Python迭代器创建是否会产生额外内存开销？

核心结论 #

调用iter(iterable_obj)不会拷贝原可迭代对象，仅会产生极小的固定内存开销，和原对象的体积无关

具体说明 #

• 标准实现中，iter()返回的迭代器只是原可迭代对象的轻量封装，内部仅存储两个核心信息：原可迭代对象的引用、当前迭代的位置指针，完全不会复制原对象内部存储的数据。
• 你可以通过下方代码验证这一点：如果迭代器是拷贝生成的，修改原列表不会影响迭代结果，但实际运行会发现迭代返回的是修改后的值：

origin_list = [1, 2, 3]
list_iter = iter(origin_list)
# 修改原列表的值
origin_list[0] = 100
# 输出为100，证明迭代器直接读取原对象的内容
print(next(list_iter))

• 仅存在一种例外情况：如果是自定义可迭代对象，自己重写了__iter__方法并且在方法内部主动拷贝了原对象，这种情况才会产生拷贝开销，这是自定义逻辑的特殊行为，不是iter()内置函数的通用规则。Python标准库所有内置可迭代类型（列表、元组、字符串、字典、集合等）的iter实现都不会触发拷贝。
• 内存开销方面，内置迭代器对象本身的内存占用极低，64位Python环境下单个迭代器实例通常仅占用32~64字节左右的内存，完全可以忽略不计。

内容的提问来源于stack exchange，提问作者Jiaji Huang