彻底搞懂Python中yield 关键字
原创彻底搞懂Python中yield 关键字
原创
普通函数和 generator 函数的区别
假如要创建一个返回奇数数列的函数，普通函数的做法如下：
def odd_numbers(n):
odd_num_list = []
for i in range(n):
if (i % 2) == 1:
odd_num_list.append(i)
return odd_num_list
for j in odd_numbers(10):
print(j)输出
1
3
5
7
9当将上述函数改成如下形式时，普通函数便变成了一个 generator 函数。这时候调用 odd_numbers(10) 不会执行 odd_numbers 函数，而是返回一个 generator 对象。
def odd_numbers(n):
for x in range(n):
if (x % 2) == 0:
yield x
num = odd_numbers(10)
print(num)输出
<generator object odd_numbers at 0x7f9d77a095f0>从 generator对象获取值
为了从 generator 对象获取值，我们可以使用 for loop、next() 或者 list() 方法。
for loop 方法：
def odd_numbers(n):
for x in range(n):
if (x % 2) == 1:
yield x
num = odd_numbers(10)
for i in num:
print(i)输出
1
3
5
7
9next() 方法：
def odd_numbers(n):
for x in range(n):
if (x % 2) == 1:
yield x
num = odd_numbers(10)
print(next(num))
print(next(num))
print(next(num))
print(next(num))
print(next(num))输出
1
3
5
7
9list() 方法
def odd_numbers(n):
for x in range(n):
if (x % 2) == 1:
yield x
num = odd_numbers(10)
for i in list(num):
print(i)输出
1
3
5
7
9当我们使用 for loop 、next() 或者 list() 方法获取 generator 对象的值时，每次循环都会执行 odd_numbers()函数的代码，执行到 yield x 时，就会返回一个值，下一次执行时，从 yield x 的下一条语句继续执行，函数的状态和上次中断执行前是一样的，于是继续执行，直到再次遇到 yield x。
generator 对象只能被遍历一次
generator 对象只能被遍历一次，当我们再次使用时， generator 对象为空。
def odd_numbers(n):
for x in range(n):
if (x % 2) == 1:
yield x
num = odd_numbers(10)
for i in num:
print(i)
# 再次使用 num
print(list(num))输出
1
3
5
7
9
[]从输出中可以看出，当再次使用 num 时，num 变成了空。
yield vs. return
包含 yield 的函数在被调用时，返回一个 generator 对象给调用者，只有在遍历对象时，函数的代码才会被执行。而函数中的 return 返回一个值给调用者。
yield | return |
|---|---|
包含 yield 的函数在被调用时，返回一个 generator 对象给调用者，只有在遍历对象时，函数的代码才会被执行 | return 返回一个值给调用者 |
不占用内存 | 需要给返回的值分配内存 |
适合处理数据量比较大的情况 | 当处理的数据量较小时，比较方便 |
当数据量较大时，性能较好 | 当数据量较大时，由于需要使用大量内存，会拖慢性能。 |
总结
- 和 return 关键字返回一个值给调用者不同的是，包含 yield 关键字的函数返回一个 generator 对象给调用者。
- 返回的 generator 对象在使用过一次后便不再可以使用，如果要获取值，需要遍历 generator 对象。
- 可以使用
for loop、next()或者list()方法从 generator 对象获取值。 - yield 和 return 的最大区别是，yield 返回一个 generator 给调用者，而 return 返回一个值给调用者。
- 使用 yield 时，不会将值存储在内存中，这在处理的数据量很大时，比较有优势。
封面图：该图片由FelixMittermeier在Pixabay上发布
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。