一文搞懂 Python 中的 yield-技术圈

↑↑↑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 
作者 |somenzz
来源 | Python七号

yield 可以实现生成器，可以实现协程。什么是生成器，什么是协程，如果还不了解，可以继续往下看，概念可以不懂，只要理解它的作用和效果也是可以的。

先翻一下英文单词 yield 的意思：

to produce or provide sth, for example a profit, result or crop

中文意思：出产(作物)；产生(收益、效益等)；提供。

yield 实现生成器

初学 Python 之时，我遇到 yield 关键字时，就把它理解为一种特殊的 return，能看懂就行，自己也很少用，也就没有深入研究过。直到现在，我需要处理大量数据，数据的大小甚至超过了电脑的可用内存，此时我想起来 yield。比如，我操作 db2 数据库查询数据，当数据的结果很大时，我不想一下子读入内存，我就使用了 yield 关键字返回一行数据，程序处理完后，再取下一行：

def read(self, sql, params=()):
    stmt = ibm_db.prepare(self.connection, sql)    for index, param in enumerate(params):        ibm_db.bind_param(stmt, index + 1, param)    ibm_db.execute(stmt)    row = ibm_db.fetch_tuple(stmt)    while row:        yield row        row = ibm_db.fetch_tuple(stmt)

可以这么来理解关键字 yield 的用法：它返回了一个值，但程序并未退出，下一次从 yield 后面的代码继续运行，直到后面没有代码，结束运行。这里我们举一个简单的例子看下效果：

>>> def iter_fun():...     print("a")...     yield 1...     print("b")...     yield 2...     print("c")...     yield 3...>>> iter_fun()<generator object iter_fun at 0x107e372a0>>>> for i in iter_fun():...     print(i)...a1b2c3>>> x = iter_fun()>>> x.__next__()a1>>> x.__next__()b2>>> x.__next__()c3>>> x.__next__()Traceback (most recent call last):  File "<stdin>", line 1, in <module>StopIteration

通过上面的例子，我们可以发现，yield 关键子自动为我们生成来私有方法 __next__ ，这样不会将所有数据取出来存入内存中，用多少取多少，可以节省内存空间。

除此之外，yield 在数据量较大时，执行速度也会提升:

In [14]: def normal_fun(num):    ...:     result = []    ...:     for i in range(0,num):    ...:         if i%2 == 0:    ...:             result.append(i)    ...:     return result    ...:
In [14]: def iter_fun(num):    ...:     for i in range(0,num):    ...:         if i %2 == 0:    ...:             yield i    ...:
In [15]: %time for i in iter_fun(1000000): a = iCPU times: user 97 ms, sys: 2.55 ms, total: 99.6 msWall time: 97.2 ms
In [16]: %time for i in normal_fun(1000000): a = iCPU times: user 115 ms, sys: 13.6 ms, total: 129 msWall time: 128 ms
In [17]: %time for i in normal_fun(100000000): a = iCPU times: user 10.8 s, sys: 668 ms, total: 11.4 sWall time: 11.4 s
In [18]: %time for i in iter_fun(100000000): a = iCPU times: user 9.1 s, sys: 6.49 ms, total: 9.11 sWall time: 9.12 s

上述代码在 Ipython 终端中执行，可以看出使用 yield 的函数，执行的速度更快。

yield 是自己实现一个生成器最便捷的方式。而 Python 语言的生成器是最有用的特性之一，也是使用不广泛的特性，我曾问过周围用 java 的朋友有没有类似的特性，答曰没有，网上搜了下，确实主流的编程语言都没有，因此 Python 的生成器特性没有引起其他语言转 Python 的工程师的关注。

为什么说生成器非常有用呢？

当你需要处理的数据大小超过你电脑的可用内存时，生成器的懒加载（用的时才读入内存）就非常有效。

比如读文件时，如果你使用下面的方式，文件特别大的话，可能内存一下子就满了：

with open("file.txt","r") as reader:    for line in reader.readlines():        #do something        pass

推荐的做法是使用文件本身的生成器，这样读多大的文件，也不会撑爆内存：

with open("file.txt","r") as reader:    for line in reader:        #do something        pass

其实我们可以看一下 reader 到底有哪些方法：

>>> with open("/etc/passwd","r") as reader:...     dir(reader)...['_CHUNK_SIZE', '__class__', '__del__', '__delattr__', '__dict__', '__dir__', '__doc__', '__enter__', '__eq__', '__exit__', '__format__', '__ge__', '__getattribute__', '__getstate__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__lt__', '__ne__', '__new__', '__next__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '_checkClosed', '_checkReadable', '_checkSeekable', '_checkWritable', '_finalizing', 'buffer', 'close', 'closed', 'detach', 'encoding', 'errors', 'fileno', 'flush', 'isatty', 'line_buffering', 'mode', 'name', 'newlines', 'read', 'readable', 'readline', 'readlines', 'reconfigure', 'seek', 'seekable', 'tell', 'truncate', 'writable', 'write', 'write_through', 'writelines']>>>

我们可以看到，这里面有一个 __iter__ 方法和一个 __next__ 方法，这两个方法是生成器的标志。

想深入学习生成器，迭代器，可迭代对象，可以看我以前的推文：

python 基础系列--可迭代对象、迭代器与生成器

深入理解迭代器和生成器

yield 可以实现协程

yield 关键字还可以实现协程，虽然现在有来 asyncio 和 await 关键字来方便的实现协程，在此之前，实现协程就靠的是 yield。

yield 有一个 send 方法，可以改变 yield 的返回值，是这样用的，先看代码：

In [20]: def fun():    ...:     print("a")    ...:     a = yield 1    ...:     print("b")    ...:     print("a = ",a)    ...:     b = yield a    ...:     print("c")    ...:     print("b = ",b)    ...:
In [21]: x = fun()
In [22]: x.__next__()aOut[22]: 1
In [23]: x.send(4)ba =  4Out[23]: 4
In [24]: x.send(5)cb =  5---------------------------------------------------------------------------StopIteration                             Traceback (most recent call last)<ipython-input-24-9183f5e81876> in <module>----> 1 x.send(5)

第一次执行 x 的 __next__ 方法时，函数执行到第一个 yield 处，打印了 a 返回了值 1，此时变量 a 并未获取到 yield 的返回值，a 为 None ，当执行 x.send(4) 时，a 才获取到值 4，程序运行到第二个 yield 处，后续过程也是一样。

利用这一特性，我们可以和被调用的函数通信，进而可以实现一个生产者消费者模型，代码如下：

import time
def consume():    r = ''    while True:        n = yield r        if not n:            return        print('[consumer] consuming %s...' % n)        time.sleep(1)        r = 'well received'
def produce(c):    next(c)    n = 0    while n < 5:        n = n + 1        print('[producer] producing %s...' % n)        r = c.send(n)        print('[producer] consumer return: %s' % r)    c.close()
if __name__=='__main__':    c = consume()    produce(c)

运行结果如下：

[producer] producing 1...[consumer] consuming 1...[producer] consumer return: well received[producer] producing 2...[consumer] consuming 2...[producer] consumer return: well received[producer] producing 3...[consumer] consuming 3...[producer] consumer return: well received[producer] producing 4...[consumer] consuming 4...[producer] consumer return: well received[producer] producing 5...[consumer] consuming 5...[producer] consumer return: well received

produce 和 consume 函数在一个线程内执行，通过调用 send 方法和yield 互相切换，实现协程的功能。

-END-

最后给大家分享《100本Python电子书》，包括Python编程技巧、数据分析、爬虫、Web开发、机器学习、深度学习。

现在免费分享出来，有需要的读者可以下载学习，在下面的公众号「程序员狮子」里回复关键字：Python，就行。

扫下方二维码添加我的私人微信，可以在我的朋友圈获取最新的Python学习资料，以及近期推文中的源码或者其他资源，另外不定期开放学习交流群，以及朋友圈福利（送书、红包、学习资源等）。

扫码查看我朋友圈

获取最新学习资源

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

“点赞”传统美德不能丢