Python 与迭代器相比，生成器返回一个隐式的iterable序列意味着什么？

我是编程新手，在一个概念问题上遇到了麻烦

课堂上有人说，一个生成器用来分解执行。其次，也有人说“当使用生成器时，我们执行惰性求值，这会产生一个隐式的iterable序列。”

我不明白为什么它是“懒惰评估”这个概念。有一个隐式iterable序列意味着什么？这不是迭代器的用途吗

---

大多数在线网站只是谈论迭代器和生成器之间的区别，但我不明白分解执行可能意味着什么。因为我们只能在执行过程中使用生成器。这是否意味着它的工作方式类似于返回语句？​

看看下面的生成器示例：

# Lazy evaluation. Instead of an "instant" complete result
# you get an iterator that you can execute in steps to get
# all results, one by one.

# This can be useful to save memory if the results are big,
# or to advance code execution in steps, because the generator
# remembers state between next() calls
def get_three_ints(start=0):
    for next_int in range(start, start+3):
        print("I'm running!") # advance a little more in code
        yield next_int # suspend execution here. Wait for
                       # another next() # while returning
                       # next_int


gen = get_three_ints(5) # gen is a generator function because of yield
print(next(gen))
print(next(gen))
print(next(gen))

try:
    print(next(gen)) # raises StopIteration (the iterator was consumed)
except StopIteration:
    print("Got a StopIteration.\n")

# Another generator. A generator is implicitely iterable.
gen = get_three_ints(10)
for i in gen:
    print(i)

# This is because both an __iter__ and __next__ special methods
# were created in your generator object just by using the keyword yield
print()
print(type(gen),'\n')

gen_attrs = dir(gen)
print('__iter__' in gen_attrs)
print('__next__' in gen_attrs)

# The "opposite" of this is creating a function that executes at once
# and returns the complete result
def get_three_ints_now(start=0):
    return list(range(start, start+3))

print()
print(get_three_ints_now(20))

# Output:

I'm running!
5
I'm running!
6
I'm running!
7
Got a StopIteration.

I'm running!
10
I'm running!
11
I'm running!
12

<class 'generator'> 

True
True

[20, 21, 22]

#惰性评估。而不是“即时”的完整结果
#您得到了一个迭代器，可以分步执行以获得
#所有结果，一个接一个。
#如果结果很大，这有助于节省内存，
#或者逐步推进代码执行，因为生成器
#记住next（）调用之间的状态
def获取三个整数（开始=0）：
对于范围内的下一个整数（开始，开始+3）：
打印（“我正在运行！”）#在代码方面再前进一点
产生下一个_int#在这里暂停执行。等待
#下一个（）#返回时
#下一步
gen=获得三个整数（5）#由于产量的原因，gen是一个生成函数
打印（下一代）
打印（下一代）
打印（下一代）
尝试：
print（next（gen））#引发StopIteration（迭代器已被使用）
除停止迭代外：
打印（“得到一个停止迭代。\n”）
#另一台发电机。生成器是隐式可引用的。
gen=获得三个整数（10）
对于gen中的i：
印刷品（一）
#这是因为iter和next两种特殊方法
#仅通过使用关键字yield在生成器对象中创建
打印（）
打印（类型（gen），“\n”）
gen_attrs=dir（gen）
打印（通用属性中的“iter”）
打印（gen属性中的“下一个”）
#与此相反的是创建一个立即执行的函数
#并返回完整的结果
def立即获取三个输入（开始=0）：
返回列表（范围（开始，开始+3））
打印（）
打印（立即获取三个输入（20））
#输出：
我在跑！
5.
我在跑！
6.
我在跑！
7.
有一个迭代停止了。
我在跑！
10
我在跑！
11
我在跑！
12
真的
真的
[20, 21, 22]

看看下面的生成器示例：

# Lazy evaluation. Instead of an "instant" complete result
# you get an iterator that you can execute in steps to get
# all results, one by one.

# This can be useful to save memory if the results are big,
# or to advance code execution in steps, because the generator
# remembers state between next() calls
def get_three_ints(start=0):
    for next_int in range(start, start+3):
        print("I'm running!") # advance a little more in code
        yield next_int # suspend execution here. Wait for
                       # another next() # while returning
                       # next_int


gen = get_three_ints(5) # gen is a generator function because of yield
print(next(gen))
print(next(gen))
print(next(gen))

try:
    print(next(gen)) # raises StopIteration (the iterator was consumed)
except StopIteration:
    print("Got a StopIteration.\n")

# Another generator. A generator is implicitely iterable.
gen = get_three_ints(10)
for i in gen:
    print(i)

# This is because both an __iter__ and __next__ special methods
# were created in your generator object just by using the keyword yield
print()
print(type(gen),'\n')

gen_attrs = dir(gen)
print('__iter__' in gen_attrs)
print('__next__' in gen_attrs)

# The "opposite" of this is creating a function that executes at once
# and returns the complete result
def get_three_ints_now(start=0):
    return list(range(start, start+3))

print()
print(get_three_ints_now(20))

# Output:

I'm running!
5
I'm running!
6
I'm running!
7
Got a StopIteration.

I'm running!
10
I'm running!
11
I'm running!
12

<class 'generator'> 

True
True

[20, 21, 22]

#惰性评估。而不是“即时”的完整结果
#您得到了一个迭代器，可以分步执行以获得
#所有结果，一个接一个。
#如果结果很大，这有助于节省内存，
#或者逐步推进代码执行，因为生成器
#记住next（）调用之间的状态
def获取三个整数（开始=0）：
对于范围内的下一个整数（开始，开始+3）：
打印（“我正在运行！”）#在代码方面再前进一点
产生下一个_int#在这里暂停执行。等待
#下一个（）#返回时
#下一步
gen=获得三个整数（5）#由于产量的原因，gen是一个生成函数
打印（下一代）
打印（下一代）
打印（下一代）
尝试：
print（next（gen））#引发StopIteration（迭代器已被使用）
除停止迭代外：
打印（“得到一个停止迭代。\n”）
#另一台发电机。生成器是隐式可引用的。
gen=获得三个整数（10）
对于gen中的i：
印刷品（一）
#这是因为iter和next两种特殊方法
#仅通过使用关键字yield在生成器对象中创建
打印（）
打印（类型（gen），“\n”）
gen_attrs=dir（gen）
打印（通用属性中的“iter”）
打印（gen属性中的“下一个”）
#与此相反的是创建一个立即执行的函数
#并返回完整的结果
def立即获取三个输入（开始=0）：
返回列表（范围（开始，开始+3））
打印（）
打印（立即获取三个输入（20））
#输出：
我在跑！
5.
我在跑！
6.
我在跑！
7.
有一个迭代停止了。
我在跑！
10
我在跑！
11
我在跑！
12
真的
真的
[20, 21, 22]