迭代器和生成器是Python中实现惰性求值的重要工具，它们提供了一种优雅的方式来处理数据集合。
迭代器（Iterator）是一种对象，它允许你遍历一个集合中的每个元素，而不需要事先将整个集合加载到内存中。迭代器有以下几个特点：
1. 迭代器只能向前推进，不能后退，也就是说，一旦经过一个元素，就无法重新访问。
2. 迭代器不必在创建时知道集合中的元素个数。
3. 迭代器可以处理不确定长度的数据集，例如文件内容或无限集合。
4. 通过调用迭代器对象的__next__()方法可以获取下一个元素，如果到达集合末尾，则会抛出StopIteration异常。
定义一个迭代器通常涉及到定义一个__iter__()方法和一个__next__()方法，这两个方法使得对象成为迭代器。例如，Python中的列表、元组、字典、字符串等都实现了__iter__()方法，因此它们都是迭代器，可以通过for循环进行遍历。
生成器（Generator）是一种特殊的迭代器，它通过一个函数的定义来实现延迟计算，生成器函数返回一个生成器对象，这个对象可以像迭代器一样使用。生成器的特点包括：
1. 生成器使用关键字yield来返回中间结果，每次调用生成器的__next__()方法时，它会从上次离开的地方继续执行。
2. yield语句暂时挂起函数的执行，并保存函数的状态，下次再调用时从这个状态继续执行。
3. 生成器比迭代器更加轻量，因为它不会一次性计算出所有值，而是根据需要进行计算。
4. 生成器适用于数据量大或计算量大的情况，不会占用太多内存。
创建生成器的方式包括：
- 使用生成器函数（即包含yield的函数）。
- 使用生成器表达式，它类似于列表推导式，但使用圆括号而不是方括号。
示例中的myrange函数就是一个简单的生成器函数，它不断产生序列中的下一个数字，直到达到给定的参数值。这个函数利用了无限循环和yield语句，生成器的惰性求值特性使得它在执行时不会立即计算所有值，而是按需计算。
总结来说，迭代器和生成器在Python中为处理大数据集提供了一种内存效率高的方式，利用迭代器可以在需要时才计算数据，而生成器则通过yield关键字提供了生成序列值的高效方法，两者在处理大量数据时非常有用，能够提高程序的性能。
