在 Python 中，iterable（可迭代对象）和 iterator（迭代器）有哪些不同之处？请从它们的定义、所实现的方法、使用场景以及内存效率等方面进行说明。
考察说明
考查对 Python 迭代协议中可迭代对象与迭代器定义、方法和使用区别的掌握。
回答思路
- 【回答框架 1】可迭代对象是实现了 __iter__ 方法的对象，该方法返回一个迭代器。迭代器是实现了 __iter__ 和 __next__ 方法的对象，其中 __next__ 返回序列中的下一个元素，并在没有元素时抛出 StopIteration 异常。例如，列表、元组、字符串都是可迭代对象，但不是迭代器。
- 【回答框架 2】迭代器是一个有状态的、一次性使用的对象。它可以通过内置函数 iter() 从可迭代对象获得，并且只能向前遍历，不能回退。每次调用 __next__ 都会保留内部状态，追踪当前位置。而可迭代对象本身不持有遍历状态，可以被多次迭代，每次迭代都生成新的迭代器。
- 【回答框架 3】从内存效率看，迭代器是惰性求值的，只在需要时生成下一个元素，因此适合处理大规模或无限的数据流，如使用生成器表达式或 yield 的函数返回的生成器。可迭代对象如列表会一次性加载所有元素到内存中，而迭代器则加载更少的数据，因此在处理大数据时迭代器更内存友好。
- 【回答框架 4】在 Python 中，for 循环会先调用 iter() 将可迭代对象转换为迭代器，然后反复调用 __next__ 直到捕获 StopIteration 异常。这是它们核心的使用机制。理解这个区别有助于设计更高效的数据处理流程。
- 【回答框架 5】对于可迭代对象，可以使用 iter() 和 next() 的函数接口操作。例如，it = iter([1,2,3]) 后，next(it) 依次返回 1、2、3，再次调用则抛出 StopIteration。这是与显式使用索引或遍历不同的迭代协议实现方式。
- 【关键点 1】可迭代对象实现 __iter__，迭代器实现 __iter__ 和 __next__。
- 【关键点 2】迭代器有状态且只能遍历一次，可迭代对象可重复迭代。
- 【关键点 3】迭代器惰性求值，内存效率高，适合大数据流。
- 【关键点 4】for 循环通过 iter() 和 next() 隐式使用迭代协议。
- 【易错点 1】不要混淆可迭代对象和迭代器，例如列表是可迭代的但不是迭代器，不能直接调用 next()。
- 【易错点 2】迭代器的一次性特性意味着对其多次遍历需要重新生成迭代器，否则会得到空结果。
- 【易错点 3】生成器是迭代器的一种，但并非所有迭代器都是生成器。