Python3中 yield 关键字用法

本文介绍了Python中生成器的概念及yield关键字的作用。通过实例演示了如何定义生成器函数,并展示了如何通过for循环来遍历生成器产生的序列。

今天在看Python书籍的时候,有段代码中用到了 yield 关键字,不知道作什么用,不甚理解。查了些资料,觉得 yield 挺好用的,给大家分享下:

 

在Python3中任何使用到 yield 的函数称为生成器,如:

def count(n):
    while n > 0:
        yield n  # 生成值: n
        n -= 1

另外一种说法:生成器就是一个返回迭代器的函数,与普通函数的区别是生成器包含yield语句,更简单点理解生成器就是一个迭代器。

使用yield,可以让函数生成一个序列,该函数返回的对象类型是"generator",通过该对象连续调用__next__()方法返回序列值。

def count(n):
    while n > 0:
        yield n  # 生成值: n
        n -= 1


c = count(5) 
print(c.__next__())  # 输出:5
print(c.__next__())  # 输出:4

生成器函数只有在调用__next()__方法的时候才开始执行函数里面的语句,比如:增加打印输出

def count(n):
    print("bgn...")
    while n > 0:
        yield n  # 生成值: n
        n -= 1

在调用count函数时:c=count(5),并不会打印"bgn..."。只有等到调用c.__next__()时才真正执行里面的语句。每次调用__next__()方法时,count函数会运行到语句yield n处为止,__next__()的返回值就是生成值n,再次调用__next__()方法时,函数继续执行yield之后的语句。

从上面输出可以看出,调用了2次 c.__next__,“bgn...”只输出一次,“end...”没有输出。“end...”只有在迭代器的值都迭代完成才会输出。如果一直调用__next__方法,当执行到没有可迭代的值后,程序就会报错:

Traceback (most recent call last):

所以一般不会手动的调用__next__方法,而使用for循环,完整代码如下:

def count(n):
    print("bgn...")
    while n > 0:
        yield n  # 生成值: n
        n -= 1
    print("end...")


for i in count(5):
    print(i)

输出如下:

 

转载于:https://www.cnblogs.com/coco2015/p/11203183.html

<think>Pythonyield关键字用于定义生成器函数。生成器函数在调用时返回一个生成器对象,该对象可以迭代以获取序列值。每次迭代时,生成器函数执行到yield语句处暂停,返回yield后的值,并在下次迭代时从暂停处继续执行。yield不仅可以从生成器函数返回值,还可以接收外部通过send()方法传入的值。</think> ### Python中的 `yield`关键字详解`yield`是Python的核心关键字,用于创建**生成器函数**。它使函数变为可暂停和恢复的状态机,在每次调用时产出值并保留执行上下文,是处理大数据流、惰性计算和协程的基石。 #### 基本工作原理 ```python def simple_counter(n): print("生成器启动") count = 0 while count < n: print(f"即将产出值 {count}") yield count # 在此暂停并返回值 count += 1 print(f"恢复执行,count={count}") # 创建生成器对象 gen = simple_counter(3) print("首次调用:", next(gen)) # 输出: 0 print("第二次调用:", next(gen)) # 输出: 1 print("第三次调用:", next(gen)) # 输出: 2 ``` 执行过程说明: 1. **首次调用 `next()`**: - 执行到 `yield count` 暂停 - 返回当前 `count(0)`,输出: ``` 生成器启动 即将产出值 0 首次调用: 0 ``` 2. **第二次调用 `next()`**: - 从 `yield` 后恢复执行 - 执行 `count += 1`,输出: ``` 恢复执行,count=1 即将产出值 1 第二次调用: 1 ``` 3. **后续调用**:类似步骤2,直至达到循环结束条件 #### 双向通信:`yield` 作为表达式 `yield` 不仅能产出值,还能**接收外部输入值**: ```python def interactive_adder(): total = 0 while True: # yield右侧返回值,左侧接收外部传入的值 value = yield total print(f"接收到值: {value}") if value is None: break total += value adder = interactive_adder() next(adder) # 启动生成器 print("当前总和:", adder.send(5)) # 输出: 5 print("当前总和:", adder.send(3)) # 输出: 8 print("当前总和:", adder.send(None)) # 结束生成器 ``` #### 高级应用场景 1. **无限序列生成** ```python def fibonacci(): a, b = 0, 1 while True: yield a a, b = b, a + b fib = fibonacci() print([next(fib) for _ in range(5)]) # [0, 1, 1, 2, 3] ``` 2. **内存高效的文件处理** ```python def read_large_file(filename): with open(filename, &#39;r&#39;) as file: for line in file: processed = line.strip().upper() yield processed # 逐行处理,避免内存溢出 # 处理10GB文件只需几十KB内存 for line in read_large_file(&#39;huge_log.txt&#39;): if &#39;ERROR&#39; in line: print(line) ``` 3. **状态机实现** ```python def traffic_light(): states = [&#39;RED&#39;, &#39;YELLOW&#39;, &#39;GREEN&#39;] index = 0 while True: signal = yield states[index] if signal == "NEXT": index = (index + 1) % len(states) light = traffic_light() next(light) # 初始化 print(light.send(None)) # RED print(light.send("NEXT")) # YELLOW print(light.send("NEXT")) # GREEN ``` #### 性能对比:生成器 vs 普通函数 ```python import sys # 普通函数:返回所有结果 def get_range(n): return list(range(n)) # 生成器函数:按需产出 def yield_range(n): i = 0 while i < n: yield i i += 1 n = 1000000 print("普通列表内存:", sys.getsizeof(get_range(n))) # 约90000KB print("生成器内存:", sys.getsizeof(yield_range(n))) # 128B(固定) ``` #### 核心特性总结 1. **惰性求值**:仅在需要时计算值 2. **状态保持**:局部变量在执行暂停间保持不变 3. **内存效率**:O(1)内存复杂度处理无限序列 4. **双向通信**:通过`send()`实现生成器与调用方交互 5. **异常处理**:支持`generator.throw()`注入异常
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