Python学习散列：generator与yield

目录

前言

yield

1 递归函数中间值问题

2 返回迭代器解决中间值问题

generator

3 用生成器解决中间值问题

#4 对于yield和生成器的更详细的说明

---

前言

建议配合我的《Ruby学习散列：块与yield》一起观看。事实上，我会想要记下此节内容的原因主要也是觉得“在这两种表面上如此相似的语言中，对同一个关键字的定义如此的不同”这样的现象很有意思。

yield

yield是Python中的一个关键字，其用途可以看做“return”，只不过其返回的是其后的表达式的可迭代（iterable）对象。

为了形象地说明其用途，我们举一个例子：

1 递归函数中间值问题

假设我们定义如下的函数gen，如下：

def gen():

    a,b=0,1

    while(a<100):

        b=b+a

        a=a+1

对于函数gen，如果我们要输出此函数执行过程中所有的b值，可以在函数体中添加print语句；而如果我们要将执行函数中运算出的所有b都交给另一个函数呢？

要解决这个问题，大多数人第一个想法必然是采用一个List来存储所有b的值，也就是多传入一个变量（或者在函数内使用grobal调用全局变量），并在运算之后使用append函数将结果加入列表。

但如果这样做，随着递归层数的加深，使用的列表的内存占用也会显而易见的变大。如果我们仅仅只是想使用一次List中的数据，它就会变得得不偿失。

2 返回迭代器解决中间值问题

既然使用List存储中间值会造成内存上的浪费，我们就应该寻找一个内存占用更低的方法。比如说，如果我们可以通过一个特殊的方法来中断函数的执行，在每一次调用数据的时候再计算下一步呢？这样就不用一次性保留所有运算结果了。

也就是说，如果我们的函数是可迭代的，就能达到减少内存占用的目的。在这种情况下，每个数据只计算一次，并且只使用一次，既没有重复运算的情况，又没有多余的内存占用。

我们可以使用yield关键字来达成上述的目的。

generator

Python中的generator即为生成器。其定义为使用了yield的函数，也就是说，yield在generator中被使用，并且返回一个iterable对象。

3 用生成器解决中间值问题

我们将函数修改成如下形式：

def gen():

    a,b=0,1

    while(a<100):

        b=b+a

        yield b

        a=a+1

与上面的函数对比，我们知道其只添加了一个”yield b”。根据generator的定义，运行函数gen会返回一个关于b的可迭代对象，我们可以用next()获取其下一个值，用send()对其本次迭代进行修改。

对于next与send函数的更详细说明请参考关于Python迭代器的定义。

#4 对于yield和生成器的更详细的说明

假设我们对于生成器函数gen有一个迭代器g，当我们调用gen()时，g被生成并且返回。在此之后，我们对gen的返回值进行迭代。当第一次调用g.next()时，执行了以下语句：

=>a,b=0,1

=>while {a=0}

=>b=b+a

=>yield b =>return b  

也就是说，在第一次执行next的时候，我们将函数执行直到遇见yield关键字。在遇见yield关键字之后我们返回其后的表达式的值，然后，我们中断此函数的执行（可以想象为IDE中的断点调试功能），直到下一次调用next或者send。

在之后的所有关于next和send的调用中，我们按照上一次中断时的所有设置（如果是send会改变一下yield后面的变量的值）继续执行函数，直到遇见一个yield并返回。

比如说我们执行第二个next，当然，我们知道执行完第一个next之后函数中的两个局部变量ab的值分别为0,1：

=>(a,b=0,1) #这是上次执行之后的ab值，我写在这里作为提示

=>a=a+1

=>while {a=1}

=>b=b+a

=>yield b =>return b

 我们可以看到，next之后函数又执行了一次循环，直到再次遇见了yield。此时的b为2，a为1。