关于python:yield-关键字在-Python-中的用途是什么

要理解其 yield 作用，必须理解什么是 生成器。而且，理解生成器之前，必须理解 _iterables_。

可迭代：iterable

创立一个列表，天然是须要能一一浏览其中每个元素。逐个读取其项的过程被称为迭代：

>>> mylist = [1, 2, 3]
>>> for i in mylist:
...    print(i)
1
2
3 

mylist 是一个_可迭代的_。当您应用 列表推导式 时，即是创立了一个列表，因而也是可迭代的：

>>> mylist = [x*x for x in range(3)]
>>> for i in mylist:
...    print(i)
0
1
4 

所有能够应用 for... in... 的数据结构都是可迭代的；lists，strings，文件 …

这些可迭代的办法很不便，因为您能够随便读取它们，然而您将所有值都存储在内存中，当领有很多值时，这并不总是想要的。

生成器：generator

生成器也是一种迭代器，一种非凡的迭代，非凡在 只能迭代一次 。生成器不会将所有值存储在内存中，而是 即时生成值：

generator: 发电机, 发生器，发电机发电但不储能；）

>>> mygenerator = (x*x for x in range(3))
>>> for i in mygenerator:
...    print(i)
0
1
4 

只有应用 () 代替 []，便是列表推导式变成了 生成器推导式 。然而，因为生成器只能应用一次，因而您 无奈 执行 for i in mygenerator 第二次：生成器计算 0，而后将其抛弃，而后计算 1，最初一次计算 4。典型的黑瞎子掰苞米。

让出：yield

yield关键字与 return 的应用形式一样，不同之处在于该函数将返回 生成器。

>>> def createGenerator():
...    mylist = range(3)
...    for i in mylist:
...        yield i*i
...
>>> mygenerator = createGenerator() # 创立一个 generator
>>> print(mygenerator) # mygenerator 是个对象!
<generator object createGenerator at 0xb7555c34>
>>> for i in mygenerator:
...     print(i)
0
1
4 

这是一个无用的示例，然而当须要函数返回大量的值（只须要读取一次）时，它就很不便。

把握 yield，须要分明的一点是： 在调用函数时，在函数主体中编写的代码不会运行，该函数仅返回生成器对象，初学容易对这一点产生困惑。

其次要明确，代码将在每次 for 应用生成器时从中断处持续。

当初最艰难的局部是：

第一次 for 调用从您的函数创立的生成器对象时，它将从头开始运行函数中的代码，直到命中为止yield，而后它将返回循环的第一个值。而后，每个后续调用将运行您在函数中编写的循环的下一次迭代，并返回下一个值。这将始终继续到生成器被认为是空的为止，这在函数运行时没有命中时就会产生yield。那可能是因为循环曾经完结，或者是因为您不再满足"if/else"。

yield: 出产, 缴出, 让出, 屈从, 让路

用代码来阐明

生成器 generator：

# 创立返回生成器的办法
def _get_child_candidates(self, distance, min_dist, max_dist):
    # 应用生成器对象一次，上面代码就会被调用一次:
    # 如果还有左子对象节点，且间隔适合, 返回下一个子对象
    if self._leftchild and distance - max_dist < self._median:
        yield self._leftchild
    # 如果还有右子对象节点，且间隔适合, 返回下一个子对象
    if self._rightchild and distance + max_dist >= self._median:
        yield self._rightchild
    # 函数执行到这，被认为生成器空了
    # 这里不超过两个值了: 左和右子对象 

调用方 caller：

# 创立空的 list，和一个蕴含以后对象援用的列表
result, candidates = list(), [self]
# 循环 candidates (开始只有一个元素)
while candidates:
    # 取最初的 candidate 并从列表中移除
    node = candidates.pop()
    # 获取 obj 与 candidate 间的间隔
    distance = node._get_dist(obj)
    # 间隔适合则填入后果
    if distance <= max_dist and distance >= min_dist:
        result.extend(node._values)
    # 并把 candidate 的子元素退出列表
    # 循环直至锁定 candidate 全副子元素的子元素
    candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))
return result 

此代码蕴含几个智能局部：

• 对一个列表循环迭代，然而循环在迭代时列表会扩大:-)这是浏览所有这些嵌套数据的一种简洁办法，即便这样做有点危险，因为可能会遇到有限循环。在这种状况下，请 candidates.extend(node._get_child_candidates(distance, min_dist, max_dist)) 耗尽所有生成器的值，然而 while 持续创立新的生成器对象，因为它们未利用于同一节点，因而将产生与先前值不同的值。
• 该 extend() 办法是冀望可迭代并将其值增加到列表的列表对象办法。

通常咱们将一个列表传递给它：

>>> a = [1, 2]
>>> b = [3, 4]
>>> a.extend(b)
>>> print(a)
[1, 2, 3, 4] 

然而在下面的代码中，失去了一个生成器，这更好，因为：

1. 不须要两次读取值。
2. 可能有很多子元素，并且不心愿所有子元素都存储在内存中。

这样做之所以无效，是因为 Python 不在乎办法的参数是否为列表。Python 冀望的是可迭代对象，因而它能够与字符串，列表，元组和生成器一起应用！这就是所谓的鸭子输出，这是 Python 如此酷的起因之一。但这是另一个故事了……

管制生产器耗尽

>>> class Bank(): # 搞个银行, 弄点 ATM 提款机
...    crisis = False
...    def create_atm(self):
...        while not self.crisis:
...            yield "$100"
>>> hsbc = Bank() # 顺利的话你要多少 ATM 给你多少
>>> corner_street_atm = hsbc.create_atm()
>>> print(corner_street_atm.next())
$100
>>> print(corner_street_atm.next())
$100
>>> print([corner_street_atm.next() for cash in range(5)])
['$100', '$100', '$100', '$100', '$100']
>>> hsbc.crisis = True # 危机来了，不行了，没钱了!
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # 新的 ATM 也一样
>>> print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # 危机过后 ATM 里也没钱
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # 搞个新的做新生
>>> for cash in brand_new_atm:
...    print cash
$100
$100
$100
$100
$100
$100
$100
$100
$100
... 

留神：对于 Python 3，请应用 print(corner_street_atm.__next__()) 或print(next(corner_street_atm))

对于诸如管制对资源的拜访之类的各种事件，这可能很有用。

Itertools，您最好的敌人

itertools 模块蕴含用于操纵可迭代对象的非凡性能。是否曾想复制发电机？连锁两个发电机？用一个班轮将值嵌套在嵌套列表中？Map / Zip没有创立另一个列表？

而后就import itertools。

一个例子？让咱们看一下四马较量的可能达到程序：

>>> horses = [1, 2, 3, 4]
>>> races = itertools.permutations(horses)
>>> print(races)
<itertools.permutations object at 0xb754f1dc>
>>> print(list(itertools.permutations(horses)))
[(1, 2, 3, 4),
 (1, 2, 4, 3),
 (1, 3, 2, 4),
 (1, 3, 4, 2),
 (1, 4, 2, 3),
 (1, 4, 3, 2),
 (2, 1, 3, 4),
 (2, 1, 4, 3),
 (2, 3, 1, 4),
 (2, 3, 4, 1),
 (2, 4, 1, 3),
 (2, 4, 3, 1),
 (3, 1, 2, 4),
 (3, 1, 4, 2),
 (3, 2, 1, 4),
 (3, 2, 4, 1),
 (3, 4, 1, 2),
 (3, 4, 2, 1),
 (4, 1, 2, 3),
 (4, 1, 3, 2),
 (4, 2, 1, 3),
 (4, 2, 3, 1),
 (4, 3, 1, 2),
 (4, 3, 2, 1)] 

理解迭代的外部机制

迭代是一个隐含可迭代对象（实现 __iter__() 办法）和迭代器（实现 __next__() 办法）的过程。可迭代对象是能够从中获取迭代器的任何对象。迭代器是使您能够迭代可迭代对象的对象。