Python中的yield到底是个什么鬼？

Python大数据分析

记录   分享   成长

相信你已经不止一次在函数中看到关键词，它起着什么作用？返回什么？和又有着什么区别呢？这篇文章将会揭开的神秘面纱，并给出最浅显易懂的例子。

关键字做了什么？

如果不太好理解，可以先把当作的同胞兄弟来看，他们都在函数中使用，并履行着返回某种结果的职责。

这两者的区别是：

有的函数直接返回所有结果，程序终止不再运行，并销毁局部变量；

而有的函数则返回一个可迭代的 generator（生成器）对象，你可以使用for循环或者调用next()方法遍历生成器对象来提取结果。

什么是生成器呢？在 Python 中，使用了的函数被称为生成器。有点套娃的感觉，但事实就是这样，调用一个函数，就会返回一个生成器对象。

在调用生成器函数的过程中，每次遇到 时函数会暂停并保存当前所有的运行信息（保留局部变量），返回的值, 并在下一次执行方法时从当前位置继续运行，直到生成器被全部遍历完。

先看一个简单的例子：

上面函数返回一个生成器，现在对该生成器进行遍历：

或者调用next()方法：

可以看到，simple_generator函数返回一个生成器，调用方法后，函数开始运行，遇到第一个关键字，返回生成的值（1），程序暂停；

第二次调用方法，代码从上次暂停的位置开始执行，并遇到了第二个关键字，再返回生成的值（2），程序暂停；

第三次调用也是如此，返回生成的值（3），生成器耗尽，程序终止；

到这里你可能就明白和的关系和区别了，带的函数是一个生成器，这个生成器有一个方法就是next，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，然后遇到后，return出要生成的数，此步就结束。

有个经典的例子就是使用yield生成斐波那契数列：

生成器有哪些作用？

如果想具体化数据的形式，通常会将数据存储在一个列表中。但这样做，列表的内容将占用有形内存。列表越大，占用的内存资源就越多。

但是，如果数据集有某种逻辑，就不必存储在一个列表中，只需编写一个生成器，它将在需要时生成这些值，基本不占用内存。