Python yield语法 使用实战详解

本文深入解析Python生成器的概念及其使用方法,并通过实例展示了如何利用生成器处理大规模数据和资源限制情况,同时结合OpenStack中实际应用场景,提供一个具体编程示例,帮助开发者更好地理解和实践生成器的应用。

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

感谢朋友支持本博客,欢迎共同探讨交流,由于能力和时间有限,错误之处在所难免,欢迎指正!

如有转载,请保留源作者博客信息。

Better Me的博客blog.youkuaiyun.com/tantexian

如需交流,欢迎大家博客留言。


# 例一开始: ---------------------------------------------------------------------------------------------------------------------
def test_yield1():
     print 'I am make test_yield1 function as a iterator...'
     yield

#直接调用test_yield1()
test_yield1()
#没有输出结果,原因是执行test_yield1()函数只是构造了一个迭代器,
# 相当于只写了个for循环,没有写for循环的代码逻辑
# 迭代方法1:
for i in test_yield1():
    pass
#发现有输出了,这是因为test_yield1函数中有yield字段,因此test_yield1函数变成了一个
# 可迭代的生成器constructor,所以用迭代的方法能使之输出结果。
# 迭代方法2:
it = test_yield1()
it.next()
迭代方法1、迭代方法2的执行结果都一样:

#但是使用下面方式则会报错
it = test_yield1()
it.next()
it.next()
#报错StopIteration,这是因此yield只构造了一次迭代对象,所以执行第二次时候,已经没有可迭代的元素了,所以报错
# 例一结束:---------------------------------------------------------------------------------------------------------------------
# 例二开始:---------------------------------------------------------------------------------------------------------------------
#接上面例一,制造一个二次迭代的函数对象:
def test_yield2():
    print 'I am test_yield2 and execute once yiled...'
    yield
    print 'I am test_yield2 and execute twice yiled...'
    yield
#直接执行一样没有输出
test_yield2()
# 迭代方法1:
for i in test_yield2():
    pass
# 迭代方法2:
t = test_yield2()
t.next()
t.next()

迭代方法1、迭代方法2的执行结果都一样:

# 例二结束:---------------------------------------------------------------------------------------------------------------------

从上述例一、例二可以知道,函数中若有yield则该函数会被特地编译成生成器、函数就是一个可以供迭代使用的对象。

下面来看一个openstack中使用的实例编程的例子:

初看不是很好理解,接下来,模拟一个demo:
#coding=utf-8
# 例三开始:---------------------------------------------------------------------------------------------------------------------
def test_yield3(num_list):
    for num in num_list:
        if num%2 == 0:
            yield num

num_list = [1,2,3,4,5,6]
t = test_yield3(num_list)

print t

for i in t:
    print i

结果:
# 例三结束:---------------------------------------------------------------------------------------------------------------------

例三通过yield语法,返回了一个只包含偶数的可迭代生成器对象。因此关于openstack中的例子也很容易理解,
就是将self._filter_one(obj, filter_properties)值为true的obj加入到迭代对象中。这样就完成了对hosts的过滤。

### Python 中 `yield` 语法详解使用场景 #### 什么是 `yield` `yield` 是 Python 中的关键字之一,用于定义生成器函数(Generator Function)。与普通的返回值不同的是,`yield` 不会终止整个函数的执行流程,而是在每次调用时暂停并记住当前的状态,直到下一次被重新激活继续执行。这种机制非常适合于按需生成大量数据的情况,因为它不需要一次性加载所有的数据到内存中[^4]。 #### 基础用法 最简单的形式如下所示: ```python def simple_generator(): yield 1 yield 2 yield 3 gen = simple_generator() print(next(gen)) # 输出 1 print(next(gen)) # 输出 2 print(next(gen)) # 输出 3 ``` 在这个例子当中,每当调用了内置函数 `next()` 后,生成器便会恢复其最后停止的位置,并继续向下执行直至遇到下一个 `yield` 或者抛出 StopIteration 异常为止。 #### 复杂应用实例——树形结构遍历 考虑这样一个需求:给定一棵嵌套列表表示的二叉树或其他任意形状的树状图谱,我们希望找到其中所有叶子节点组成的集合。此时就可以利用递归配合 `yield` 来简化我们的代码逻辑: ```python def traverse_tree(tree): for node in tree: if isinstance(node, list) or isinstance(node, tuple): yield from traverse_tree(node) else: yield node tree_structure = [[[[1], [2]], [[[3]]]], []] for leaf in traverse_tree(tree_structure): print(leaf) # 结果依次打印 1, 2, 3 ``` 这里引入了 PEP 380 提议的新特性 `yield from`, 它允许我们将子生成器的结果直接传递给父级调用方,从而进一步减少了冗余代码量[^2]. #### 性能优势与其他注意事项 相比传统方法构建完整的序列再逐一访问而言,采用基于生成器的方式能够显著降低内存占用率,尤其适用于处理超大规模数据集的情形之下。然而值得注意的一点在于,由于生成器本身不具备随机存取的能力,因此对于那些频繁涉及索引操作的应用场合来说可能并不适用[^5]. --- ###
评论
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