Python 全栈：理解三大器练习

• 201 直观理解 yield
• 202 yield与生成器
• 203 yield 和 send函数
• 204 yield 使用案例之嵌套 list 的完全展开
• 205 yield 使用案例之列表分组
• 206 可迭代协议之 *iter* 方法使用案例
• 207 迭代器相关方法之 next 函数使用
• 208 定制一个递减迭代器案例
• 209 Python 生成枚举对象的方法
• 210 列表和迭代器区别
• 211 节省内存的案例
• 212 拼接迭代器
• 213 累积迭代器
• 214 漏斗迭代器
• 215 drop 迭代器
• 216 take 迭代器
• 217 克隆迭代器
• 218 复制元素
• 219 笛卡尔积
• 220 加强版zip
• 221 自定义装饰器之call_print
• 222 装饰器本质
• 223 wraps 装饰器
• 224 统计程序异常出现次数的迭代器
• 225 实现一个按照 2*i+1 自增的迭代器

201 直观理解 yield

要想通俗理解 yield，可结合普通函数的返回值关键字 return，yield便是一种特殊的return.

说是特殊的 return，是因为执行遇到 yield 时，立即返回，这是与 return 的相似之处。

不同之处在于：下次进入函数时直接到 yield 的下一个语句，而 return 后再进入函数，还是从函数体的第一行代码开始执行。

带 yield 的函数是生成器，通常与 next函数 结合用。下次进入函数，意思是使用 next函数 进入到函数体内。

举个例子说明 yield 的基本用法。

下面是被熟知的普通函数 f, f() 就会立即执行函数：

In [1]: def f():
   ...:     print('enter f...')
   ...:     return 'hello'

In [2]: ret = f()
enter g...

In [3]: ret
Out[3]: 'hello'

但是，注意观察下面新定义的函数 f，因为带有 yield，所以是生成器函数 f

def f():
    print('enter f...')
    yield 4
    print('i am next sentence of yield')

执行 f，并未打印任何信息：

g = f()

只得到一个生成器对象 g

再执行 next(g) 时，输出下面信息：

In [18]: next(g)
enter f...
Out[18]: 4

再执行 next(g) 时，输出下面信息：

In [23]: next(g)
i am next sentence of yield
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
 in 
----> 1 next(g)

StopIteration:

输出信息 i am next sentence of yield, 表明它直接进入yield的下一句。

同时，抛出一个异常：StopIteration，意思是已经迭代结束。

202 yield与生成器

函数带有 yield，就是一个生成器，英文 generator，它的重要优点：节省内存。

可能有些读者不理解怎么做到节省内存的？下面看一个例子。

首先定义一个函数 myrange:

def myrange(stop):
    start = 0
    while start < stop:
        yield start
        start += 1

使用生成器 myrange:

for i in myrange(10):
    print(i)

返回结果：

0
1
2
3
4
5
6
7
8
9

整个过程空间复杂度都是 O(1)，这得益于 yield 关键字，遇到就返回且再进入执行下一句的机制。

以上完整过程，动画演示如下：