python中yield语句的作用,yield函数怎么用python

　　目录1。背景2。如何生成斐波那契数列1的列表？只需输出斐波那契数列2的前n个数的列表。输出斐波那契数列2的前n个数的列表。通过iterable objects 4迭代列表。第三版本列表5。使用yield的第四个版本。7.清单8。类的定义和清单9。产量的另一个例子。3.下一站的位置。

　　1.背景你可能听说过一个带yield的函数在Python中被称为生成器。什么是发电机？

　　让我们抛开生成器，用一个常见的编程话题来展示yield的概念。

　　2.如何生成斐波那契数列？斐波那契数列是一个非常简单的递归数列，除了第一个和第二个数以外的任何数都可以通过前两个数相加得到。用计算机程序输出斐波那契数列的前N个数是一个非常简单的问题。许多初学者可以很容易地编写以下函数：

　　1.只需输出斐波那契数列的前n个数#！/usr/bin/python

　　# -*-编码：UTF-8 -*-

　　def fab(最大):

　　n，a，b=0，0，1

　　当n最大值：

　　打印b

　　a，b=b，a b

　　n=n 1

　　Fab(5)执行上面的代码，我们可以得到下面的输出：

　　一个

　　一个

　　2

　　三

　　五

　　结果没有问题，但是有经验的开发者会指出，在fab函数中直接用print打印数字会导致这个函数的复用性很差，因为fab函数返回None，其他函数无法获得这个函数生成的数列。

　　为了提高fab函数的可重用性，最好返回一个列表，而不是直接打印出系列。下面是重写后的第二个版本的fab函数：

　　2.输出斐波那契数列的前N个数的第二版例子

　　#!/usr/bin/python

　　# -*-编码：UTF-8 -*-

　　def fab(最大):

　　n，a，b=0，0，1

　　L=[]

　　当n最大值：

　　l .追加(b)

　　a，b=b，a b

　　n=n 1

　　返回L

　　对于fab(5)中的n:

　　n print重写的fab函数可以通过返回列表来满足复用性的要求，但是比较有经验的开发者会指出这个函数占用的内存会随着参数max的增加而增加。如果想控制内存占用，最好不要用List。

　　保存中间结果，但是遍历iterable对象。例如，在Python2.x中，代码：

　　清单3。通过iterable object: pass对范围(1000)中的I进行迭代将得到一个1000元素的列表，而代码：

　　对于xrange中的I(1000):pass不生成1000个元素的列表，而是在每次迭代中返回下一个值，占用内存空间很小。因为xrange返回的不是一个列表，而是一个iterable对象。

　　注意：python3中没有xrange()。在python3中，range()是xrange()。你可以在python3中检查range()的类型。它已经是一个类“范围”而不是列表。毕竟这个还需要优化。

　　使用iterable，我们可以将fab函数重写为支持iterable的类。这是Fab的第三个版本：

　　清单4。第三个版本的示例

　　#!/usr/bin/python

　　# -*-编码：UTF-8 -*-

　　Fab类(对象):

　　def __init__(self，max):

　　self.max=max

　　self.n，self.a，self.b=0，0，1

　　def __iter__(self):

　　回归自我

　　定义下一个(自己):

　　if self.n self.max:

　　r=自我b

　　self.a，self.b=自我

　　self.n=self.n 1

　　返回r

　　引发StopIteration()

　　对于Fab(5)中的n:

　　print nFab类通过next()不断返回序列的下一个数字，内存占用始终是恒定的：

　　一个

　　一个

　　2

　　三

　　但是用class重写的这个版本，代码远不如第一个版本的fab函数简洁。如果我们想保持第一版fab函数的简单性，同时获得iterable的效果，yield就派上用场了：

　　清单5。使用yield的第四版实例

　　#!/usr/bin/python

　　# -*-编码：UTF-8 -*-

　　def fab(最大):

　　n，a，b=0，0，1

　　当n最大值：

　　产量b #使用产量

　　#打印b

　　a，b=b，a b

　　n=n 1

　　对于fab(5)中的n:

　　与第一版相比，Print的fab第四版只是将print b改为yield b，保持了简洁性，达到了iterable的效果。

　　调用第四版的fab和调用第二版的fab一模一样：

　　一个

　　一个

　　2

　　三

　　5简单来说，yield的作用就是把一个函数变成一个生成器。带yield的函数不再是普通函数，Python解释器会把它当成生成器。调用fab(5)不会执行fab函数，而是返回一个iterable对象！执行for循环时，每次都会执行fab函数内部的代码。当到达产量b时，fab函数将返回一个迭代值。在下一次迭代中，代码将从yield b的下一条语句开始继续执行，函数的局部变量看起来与上次中断执行前完全一样，因此函数将继续执行，直到再次满足yield。

　　也可以手动调用fab(5)的next()方法(因为fab(5)是一个生成器对象，它有next()方法)，这样我们可以更清楚的看到fab的执行流程：

　　6.实现进程

　　f=fab(5)

　　f.next()

　　一个

　　f.next()

　　一个

　　f.next()

　　2

　　f.next()

　　三

　　f.next()

　　五

　　f.next()

　　回溯(最近一次呼叫):

　　文件“”中的第1行

　　停止迭代

　　当函数执行完成时，生成器自动抛出StopIteration异常，指示迭代完成。在for循环中，不需要处理StopIteration异常，循环将正常结束。

　　我们可以得出以下结论：

　　有屈服的函数是生成元，不同于普通函数。生成一个生成器看起来像一个函数调用，但它不会执行任何函数代码，直到对它调用next()为止(next()将在for循环中自动调用)。虽然执行流还是按照函数流执行，但是每执行一条yield语句就会被中断，返回一个迭代值。下一次执行将从下一个yield语句继续。看起来好像一个函数在正常执行过程中被yield中断了几次，每次中断都会通过yield返回当前的迭代值。

　　收益率的好处显而易见。通过将函数重写为生成器，可以获得迭代的能力。与通过保存类的实例状态来计算next()的值相比，不仅代码简洁，而且执行过程异常清晰。

　　如何判断一个函数是不是特殊的生成函数？Isgeneratorfunction可以用来判断：

　　清单7。使用isgeneratorfunction确定从Inspect导入IsGenerator函数

　　isgeneratorfunction(fab)

　　True要注意区分fab和fab(5)，fab(5)是生成器函数，而fab(5)是调用fab返回的生成器，就像类的定义和类的实例的区别一样：

　　清单8。类的定义和类的实例导入类型

　　isinstance(fab，类型。GeneratorType)

　　错误的

　　isinstance(fab(5)，类型。GeneratorType)

　　Truefab不能迭代，而fab(5)可以迭代：

　　从集合导入迭代

　　isinstance(fab，Iterable)

　　错误的

　　isinstance(fab(5)，Iterable)

　　false每次调用fab函数时，都会生成一个新的生成器实例，并且每个实例不会相互影响：

　　f1=fab(3)

　　f2=fab(5)

　　打印“f1:”，f1.next()

　　f1: 1

　　打印“f2:”，f2.next()

　　f2: 1

　　打印“f1:”，f1.next()

　　f1: 1

　　打印“f2:”，f2.next()

　　f2: 1

　　打印“f1:”，f1.next()

　　f1: 2

　　打印“f2:”，f2.next()

　　f2: 2

　　打印“f2:”，f2.next()

　　f2: 3

　　打印“f2:”，f2.next()

　　F2:5返回的功能

　　在一个生成器函数中，如果没有返回，默认情况下会一直执行到函数完成。如果在执行过程中返回，会直接抛出StopIteration终止迭代。

　　另一个例子

　　yield的另一个例子来自文件读取。如果直接在file对象上调用read()方法，会导致不可预知的内存占用。一个好的方法是使用固定长度的缓冲区不断地读取文件的内容。使用yield，我们不再需要编写迭代类来读取文件，因此我们可以轻松地读取文件：

　　清单9。产量的另一个例子

　　def read_file(fpath):

　　BLOCK_SIZE=1024

　　用open(fpath， rb )作为f:

　　虽然正确：

　　block=f.read(BLOCK_SIZE)

　　如果阻止：

　　屈服块

　　否则：

　　以上只是简单介绍了yield的基本概念和用法。yield在Python 3中有更强大的用法，我们将在下一篇文章中讨论。

　　3.下一个停止位置def foo():

　　打印(开始.)

　　虽然正确：

　　res=收益率4

　　打印( res:，res)

　　g=foo()

　　打印(下一个(g))

　　打印( **20)

　　打印(下一个(g))输出：

　　开始.

　　四

　　********************

　　res:无

　　4解释代码运行顺序，相当于代码的单步调试：

　　1.程序开始执行后，foo函数不会因为foo函数中的yield关键字而实际执行，而是会先获得一个生成器g(相当于一个对象)。2.直到调用下一个方法，foo函数才正式开始执行，先执行foo函数中的print方法，然后进入while循环。3.程序遇到yield关键字，然后把yield当成return。返回4后，程序停止，不执行res赋值操作。这时，next(g)语句完成，于是输出前两行(第一行是上面print above的结果，第二行是return的结果，返回执行print(next(g))的结果。4.程序执行打印(“*”20)并输出20。5.它再次开始执行下面的打印(next(g))。这次和上一次类似，不同的是这次是从刚才下一个程序停止的地方开始执行，也就是要执行res的赋值操作。这时需要注意的是，此时赋值操作的右边没有值(因为那一个刚用return出去，赋值操作的左边没有传参数)，所以此时res赋值为None，那么下面的输出就是res:None，6。程序将继续执行一会儿，并再次遇到让步。这时它也返回4，然后程序停止。print函数输出的4就是这个return输出的4。在这里，你可能会明白收益率和回报的关系和区别。带yield的函数是生成器，不是函数。这个生成器有一个函数叫next函数，next相当于“下一步”生成哪个数。next这次开始的位置在last next停止的位置旁边执行。所以调用next的时候，生成器并不是从foo函数的开头开始，而只是从上一步停止的地方开始，遇到yield后再返回要生成的数，这一步就结束了。

　　def foo():

　　打印(开始.)

　　虽然正确：

　　res=收益率4

　　打印( res:，res)

　　g=foo()

　　打印(下一个(g))

　　打印( **20)

　　Print(g.send(7))看看这个生成器的send函数的另一个例子。此示例替换上面示例的最后一行，并输出结果：

　　开始.

　　四

　　********************

　　决议：7

　　4先说一下send函数的概念：此时你应该注意到了上面那个紫色的字，为什么上面的res的值是None，而这个变成了7。为什么？这是因为，send向res发送一个参数，因为如上所述，当你返回的时候，并没有给res赋值4，下次还要继续赋值操作，所以你要给None赋值。如果使用send，那么在开始执行的时候，要按照上一次执行(返回4之后)，先给res赋值7，然后执行next的函数，遇到下一个yield，返回结果，结束。

　　5.程序执行g.send(7)，程序会继续从yield关键字的行往下运行，send会把值7赋给res变量。6.因为send方法包含next()方法，所以程序会继续向下运行执行print方法，然后再次进入while循环。7.程序执行再次遇到yield关键字后，yield将返回以下值，程序将再次暂停，直到再次调用下一个方法或send方法。连接：

　　https://www.runoob.com/w3cnote/python-yield-used-analysis.html

　　来自

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。