python 中的yield

最新推荐文章于 2026-01-01 15:45:23 发布

转载最新推荐文章于 2026-01-01 15:45:23 发布 · 401 阅读

文章标签：

#python

python 专栏收录该内容

1 篇文章

订阅专栏

本文详细解析了Python中yield关键字的使用方法及其背后的原理，并通过具体示例帮助读者更好地掌握生成器（generators）的概念。

记录今天看到的一篇关于yield的文章，文章讲的很透彻，链接如下 http://www.oschina.net/translate/improve-your-python-yield-and-generators-explained

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

hellohello127

关注关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

通过实例简单了解Python中yield的作用

09-18

在Python编程语言中，`yield`关键字是一个非常特殊的功能，它在函数中使用时将该函数转换为一个生成器（generator）。生成器是一种特殊的迭代器，它可以动态地生成值，而不是一次性生成所有值。理解`yield`的作用...

浅析Python中yield关键词的作用与用法

12-24

为了理解yield是什么，首先要明白生成器(generator)是什么，在讲生成器之前先说说迭代器(iterator)，当创建一个列表(list)时，你可以逐个的读取每一项，这就叫做迭代（iteration）。 >>> mylist = [1, 2, 3] >>> ...

参与评论您还未登录，请先登录后发表或查看评论

简单的理解：yield的表达式形式

汉堡请不要欺负面条

08-28

2054

一.说明 yield 关键字用来暂停和继续执行一个生成器函数。 (1).yield的功能：　　1. 与return类似，都可以返回值，不一样在于，yield可以返回多个值而且可暂停，再次执行可继续下一步操作，return到了就停止不在继续运行。　　2.为封装好的的函数能够使用__iter__和__next__方法，　　3.遵循迭代器的取值方式 .__next__(),触发函数的执行和函数...

python中yield的用法详解——最简单，最清晰的解释

热门推荐

mieleizhi0522的博客

04-02

99万+

首先我要吐槽一下，看程序的过程中遇见了yield这个关键字，然后百度的时候，发现没有一个能简单的让我懂的，讲起来真TM的都是头头是道，什么参数，什么传递的，还口口声声说自己的教程是最简单的，最浅显易懂的，我就想问没有有考虑过读者的感受。接下来是正题：首先，如果你还没有对yield有个初步分认识，那么你先把yield看做“return”，这个是直观的，它首先是个return，普通的retur...

Python中 yield的作用

二分掌柜的

11-06

660

flyfish

python中yield关键字学习

qq_64125090的博客

07-07

1075

Python生成器的核心优势与实践应用摘要：Python中的yield关键字用于创建生成器函数，其核心特性是通过惰性求值实现高效内存管理。

「详解」Python中yield的用法

绿色羽毛

09-15

1395

文章摘要： yield关键字用于创建生成器函数，这种函数不会一次性执行完毕，而是可以暂停和恢复执行。生成器通过yield返回一个值并暂停，下次调用时从上一次暂停处继续执行。与普通函数不同，生成器保存了函数状态，实现了惰性计算。yield from语法可以简化生成器嵌套。生成器典型应用包括：处理大文件流(逐行读取避免内存不足)、生成无限序列、构建数据处理管道等。生成器还支持双向通信，通过.send()方法可以传递值给生成器。

【Python系列】Python 中 yield 关键字

优快云站内信: https://i.youkuaiyun.com/#/msg/chat/qyj19920704

06-13

1736

传统函数在返回结果后会释放所有资源并忘记之前的执行状态，而生成器函数则能够记住它的状态，在需要时继续产生下一个值。：普通函数从开始执行到 return 语句后立即退出，而生成器函数在遇到 yield 时会暂停执行，保存所有局部变量状态，等待下一次调用。调用生成器函数时，不会立即执行函数体，而是返回一个生成器对象。：普通函数返回一个具体的值或对象，生成器函数返回一个生成器对象，这个对象遵循迭代器协议。函数或在 for 循环中迭代时，生成器函数会从上次暂停的位置继续执行，直到遇到下一个。异常，表示迭代结束。

深入理解python中yield

AI知识搬运工

04-17

1228

在 Python 中，yield关键字用于定义，它与普通函数在调用和执行流程上有根本区别。生成器函数在调用时并不立即执行函数体，而是返回一个；每次通过调用该对象的__next__()（或next()）方法触发执行，函数在遇到yield时“暂停”，将yield后的值返回给调用方，并（包括局部变量和指令指针），以便下一次恢复时从暂停处继续执行。这种按需生成数据的方式，实现了的迭代机制，并可配合.send().throw().close()

Python中yield和yield from

weixin_61426225的博客

08-04

411

本文介绍了Python中yield和yield from的用法。yield用于创建生成器函数，实现暂停执行和返回值的功能，适用于惰性求值和大数据集处理。yield from则是yield的扩展语法，用于简化生成器的嵌套调用，可直接从其他可迭代对象或生成器中返回值。通过示例代码演示了二者的基本使用场景和区别，展示了如何利用这些特性实现更高效的迭代操作。

python中yield的使用

yiluoseraph的技术博客

02-26

1231

yield 生成器

python中yield的作用_python中yield用法

weixin_35654499的博客

01-29

804

在介绍yield前有必要先说明下Python中的迭代器(iterator)和生成器(constructor)。一、迭代器(iterator)在Python中，for循环可以用于Python中的任何类型，包括列表、元祖等等，实际上，for循环可用于任何“可迭代对象”，这其实就是迭代器迭代器是一个实现了迭代器协议的对象，Python中的迭代器协议就是有next方法的对象会前进到下一结果，而在一系列结果...

Python中Yield的基本用法

12-16

Python中的`yield`关键字是用来创建生成器（generator）的关键，生成器是一种特殊的迭代器，它在执行过程中可以记住上次离开的状态，以便下次迭代时能够接着上次的状态继续执行。这种特性使得生成器在处理大量数据...

python中yield的用法详解1

08-03

在Python编程语言中，`yield`关键字是一种特殊的功能，它被用于创建生成器（generator）。生成器是一种特殊的迭代器，可以动态地生成值，而无需一次性加载所有数据。这种特性在处理大量数据或无限序列时非常有用，...

GitHub 热榜项目 - 日榜(2026-1-1)

CoderJia的学习之路

01-01

511

本期GitHub热榜显示AI应用开发正全面渗透各技术领域，前沿项目聚焦于解决实际工程问题。Gemini的电脑使用预览和Timescale的pg-aiguide展示了AI与开发工具深度整合，通过MCP服务器提升代码生成质量。Pathway框架和docetl系统凸显流式ETL与LLM管道技术成熟，推动实时数据分析与RAG应用落地。同时，来自ResembleAI的Chatterbox和TrendRadar分别代表语音合成与智能信息聚合的技术突破，Deep-Live-Cam则体现单图视频生成技术的平民化趋势。这些项

Python 抽象属性 (@property + @abstractmethod) 详解

nvd11的专栏

12-28

309

本文介绍了在Python中使用@property和@abstractmethod组合定义抽象属性的方法。这种模式能够强制子类提供一个只读的数据接口，同时保持实现的灵活性。子类既可以用简单的类属性赋值实现，也可以通过@property方法动态计算属性值。这种设计使接口语义更清晰（表示特征而非动作），调用方式统一（都通过obj.field访问），并兼顾了简单静态配置和复杂动态逻辑两种实现需求。示例展示了静态配置和动态计算两种实现方式，体现了Python在抽象属性设计上的优势。

自编算法题：pack的最大容量（Hard）

HP_C2H2的博客

12-29

328

每块电池有两个参数，额定电压v和标称容量c。使用多个电池串联可以形成module，提高整体的电压；使用多个电池并联也可以形成module，提高整体的容量。多个串联形式的module可以组成pack，多个并联形式的module也可以组成pack，但是串联形式和并联形式的module不能组成pack。 module（pack）的电压和容量计算方式是： 1. 串联n个电池（module）电压为vi，容量为ci，总容量等于最小的一个ci，总电压等于所有vi之和。……

Vins-Fusion之 ROS2 Humble（二）

最新发布

qq_33263769的博客

01-01

131

此命令会强制 pip 仅从预编译的 .whl 文件安装所有依赖，‌完全绕过 ruamel.yaml.clibz 的源码编译‌，安装速度极快且稳定。环境配置：Ubuntu 22.04 (运行内存 4G、硬盘内存 500G) 、ROS2 humble 、ceres-solver 2.1。主要是参考这篇博客，但是在安装配置的过程中出现的问题进行修改，最终完美的运行Vins-Fusion。问题一安装rosbags，出现下面问题。

常见实用的 NumPy 函数及其用法与注意点

Tipriest的博客

12-29

712

NumPy是Python科学计算的核心库，提供高效的多维数组对象ndarray及丰富的运算函数。本文介绍了NumPy常用操作，包括数组创建（np.array、np.zeros等）、形状变换（reshape、transpose等）、拼接拆分（stack、concatenate系列）、索引筛选（切片、布尔索引等）以及统计运算。重点讲解了stack与concatenate的区别：stack会新增维度，而concatenate在现有维度上扩展。NumPy通过C/Fortran底层实现，运算速度远超纯Python，是

python 中yield

05-11

<think>嗯，用户想了解Python中yield的用法和生成器的相关知识。首先，我需要回顾一下生成器的基本概念。生成器是一种特殊的迭代器，可以通过函数来创建，而yield关键字就是用来定义生成器的关键。用户可能已经知道普通的函数使用return返回值，但yield的不同之处在于它会暂停函数执行并保留状态，下次调用时继续执行。接下来，我需要解释yield的工作流程。例如，当函数执行到yield语句时，会返回一个值，但不会退出函数，而是保持当前状态。下次调用next()时，函数从yield之后继续执行。这点可能需要用例子来说明，比如斐波那契数列的生成器，这样用户能更直观地理解。然后，生成器的优势是什么？内存效率高，因为不需要一次性生成所有数据，而是按需生成。这在处理大数据时特别有用。比如，当用户需要处理一个很大的文件或者数据集时，生成器可以逐个产生数据，而不是全部加载到内存中。这可以引用用户提供的引用内容中的例子，比如sum(firstn(1000000))，说明生成器如何提升性能。另外，用户可能想知道生成器的应用场景。比如流式处理、惰性计算、协程等。这些场景需要展开说明，让用户了解实际使用中的情况。比如，使用生成器处理日志文件，逐行读取处理，而不是一次性读入内存。用户提供的引用中有提到生成器和迭代器的区别，可能需要对比说明。生成器是迭代器的一种，但更简洁，不需要实现__iter__和__next__方法，只需使用yield即可。引用中的斐波那契例子可以再次使用，展示生成器的简洁性。还要注意yield的常见误区，比如函数中使用yield后，函数就变成了生成器函数，调用时返回生成器对象，而不是直接执行。这点需要强调，避免用户误解。同时，生成器只能遍历一次，之后需要重新创建，这也是需要注意的地方。用户的问题可能涉及如何创建生成器，除了函数中使用yield，还可以用生成器表达式。比如(i for i in range(10))，和列表推导式类似，但使用圆括号。这点可能需要补充说明，以全面回答用户的问题。最后，结合用户提供的引用内容，引用相关的部分来支持解释，比如引用[3]提到的yield类似return，但函数不会释放状态，这点需要强调。同时，引用[2]中的例子可以说明生成器在性能上的优势，比如处理大量数据时节省内存。总结来说，回答的结构应该包括：生成器的定义、yield的工作机制、生成器的优势、应用场景、与迭代器的对比、创建方式以及注意事项。通过例子和引用中的内容来增强解释的可信度，并确保语言通俗易懂，帮助用户逐步理解。</think>### Python yield 用法及生成器详解 #### 一、生成器的核心概念生成器是一种特殊的迭代器，通过函数中的`yield`关键字实现。与普通函数使用`return`不同，`yield`会**暂停函数执行并保留当前状态**，下次调用时从暂停处继续执行[^3]。 #### 二、yield 的工作机制 1. **执行流程** - 当函数执行到`yield`时，返回右侧表达式的值 - 函数状态（变量值、执行位置）被冻结 - 下次调用`next()`时，从`yield`下一行继续执行 ```python def count_down(n): while n > 0: yield n n -= 1 gen = count_down(3) print(next(gen)) # 输出 3 print(next(gen)) # 输出 2 ``` 2. **状态保持特性** 生成器函数中的局部变量在多次调用中会保持状态，而普通函数每次调用都会重新初始化变量[^3]。 #### 三、生成器的核心优势 1. **内存效率** 按需生成数据，避免一次性加载所有数据到内存。例如处理百万级数据： ```python def large_dataset(): for i in range(1_000_000): yield i * 2 ``` 此生成器仅需几十字节内存，而列表需要约8MB[^2]。 2. **惰性计算特性** 数据只有在被请求时才会生成，适合处理： - 无限序列（如斐波那契数列） - 流式数据（如日志文件实时处理） - 大数据集分块处理 #### 四、典型应用场景 1. **高效迭代器实现** ```python def fibonacci(): a, b = 0, 1 while True: yield a a, b = b, a + b fib = fibonacci() print([next(fib) for _ in range(10)]) # 输出前10项 ``` 2. **协程实现基础** `yield`可实现双向通信，是协程编程的基础： ```python def coroutine(): while True: received = yield print(f"Received: {received}") c = coroutine() next(c) # 启动协程 c.send("Hello") # 输出 Received: Hello ``` #### 五、生成器进阶用法 1. **表达式形式** 使用圆括号创建生成器表达式： ```python squares = (x*x for x in range(10)) sum(squares) # 返回 285 ``` 2. **数据管道构建** 多生成器串联实现复杂处理流程： ```python def read_lines(file): with open(file) as f: for line in f: yield line.strip() def filter_comments(lines): for line in lines: if not line.startswith('#'): yield line pipeline = filter_comments(read_lines('config.ini')) ``` #### 六、注意事项 1. **一次性特性** 生成器遍历完成后需要重新创建： ```python gen = (x for x in range(3)) list(gen) # [0,1,2] list(gen) # [] ``` 2. **异常处理** 使用`generator.close()`或`generator.throw()`管理生成器生命周期。