学 Python 怎能不知 yield ？

↑↑↑关注后"星标"简说Python
人人都可以简单入门Python、爬虫、数据分析
 简说Python推荐 
来源｜无量测试之道
作者｜无量测试之道

引言

你可能听说过，带有 yield 的函数在 Python 中被称之为 generator（生成器），又或者都没关注过，Python 中还有个 yield 的存在。如果你了解过 Python 中的 yield，那你知道何谓 generator 吗？

yield 的概念

理解yield 的 generator 概念，首先以一个常见的编程题目来展示 yield 的概念。

如何生成斐波那契數列

斐波那契（Fibonacci）數列是一个非常简单的递归数列，除第一个和第二个数外，任意一个数都可由前两个数相加得到。用计算机程序输出斐波那契數列的前 N 个数是一个非常简单的问题，有些 Python 基础的小伙伴都可以轻易写出如下函数：

第 1 版本：简单输出斐波那契數列前 N 个数

def createNum(count): 
    n, a, b = 0, 0, 1 
    while n < count: 
        print b 
        a, b = b, a + b 
        n = n + 1
createNum(5)

执行以上代码，我们可以得到如下输出：

1 
1 
2 
3 
5

输出结果是没有问题的，但是版本 1 中的写法是直接在 createNum 函数中用 print 打印数字会导致该函数可复用性较差，因为 createNum 函数返回 None，其他函数无法获得该函数生成的数列。

要提高 createNum 函数的可复用性，最好不要直接打印出数列，而是返回一个 List。以下是 createNum 函数改写后的第二个版本：

第 2 版本：输出斐波那契數列前 N 个数

def createNum(count): 
    n, a, b = 0, 0, 1 
    L = [] 
    while n < count: 
        L.append(b) 
        a, b = b, a + b 
        n = n + 1 
    return L
 
for n in createNum(5): 
    print n

该版本中 createNum 函数返回的 List的结果如下：

1 
1 
2 
3 
5

改写后的 createNum 函数通过返回 List 能满足复用性的要求，但是与此同时也会存在一个明显的问题是：该函数在运行中占用的内存会随着参数 count 的增大而增大，如果要控制内存占用，最好不要用 List 来保存中间结果，而是通过 iterable 对象来迭代。在每次迭代中返回下一个数值，如此：内存空间占用很小。因为是直接返回一个 iterable 对象。

第 3 版本：使用 yield 输出斐波那契數列前 N 个数

def createNum(count): 
    n, a, b = 0, 0, 1 
    while n < count: 
        yield b      # 使用 yield
        # print(b) 
        a, b = b, a + b 
        n = n + 1
 
for n in createNum(5): 
    print n

也可以手动调用 createNum(5) 的 next() 方法（因为 createNum(5) 是一个 generator 对象，该对象具有 next() 方法），这样我们就可以更清楚地看到 createNum 的执行流程：

第 4 版本：执行流程

def createNum(count): 
    n, a, b = 0, 0, 1 
    while n < count: 
        yield b      # 使用 yield
        # print(b) 
        a, b = b, a + b 
        n = n + 1
 

#使用for循环来执行createNum()函数，它返回一个迭代值，下次迭代从yield语句的下一条语句继续执行
<!--for n in createNum(5): 
    print n-->

#使用next方法来执行createNum()函数，generator（生成器）对象具有next()方法
num = createNum(5)
print(next(num))
print(next(num))
print(next(num))
print(next(num))
print(next(num))
print(next(num))

运行以上代码，结果输出如下：

1
1
2
3
5
Traceback (most recent call last): 
 File "<stdin>", line 1, in <module> 
StopIteration

由输出结果可发现在执行第 6 个 print(next(num)) 时抛出一个 StopIteration 的异常，是因为在第 5 个 print(next(num)) 执行完时函数已经结束，再执行第 6 个print(next(num))时，generator 自动抛出 StopIteration 异常，表示迭代完成。在 for 循环里，无需处理 StopIteration 异常，循环会正常结束。

yield 的作用

简单地讲，yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 createNum(5) 不会执行 createNum 函数，而是返回一个 iterable 对象！

在 for 循环执行时，每次循环都会执行 createNum 函数内部的代码，执行到 yield b 时，createNum 函数就会返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。

yield 使用场景

• 迭代生成数据(生产者，数据量巨大时优势更加明显，它可以不占用大量内存)

• 接收数据(消费者)

• 中断(协作式的任务)

总结

一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭代值，下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。

yield 的好处是显而易见的，把一个函数改写为一个 generator 就获得了迭代能力，比起用类的实例保存状态来计算下一个 next() 的值，不仅代码简洁，而且执行流程异常清晰。

学习更多：
整理了我开始分享学习笔记到现在超过250篇优质文章，涵盖数据分析、爬虫、机器学习等方面，别再说不知道该从哪开始，实战哪里找了