經過數個版本的發展，Python 的 「惰性」 大大增強。有幾個版本中已出現了在函數體中用 yield 語句定義的生成器。但是，在這個過程中，還出現了 itertools 模塊，它可以組合和創建各種類型的迭代器。還出現了 iter() 內置函數，它可以將許多類似於序列的對象轉換為迭代器。在 Python 2.4 中，出現了生成器表達式（generator expression）；在 2.5 中，出現了改進的生成器，這使編寫協同例程更為輕鬆。另外，越來越多的 Python 對象成為迭代器或類迭代器，例如，過去讀取文件需要使用 .xreadlines() 方法或 xreadlines 模塊，而現在 open() 的默認行為就能是讀取文件。
同樣，過去要實現 dict 的惰性循環遍歷需要使用 .iterkeys() 方法；現在，它是默認的 for key in dct 行為。xrange() 這樣的函數與生成器類似的方面有些 「特殊」，它們既不是真正的 迭代器（沒有 .next() 方法），也不是實際的列表（比如 range() 返回的列表）。但是，enumerate() 返回一個真正的生成器，通常會實現以往希望 xrange() 實現的功能。itertools.count() 是另一個惰性調用，它的作用與 xrange()幾乎 完全相同，但它是一個功能完備的迭代器。
Python 的發展大方向是以惰性方式構造類似於序列的對象；總體來說，這個方向是正確的。惰性的偽序列既可以節省內存空間，還可以提高操作的速度（尤其是在處理非常大的與序列類似的 「東西」 時）。
問題在於，Python 在判斷 「硬」 序列和迭代器之間的差異和相似性方面仍然不完善。這個問題最棘手的部分是，它實際上違背了 Python 的 「duck typing」 思想：只要給定的對象具有正確的行為，就能夠將它用於特定的用途，而不存在任何繼承或類型限制。迭代器或類迭代器有時表現得像序列，但有時候不是；反過來說，序列常常表現得像迭代器，但並非總是如此。表現不像迭代器那些序列已涉及 Python 的神秘領地，其作用尚不明朗。
分歧所有類序列或類迭代器的主要相似之處是，它們都允許進行循環遍歷，無論是使用 for 循環、列表理解（list comprehension）還是生成器理解（generator comprehension）。除此之外，就出現了分歧。其中最重要的差異是，序列既可編制索引，也可直接切片（slice），而迭代器不能。實際上，為序列編制索引可能是最常用的序列操作 —— 究竟為什麼在迭代器上無法使用索引呢？例如：
清單 9. 與序列和迭代器相似的東西1
2
3
4
5
6
7
8
9
>>> r = range(10)
>>> i = iter(r)
>>> x = xrange(10)
>>> g = itertools.takewhile(lambda n: n<10, itertools.count())
#...etc...
對於所有這一切，都可以使用 for n in thing。實際上，如果用 list(thing) 顯示它們，會得到完全相同的結果。但是，如果希望獲得其中的一個特定條目（或一些條目的切片），就需要考慮 thing 的具體類型。例如：
清單 10. 索引操作成功和失敗的示例1
2
3
4
5
>>> r[4]
4
>>> i[4]
TypeError: unindexable object
對於每種序列/迭代器類型，只要費一番功夫，總能夠獲得其中的特定條目。一種方法是進行循環，直至到達所需的對象。另一種古怪的解決方案如下：
清單 11. 獲得索引的怪方法1
2
3
4
>>> thing, temp = itertools.tee(thing)
>>> zip(temp, '.'*5)[-1][0]
4
對 itertools.tee() 的預調用保留了原始迭代器。對於切片，可以按照特殊方式使用 itertools.islice() 函數。
清單 12. 獲得一個切片的特殊方法1
2
3
4
5
>>> r[4:9:2]
[4, 6, 8]
>>> list(itertools.islice(r,4,9,2)) # works for iterators
[4, 6, 8]