yield，迭代器

yield是一个常用于python函数定义中的关键字，它的作用是返回一个可以用来迭代（for循环）的生成器，它的应用场景通常为一个需要返回一系列值的，含有循环的函数中。

首先，如果你还没有对yield有个初步分认识，那么你先把yield看做“return”，这个是直观的，它首先是个return，普通的return是什么意思，就是在程序中返回某个值，返回之后程序就不再往下运行了。看做return之后再把它看做一个是生成器（generator）的一部分（带yield的函数才是真正的迭代器），好了，如果你对这些不明白的话，那先把yield看做return,然后直接看下面的程序，你就会明白yield的全部意思了：

def foo():
    print("starting...")
    while True:
        res = yield 4
        print("res:",res)
g = foo()
print(next(g))
print("*"*20)
print(next(g))

就这么简单的几行代码就让你明白什么是yield，代码的输出这个：

starting...
4
********************
res: None
4

我直接解释代码运行顺序，相当于代码单步调试：

程序开始执行以后，因为foo函数中有yield关键字，所以foo函数并不会真的执行，而是先得到一个生成器g(相当于一个对象)
直到调用next方法，foo函数正式开始执行，先执行foo函数中的print方法，然后进入while循环
程序遇到yield关键字，然后把yield想想成return,return了一个4之后，程序停止，并没有执行赋值给res操作，此时next(g)语句执行完成，所以输出的前两行（第一个是while上面的print的结果,第二个是return出的结果）是执行print(next(g))的结果，
程序执行print(""20)，输出20个*
又开始执行下面的print(next(g)),这个时候和上面那个差不多，不过不同的是，这个时候是从刚才那个next程序停止的地方开始执行的，也就是要执行res的赋值操作，这时候要注意，这个时候赋值操作的右边是没有值的（因为刚才那个是return出去了，并没有给赋值操作的左边传参数），所以这个时候res赋值是None,所以接着下面的输出就是res:None,
程序会继续在while里执行，又一次碰到yield,这个时候同样return 出4，然后程序停止，print函数输出的4就是这次return出的4.

到这里你可能就明白yield和return的关系和区别了，带yield的函数是一个生成器，而不是一个函数了，这个生成器有一个函数就是next函数，next就相当于“下一步”生成哪个数，这一次的next开始的地方是接着上一次的next停止的地方执行的，所以调用next的时候，生成器并不会从foo函数的开始执行，只是接着上一步停止的地方开始，然后遇到yield后，return出要生成的数，此步就结束。

def foo(): print("starting...") while True: res = yield 4 print("res:",res) g = foo() print(next(g)) print("*"*20) print(g.send(7))
再看一个这个生成器的send函数的例子，这个例子就把上面那个例子的最后一行换掉了，输出结果：

4
********************
res: 7
4

先大致说一下send函数的概念：此时你应该注意到上面那个的紫色的字，还有上面那个res的值为什么是None，这个变成了7，到底为什么，这是因为，send是发送一个参数给res的，因为上面讲到，return的时候，并没有把4赋值给res，下次执行的时候只好继续执行赋值操作，只好赋值为None了，而如果用send的话，开始执行的时候，先接着上一次（return 4之后）执行，先把7赋值给了res,然后执行next的作用，遇见下一回的yield，return出结果后结束。

程序执行g.send(7)，程序会从yield关键字那一行继续向下运行，send会把7这个值赋值给res变量

由于send方法中包含next()方法，所以程序会继续向下运行执行print方法，然后再次进入while循环

程序执行再次遇到yield关键字，yield会返回后面的值后，程序再次暂停，直到再次调用next方法或send方法。

send的用法时：send()方法返有一个参数，该参数指定的是上一次被挂起的yield语句的返回值。

区别：当send()的参数为None时，正好与next方法等价。在调用send()方法时，要么先调用一次next()到函数挂起的位置，或者直接send(None)。

这就结束了，说一下，为什么用这个生成器，是因为如果用List的话，会占用更大的空间，比如说取0,1,2,3,4,5,6............1000

你可能会这样：

for n in range(1000):
a=n
这个时候range(1000)就默认生成一个含有1000个数的list了，所以很占内存。

这个时候你可以用刚才的yield组合成生成器进行实现，也可以用xrange(1000)这个生成器实现

yield组合：

def foo(num):
print("starting...")
while num<10:
num=num+1
yield num
for n in foo(0):
print(n)
输出：

starting...
1
2
3
4
5
6
7
8
9
10

如果想要彻底搞懂yield关键词的用法，你务必先要搞懂如下词的意思：迭代，可迭代，迭代器，生成器。接下来我将逐一介绍这些词的含义，以及相应的用法。

迭代（iteration）和可迭代（iterable）
迭代是一种操作。很多数据本身就是一种容器(container)，它们里面装有各种类型的其他数据，比如列表（list），字典（dict），元组(tuple)等。当我们在实际中使用这些容器的时候，常常需要逐一从里面获取数据，例如说，我们常用for...in...来打印列表中数据，而这种逐个获取数据的过程就叫做迭代。

# iteration
a_list = [1, 2, 3]
for i in a_list:
    print(i)

可迭代则是对象的一种特性，比如说列表（list）是可迭代的，元组(tuple)是可迭代的，字典(dict)是可迭代的，字符串(string)是可迭代的，file对象也是可以迭代的。因为我们都可以从这些数据类型中逐一获取数据。

迭代器（iterator）
迭代器是一个对象，这种对象每次只能调取一个数据元素。对迭代器不断调用next()
方法（将迭代器中的对象：anydata,放入next()中当参数），则可以依次获取下一个元素；当迭代器中没有元素时，调用 next() 方法会抛出StopIteration（停止迭代）异常。迭代器的 iter() 方法返回迭代器自身；因此迭代器也是可迭代的。

def liebiao():
    for x in range(10):
        yield x
g = liebiao()#是一个生成器
print(type(g))
# 0
print(next(g))
# 1
print(next(g))
# 2
print(next(g))
# 3
print(next(g))
# 4
print(next(g))
# <generator object liebiao at 0x02C70E70>
print(g.__iter__())

生成器函数（generation function）和生成器（generation）
生成器函数是一种特殊的函数，它的函数内部含有yield表达式，调用它会返回一个特殊的迭代器，称生成器。

def func():
    return 1
 
def gen():
    yield 1
 
print(type(func))   # <class 'function'>
print(type(gen))    # <class 'function'>
 
print(type(func())) # <class 'int'>
print(type(gen()))  # <class 'generator'>

yield表达式

如前所述，如果一个函数定义中包含 yield 表达式，那么该函数是一个生成器函数（而非普通函数）。实际上，yield 仅能用于定义生成器函数。

与普通函数不同，生成器函数被调用后，其函数体内的代码并不会立即执行，而是返回一个生成器（generator-iterator）。当返回的生成器调用成员方法时，相应的生成器函数中的代码才会执行。

def square():
    for x in range(4):
        yield x ** 2
square_gen = square()
for x in square_gen:
    print(x)

for循环会调用 iter() 函数，获取一个生成器；而后调用 next() 函数，将生成器中的下一个值赋值给 x；再执行循环体。因此，上述 for 循环基本等价于：

def square():
    for x in range(4):
        yield x ** 2
square_gen = square()
# next()
# print(next(square_gen))
# print(next(square_gen))
# print(next(square_gen))
# print(next(square_gen))
# print(square_gen)
geniter = square_gen.__iter__()
# print(geniter)
while True:
    x = next(geniter) 
    print(x)

注意到，square 是一个生成器函数；作为它的返回值，square_gen 已经是一个迭代器；迭代器的 iter() 返回它自己。因此 geniter 对应的生成器函数，即是 square。

每次执行到 x = geniter.next() 时，square 函数会从上一次暂停的位置开始，一直执行到下一个 yield 表达式，将 yield 关键字后的表达式列表返回给调用者，并再次暂停。注意，每次从暂停恢复时，生成器函数的内部变量、指令指针、内部求值栈等内容和暂停时完全一致。

yield的好处
介绍了这么多定义和用法，那么到底为什么要用yield呢？它有什么样的好处呢？

在很多时候，我们需要逐个去获取容器内的某些数据，而这种仅仅获取部分元素的情况，并不需要我们将容器内所有的元素都取出来。比如说一个容器内现有10000个元素，但我们只需要前5个元素，那么解决办法通常由如下两种：

获取容器内的所有元素，然后取出前 5 个；
从头开始，逐个迭代容器内的元素，迭代 5 个元素之后停止。
显而易见，如果容器内的元素数量非常多（比如有 10 ** 8 个），或者容器内的元素体积非常大，那么后一种方案能节省巨大的时间、空间开销。

现在假设，我们有一个函数，其产出（返回值）是一个列表。而若我们知道，调用者对该函数的返回值，只有逐个迭代这一种方式。那么，如果函数生产列表中的每一个元素都需要耗费非常多的时间，或者生成所有元素需要等待很长时间，则使用 yield 把函数变成一个生成器函数，每次只产生一个元素，就能节省很多开销了。

猜你喜欢