Python中yield函數(shù)的用法詳解
1. yield介紹
在Python中，yield關(guān)鍵字主要用于生成器函數(shù)（generator functions）中，其目的是使函數(shù)能夠像迭代器一樣工作，即可以被遍歷，但不會一次性將所有結(jié)果都加載到內(nèi)存中。
2.yield基本用法
- 定義生成器函數(shù)
def simple_generator():
yield 1
yield 2
yield 3
gen = simple_generator()
print(next(gen)) # 輸出: 1
print(next(gen)) # 輸出: 2
print(next(gen)) # 輸出: 3
- 使用 for 循環(huán)遍歷生成器生成器對象是可迭代的，因此可以使用 for 循環(huán)來遍歷生成器生成的值。
下面例子中，for 循環(huán)遍歷生成器函數(shù)生成的所有值，并依次打印它們。
def simple_generator():
yield 1
yield 2
yield 3
for value in simple_generator():
print(value)
- 生成器表達(dá)式下面例子中，生成器表達(dá)式生成了一個平方數(shù)序列，并使用 for 循環(huán)打印所有值。
gen_expr = (x * x for x in range(5))
for value in gen_expr:
print(value)
- 生成器轉(zhuǎn)列表
def simple_generator():
yield 1
yield 2
yield 3
gen = simple_generator()
print(list(gen)) # 輸出: [1, 2, 3]
3.yield高級用法
3.1 yield send() 方法
生成器不僅可以通過 yield 返回值，還可以通過 send() 方法接收外部輸入。
send() 方法允許向生成器發(fā)送一個值，這個值將成為上一個 yield 表達(dá)式的值。
這種方式可以實現(xiàn)生成器與外部之間的雙向通信。
def coroutine():
while True:
received = yield
print(f"接收到的數(shù)據(jù): {received}")
co = coroutine()
next(co) # 預(yù)激生成器
co.send(10) # 輸出: 接收到的數(shù)據(jù): 10
co.send(20) # 輸出: 接收到的數(shù)據(jù): 20
在這個例子中，coroutine 生成器函數(shù)在每次迭代時接收外部數(shù)據(jù)并打印它。next(co) 用于預(yù)激生成器，使其準(zhǔn)備好接收數(shù)據(jù)。
3.2 yield from方法
從Python 3.3開始，引入了 yield from 語法，它允許一個生成器委托另一個生成器來生成值。
這種委托機(jī)制可以簡化嵌套生成器的使用，提高代碼的可讀性和效率。
def base_code_pool():
for i in range(3):
yield f'BASE-{i + 1}'
def outsource_pool():
for i in range(30):
yield f'OUTS-{i + 1}'
def team_member_code():
yield from base_code_pool()
print('內(nèi)部資源編號用完，開始使用外包')
yield from outsource_pool()
team_member = team_member_code()
for i in range(5):
print(next(team_member))
運行結(jié)果：
BASE-1
BASE-2
BASE-3
內(nèi)部資源編號用完，開始使用外包
OUTS-1
OUTS-2
在這個例子中，team_member_code 生成器函數(shù)委托 base_code_pool 和 outsource_pool 生成器來生成值。
當(dāng) base_code_pool 的值用完后，生成器會繼續(xù)從 outsource_pool 生成值。
3.3 yield 和yield from疊加
yield 和 yield from 是 Python 中用于創(chuàng)建生成器的兩種方式，它們允許函數(shù)在迭代過程中逐步返回值，而不是一次性返回所有結(jié)果。
這種特性使得生成器非常適合處理大型數(shù)據(jù)集或無窮序列等場景，因為它們不會一次性將所有數(shù)據(jù)加載到內(nèi)存中，從而節(jié)省了內(nèi)存資源。
關(guān)于是否可以“疊加”yield 和 yield from 的結(jié)果，實際上我們討論的是如何組合多個生成器或者將一個生成器的結(jié)果傳遞給另一個生成器。
- 使用 yield 和 yield from 組合生成器當(dāng)你想要組合兩個或更多個生成器時，你可以使用
yield來逐個產(chǎn)出每個生成器中的元素，或者使用yield from來直接委托給子生成器，讓其負(fù)責(zé)產(chǎn)出自己的元素。 - 例如：
def generator_a():
for i in range(3):
yield i
def generator_b():
for i in range(3, 6):
yield i
def combined_generators():
# 使用 yield 直接產(chǎn)出每個生成器中的元素
for value in generator_a():
yield value
for value in generator_b():
yield value
# 或者使用 yield from 委托給子生成器
yield from generator_a()
yield from generator_b()
在這個例子中，combined_generators 函數(shù)通過 yield 和 yield from 將兩個生成器的結(jié)果進(jìn)行了“疊加”。
這里，“疊加”的含義是指順序地連接了兩個生成器產(chǎn)生的輸出流，而不是數(shù)學(xué)意義上的加法操作。
可以將 yield 和 yield from 結(jié)合使用來實現(xiàn)生成器之間的組合，甚至可以在同一個函數(shù)內(nèi)部同時使用這兩種語句。
這樣做不僅可以簡化代碼結(jié)構(gòu)，還能更靈活地控制生成器的行為。
讓我們深入探討一下如何有效地結(jié)合使用 yield 和 yield from 來“疊加”多個生成器的結(jié)果。
- 結(jié)果的實際疊加如果我們談?wù)摰氖菍嶋H的結(jié)果疊加（如數(shù)值相加），那么你需要明確地編寫邏輯來實現(xiàn)這一點。
比如，如果你想把來自不同生成器的數(shù)值相加以獲得總和，你可以這樣做：
def sum_of_generators(gen1, gen2):
return sum(gen1) + sum(gen2)
total = sum_of_generators(generator_a(), generator_b())
print(total) # 輸出: 15 (0+1+2+3+4+5)
# 輸出: 0 1 2 3 4 5
for item in combined_generators():
print(item)
在這里，sum_of_generators 函數(shù)接收兩個生成器作為參數(shù)，并分別對它們求和后再相加。
請注意，這種方法會立即消耗掉這兩個生成器的所有元素并計算出總和，這可能不是最有效的做法，特別是對于非常大的數(shù)據(jù)集。
- 組合使用 yield 和 yield from上面的例子可以將
yield和yield from結(jié)合使用來實現(xiàn)生成器之間的組合，甚至可以在同一個函數(shù)內(nèi)部同時使用這兩種語句。
這樣做不僅可以簡化代碼結(jié)構(gòu)，還能更靈活地控制生成器的行為。
讓我們深入探討一下如何有效地結(jié)合使用yield和yield from來“疊加”多個生成器的結(jié)果。
考慮一個場景，你有一個主生成器，它需要從多個子生成器中獲取值，并且自身也可能產(chǎn)生一些額外的值。
在這種情況下，你可以用yield來直接產(chǎn)出這些額外的值，而用yield from來委派給子生成器。
例如：
def generator_a():
for i in range(3):
yield i
def generator_b():
for i in range(3, 6):
yield i
def combined_generators():
# 直接使用 yield 產(chǎn)出額外的值
yield "Start"
# 使用 yield from 委托給子生成器 a
yield from generator_a()
# 再次直接使用 yield 產(chǎn)出中間的值
yield "Middle"
# 使用 yield from 委托給子生成器 b
yield from generator_b()
# 最后直接使用 yield 產(chǎn)出結(jié)束的值
yield "End"
# 輸出: Start 0 1 2 Middle 3 4 5 End
for item in combined_generators():
print(item)
在這個例子中，combined_generators 函數(shù)展示了如何在同一個生成器內(nèi)混合使用 yield 和 yield from。
首先，它通過 yield 發(fā)出了字符串 "Start"；
然后，利用 yield from 將控制權(quán)交給 generator_a()，后者負(fù)責(zé)產(chǎn)出 0, 1, 和 2；
接著，再次使用 yield 發(fā)出 "Middle"；之后，又通過 yield from 讓 generator_b() 產(chǎn)出 3, 4, 和 5；
最后，以同樣的方式發(fā)出字符串 "End"。
這種方式允許你在不破壞原有邏輯的基礎(chǔ)上輕松添加新的生成邏輯，同時也保持了代碼的清晰度和可讀性。
處理復(fù)雜情況下的疊加
如果你面對的是更加復(fù)雜的場景，比如你需要對來自不同生成器的數(shù)據(jù)進(jìn)行某種形式的處理后再輸出，或者你需要根據(jù)某些條件決定是否調(diào)用某個子生成器，那么你可以繼續(xù)擴(kuò)展這種模式。
例如，假設(shè)你想把兩個生成器的結(jié)果相加后作為最終輸出的一部分：
def add_generators(gen1, gen2):
iterator1 = iter(gen1)
iterator2 = iter(gen2)
try:
while True:
value1 = next(iterator1)
value2 = next(iterator2)
yield value1 + value2
except StopIteration:
pass
def enhanced_combined_generators():
yield "Start"
yield from add_generators(generator_a(), generator_b())
yield "End"
# 輸出: Start 3 5 7 End
for item in enhanced_combined_generators():
print(item)
綜上所述，yield 和 yield from 的結(jié)果可以通過編程邏輯被“疊加”，但這取決于你想要實現(xiàn)的具體行為。
如果是簡單的迭代輸出，則可以直接使用 yield from 來簡化代碼；
而如果是數(shù)值或其他類型的累加，則需要額外的邏輯來完成這個過程。
4.yield主要應(yīng)用場景
- 處理大數(shù)據(jù)集生成器非常適合處理大數(shù)據(jù)集，因為它可以在需要時按需生成值，而不是一次性將所有值加載到內(nèi)存中。
這可以顯著減少內(nèi)存使用，提高程序的性能。
def read_large_file(file_path):
with open(file_path, 'r') as file:
for line in file:
yield line
for line in read_large_file('large_file.txt'):
print(line, end='')
在這個例子中，生成器函數(shù) read_large_file 逐行讀取大文件，并使用 for 循環(huán)打印每行內(nèi)容。
這種方法避免了將整個文件加載到內(nèi)存中，從而節(jié)省了內(nèi)存。
- 實現(xiàn)協(xié)程和并發(fā)生成器可以用于實現(xiàn)協(xié)程和并發(fā)編程模式。
協(xié)程是一種用戶態(tài)的輕量級線程，可以用來模擬異步操作，實現(xiàn)非阻塞的I/O處理等。
def coroutine_example():
while True:
received = yield
print(f"處理數(shù)據(jù): {received}")
co = coroutine_example()
next(co) # 預(yù)激生成器
co.send('data1') # 輸出: 處理數(shù)據(jù): data1
co.send('data2') # 輸出: 處理數(shù)據(jù): data2
在這個例子中， coroutine_example 生成器函數(shù)可以接收外部數(shù)據(jù)并處理它，實現(xiàn)了簡單的協(xié)程功能。
- 數(shù)據(jù)處理管道生成器可以用于實現(xiàn)數(shù)據(jù)處理管道，每個生成器函數(shù)負(fù)責(zé)一個處理步驟。
這種模式可以將復(fù)雜的任務(wù)分解為多個簡單的步驟，提高代碼的可讀性和可維護(hù)性。
def pipeline_stage1(data):
for item in data:
yield item * 2
def pipeline_stage2(data):
for item in data:
yield item + 1
data = range(5)
stage1 = pipeline_stage1(data)
stage2 = pipeline_stage2(stage1)
for value in stage2:
print(value)
在這個例子中，數(shù)據(jù)經(jīng)過兩個生成器函數(shù)處理。
首先在 pipeline_stage1 中乘以2，然后在 pipeline_stage2 中加1。
def add_generators(gen1, gen2):
iterator1 = iter(gen1)
iterator2 = iter(gen2)
try:
while True:
value1 = next(iterator1)
value2 = next(iterator2)
yield value1 + value2
except StopIteration:
pass
def enhanced_combined_generators():
yield "Start"
yield from add_generators(generator_a(), generator_b())
yield "End"
# 輸出: Start 3 5 7 End
for item in enhanced_combined_generators():
print(item)
這里定義了一個輔助函數(shù) add_generators，它接受兩個生成器并逐個取出它們的元素相加以生成新的值。enhanced_combined_generators 則是在之前的基礎(chǔ)上加入了這個新功能。通過這種方式，你可以非常靈活地構(gòu)建復(fù)雜的生成器邏輯，而不需要為每一個可能的變化都編寫全新的生成器10。
綜上所述，yield 和 yield from 可以很好地協(xié)同工作，幫助開發(fā)者構(gòu)建高效、易于維護(hù)的生成器代碼。無論是簡單的串聯(lián)還是更復(fù)雜的操作，如數(shù)據(jù)變換或條件分支，都可以通過合理的設(shè)計達(dá)到預(yù)期的效果。重要的是要理解每種語句的作用以及它們?nèi)绾蜗嗷プ饔?，這樣才能寫出既強(qiáng)大又優(yōu)雅的 Python 代碼2。此外，yield from 的引入不僅簡化了代碼，還增強(qiáng)了生成器之間通信的能力，特別是在涉及到異常傳遞時顯得尤為重要14。因此，在實際編程實踐中，充分利用這兩種工具能夠極大地提升代碼的質(zhì)量和性能。
5.總結(jié)
- yield函數(shù)屬性
- 當(dāng)一個函數(shù)包含yield關(guān)鍵字時，這個函數(shù)就變成了一個生成器函數(shù)。
- 調(diào)用生成器函數(shù)并不會立即執(zhí)行函數(shù)體內(nèi)的代碼，而是返回一個生成器對象。
- 生成器對象可以被迭代，每次迭代時，生成器函數(shù)會從上次離開的地方繼續(xù)執(zhí)行，直到遇到下一個yield語句，然后返回一個值，并保存當(dāng)前狀態(tài)，以便下次繼續(xù)執(zhí)行。
- 這種行為使得生成器非常適合處理大量數(shù)據(jù)或流式數(shù)據(jù)，因為它不需要一次性將所有數(shù)據(jù)加載到內(nèi)存中，從而節(jié)省了內(nèi)存資源。
- yield vs return
return：當(dāng)函數(shù)執(zhí)行到return語句時，它會立即停止執(zhí)行，并返回一個值給調(diào)用。
這意味著函數(shù)的局部變量會被銷毀，且函數(shù)的執(zhí)行狀態(tài)不會被保存。
因此，如果再次調(diào)用同一個函數(shù)，它將從頭開始執(zhí)行。yield：與return不同，當(dāng)執(zhí)行到y(tǒng)ield語句時，函數(shù)會暫停執(zhí)行，返回一個值給調(diào)用者，并保存當(dāng)前的所有局部變量狀態(tài)。
下次調(diào)用生成器時，函數(shù)將從上次暫停的地方恢復(fù)執(zhí)行，直到遇到下一個yield語句或函數(shù)結(jié)束。
- 生成器的使用場景
- 處理大數(shù)據(jù)集：由于生成器是惰性求值的，它可以在需要時才生成數(shù)據(jù)，因此非常適合處理大數(shù)據(jù)集，避免了一次性加載所有數(shù)據(jù)導(dǎo)致的內(nèi)存不足問題。
- 簡化代碼結(jié)構(gòu)：使用生成器可以簡化代碼結(jié)構(gòu)，尤其是當(dāng)需要處理復(fù)雜的狀態(tài)機(jī)或遞歸結(jié)構(gòu)時。
- 協(xié)程與并發(fā)：雖然Python的標(biāo)準(zhǔn)庫中已經(jīng)提供了多種并發(fā)模型，但生成器可以作為一種輕量級的協(xié)程實現(xiàn)，用于實現(xiàn)簡單的并發(fā)任務(wù)。
到此這篇關(guān)于Python中yield函數(shù)用法詳解的文章就介紹到這了,更多相關(guān)Python yield函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
Python?eval()和exec()函數(shù)使用詳解
Anaconda+spyder+pycharm的pytorch配置詳解(GPU)
實例探究Python以并發(fā)方式編寫高性能端口掃描器的方法
