据。
节省内存，避免一次性加载全部数据
比如读取一个几GB的日志文件，如果用 readlines() 会把所有行塞进内存，容易崩溃；而用迭代器（如直接对文件对象 for line in f:）每次只读一行，内存占用几乎恒定。
- 列表推导式 [x*2 for x in range(1000000)] 立刻生成百万个数，占内存
- 生成器表达式 (x*2 for x in range(1000000)) 返回迭代器，只在需要时算一个值
统一遍历接口，适配多种数据源
Python 中 for 循环、sum()、list() 等内置函数都依赖迭代器协议（__iter__ 和 __next__）。只要对象实现了这个协议，就能被统一处理——不管它是列表、文件、自定义类，还是网络流。
- dict 迭代的是键，values() 迭代的是值，都是迭代器
- 你可以写一个类，只实现 __iter__，它就能放进 for 循环里
支持惰性计算和无限序列
迭代器不预先计算全部结果，只在调用 next() 时产出下一个值。这使得定义“理论上无限”的对象成为可能，比如斐波那契数列、时间戳流、随机数生成器。
- itertools.count() 生成无限递增整数，但不会卡死
- 配合 itertools.islice() 可以安全地取前 N 个，无需担心停不下来
简化代码逻辑，让意图更清晰
比起手动维护下标、判断边界、处理异常，用迭代器写循环更简洁可靠。Python 自动捕获 StopIteration 并退出循环，不用你操心越界问题。
- 不用写 i = 0; while i
- 直接 for item in iterator:，语义明确，不易出错
基本上就这些。迭代器不是炫技，而是 Python “按需计算”哲学的体现——不提前做没必要的事，也不多占一点内存。
