Python yield 使用浅析

本文详细解析了Python中的yield关键字,通过斐波那契数列的例子展示了yield如何将函数转换为生成器,实现内存优化和迭代能力。讨论了return在生成器函数中的作用,并给出另一个yield在文件读取中的应用案例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


如何生成斐波那契數列

斐波那契(Fibonacci)數列是一个非常简单的递归数列,除第一个和第二个数外,任意一个数都可由前两个数相加得到。用计算机程序输出斐波那契數列的前 N 个数是一个非常简单的问题,许多初学者都可以轻易写出如下函数:

清单 1. 简单输出斐波那契數列前 N 个数
 def fab(max): 
    n, a, b = 0, 0, 1 
    while n < max: 
        print b 
        a, b = b, a + b 
        n = n + 1

执行 fab(5),我们可以得到如下输出:

 >>> fab(5) 
 1 
 1 
 2 
 3 
 5

结果没有问题,但有经验的开发者会指出,直接在 fab 函数中用 print 打印数字会导致该函数可复用性较差,因为 fab 函数返回 None,其他函数无法获得该函数生成的数列。

要提高 fab 函数的可复用性,最好不要直接打印出数列,而是返回一个 List。以下是 fab 函数改写后的第二个版本:

清单 2. 输出斐波那契數列前 N 个数第二版
 def fab(max): 
    n, a, b = 0, 0, 1 
    L = [] 
    while n < max: 
        L.append(b) 
        a, b = b, a + b 
        n = n + 1 
    return L

可以使用如下方式打印出 fab 函数返回的 List:

<think>嗯,用户想了解Python中的yield关键字及其用法和工作原理。我需要根据提供的引用资料来整理回答。首先,yield在函数中使用,可以将函数变成生成器。生成器每次调用时执行到yield返回数据,下次继续从yield之后执行。根据引用2,yield相当于一个return,但函数会记住状态,下次从yield后面继续执行。比如在truncation函数中,每次yield返回列表的一部分,每次调用next时继续循环。这应该说明生成器的执行流程。引用3提到yield将函数变为迭代器,每次迭代返回数据,下次接着执行。可能需要用例子说明,比如生成斐波那契数列,或者全排列,如引用4中的例子。全排列生成器用递归和yield来逐步产生结果,这样更节省内存。引用5说明yield的工作流程,函数暂停,下次继续执行。比如在getSeq函数中,每次返回index后暂停,下次继续循环。这可能要结合代码示例解释。 用户可能需要了解基本用法、执行流程、与return的区别、应用场景。需要分点回答,结构清晰。例如,先解释生成器概念,再说明yield如何工作,然后对比普通函数,最后给出应用场景和例子。 要注意引用中的例子,比如引用2中的truncation函数,每次yield返回列表的一部分,说明生成器如何分段处理数据,节省内存。引用4的全排列例子展示递归中使用yield,生成大量结果而不占用过多内存。另外,用户可能想知道为什么使用yield而不是返回列表,应该提到内存效率和惰性计算的优点。比如处理大数据时,生成器逐个产生结果,避免一次性加载所有数据到内存。可能还需要提到生成器的两种创建方式:函数带yield,或者生成器表达式。但用户问题可能更关注函数中的yield。需要确保回答覆盖yield的基本机制、执行过程、优势,以及实际应用例子。可能最后生成相关问题,比如yield和return的区别,生成器的应用场景,如何实现协程等。</think>### Pythonyield关键字的用法与工作原理 #### 1. **基本概念** `yield`是Python中用于定义生成器(Generator)的关键字。当一个函数包含`yield`语句时,该函数会变成一个生成器,**每次调用时返回一个值并暂停执行**,下次调用时从暂停位置继续执行[^2][^3]。 --- #### 2. **执行流程** - **初始化**:调用生成器函数时,返回一个生成器对象,但函数内部代码**不会立即执行**。 - **首次触发**:通过`next()`或`for`循环触发时,函数从开头执行到第一个`yield`语句,返回数据并暂停。 - **后续触发**:再次调用`next()`时,函数从上次暂停的`yield`之后继续执行,直到遇到下一个`yield`[^2][^5]。 **示例代码**: ```python def simple_generator(): yield "第一次暂停" yield "第二次暂停" gen = simple_generator() print(next(gen)) # 输出:第一次暂停 print(next(gen)) # 输出:第二次暂停 ``` --- #### 3. **与普通函数的区别** | 特性 | 普通函数 | 生成器函数 | |--------------------|----------------------------|------------------------------| | 返回值 | 通过`return`返回单一结果 | 通过`yield`多次返回值 | | 状态保留 | 每次调用重新初始化 | 保留上次执行状态 | | 内存占用 | 一次性处理所有数据 | 惰性计算,按需生成数据 | --- #### 4. **核心应用场景** 1. **处理大型数据集** 生成器逐项生成数据,避免一次性加载到内存。例如读取大文件: ```python def read_large_file(file_path): with open(file_path, 'r') as f: for line in f: yield line.strip() ``` 2. **无限序列生成** 如斐波那契数列: ```python def fibonacci(): a, b = 0, 1 while True: yield a a, b = b, a + b ``` 3. **协程与异步编程** `yield`可用于实现简单的协程调度[^5]。 --- #### 5. **进阶用法示例** - **递归生成器**:生成全排列(引用[^4]): ```python def perm(items, n=None): if n is None: n = len(items) for i in range(len(items)): v = items[i:i+1] if n == 1: yield v else: rest = items[:i] + items[i+1:] for p in perm(rest, n-1): yield v + p ``` - **状态管理**:分段处理数据(引用[^2]): ```python def truncation(): trunc_list = list(range(100)) for i in range(len(trunc_list)//5): yield trunc_list[i*5 : (i+1)*5] ``` --- #### 6. **注意事项** - 生成器**只能遍历一次**,遍历结束后需重新创建。 - 可通过`send()`方法向生成器发送数据,实现双向通信[^5]。 - 使用`yield from`可简化嵌套生成器的调用。 ---
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值