Python之yield
前言
简单记录一下Python中的yield关键字,不是很理解,因此简单记录一下,方便自己查阅。
正文
什么是yield
yield 是 Python 中非常实用、也很有“魔法感”的关键字。
它能让函数暂停执行、记住状态、下次接着来,这就是生成器(Generator)的核心机制。
yield 能把一个普通函数变成一个“生成器函数”。调用它不会立即执行函数体,而是返回一个生成器对象;每次从生成器取值时,函数才运行到下一个 yield 处暂停,并返回一个值。
先看例子
def simple_gen():
yield 1
yield 2
yield 3
gen = simple_gen()
print(gen) # <generator object simple_gen at 0x...>
print(next(gen)) # 1
print(next(gen)) # 2
print(next(gen)) # 3
# print(next(gen)) # 再调用会抛 StopIteration- simple_gen() 被调用时,函数体并没有执行
- 返回的是一个生成器对象 gen
- 每次 next(gen),函数才从暂停处继续执行,直到遇到下一个 yield
- 所有 yield 耗尽后,再调用会抛出 StopIteration
yield 和 return比较
| 关键字 | 函数行为 | 调用结果 |
| return | 执行完返回结果,函数结束 | 直接得到返回值 |
| yield | 执行到 yield 暂停,保存现场 | 得到一个生成器对象 |
执行方式不同
# return 版本
def with_return(n):
result = []
for i in range(n):
result.append(i * i)
return result
# yield 版本
def with_yield(n):
for i in range(n):
yield i * i| 对比项 | return 版本 | yield 版本 |
| 数据存放 | 一次性存到列表 | 逐个生成 |
| 内存占用 | 高(全在内存) | 低(一次一个) |
| 可否处理无限序列 | 不行 | 可以 |
| 是否惰性计算 | 否 | 是 |
状态保留
def counter():
count = 0
while True:
count += 1
yield count
c = counter()
print(next(c)) # 1
print(next(c)) # 2
print(next(c)) # 3yield 会记住 count 的值,下次调用时接着用。这是普通函数做不到的。
虽然是死循环,但有了yield,只有调用是才会执行,程序也不会卡死。
yield 的基本用法
在循环中使用 yield
最常见的形式:
def my_range(n):
i = 0
while i < n:
yield i
i += 1
for x in my_range(5):
print(x)输出:
0 1 2 3 4
注意:for 循环会自动处理 StopIteration,所以不会报错。
yield 可以出现在任何位置
def weird():
yield "start"
print("中间代码执行了")
yield "end"
g = weird()
print(next(g)) # start
print(next(g)) # 中间代码执行了 → end这说明:yield 不是只能在循环里,函数里任何地方都可以暂停。
生成器只能遍历一次
def gen():
yield 1
yield 2
g = gen()
print(list(g)) # [1, 2]
print(list(g)) # [] ← 已经耗尽,第二次是空的如果需要重复使用,只能重新创建生成器。
yield 的常见使用场景
场景一:读取大文件(逐行处理)
def read_large_file(file_path):
with open(file_path, 'r', encoding='utf-8') as f:
for line in f:
yield line.strip()
# 使用
for line in read_large_file('huge_log.txt'):
if 'ERROR' in line:
print(line)- 不用一次性把几 GB 文件读进内存
- 边读边处理,非常节省资源
场景二:处理无限序列
def fibonacci():
a, b = 0, 1
while True:
yield a
a, b = b, a + b
fib = fibonacci()
for _ in range(10):
print(next(fib), end=' ')用 return 是绝对写不出“无限斐波那契数列”的
场景三:数据管道(流式处理)
def read_numbers():
for i in range(1, 11):
yield i
def square(nums):
for n in nums:
yield n * n
def filter_even(nums):
for n in nums:
if n % 2 == 0:
yield n
pipeline = filter_even(square(read_numbers()))
print(list(pipeline)) # [4, 16, 36, 64, 100]每一层都是“懒加载”,数据像流水线一样处理
场景四:替代临时列表
# 不好的写法(一次性生成所有)
def bad(n):
return [i * 2 for i in range(n)]
# 更好的写法(按需生成)
def good(n):
for i in range(n):
yield i * 2yield from 是什么?
Python 3.3 引入了 yield from,用来简化从另一个生成器获取值的写法。
# 旧写法
def old():
for x in range(3):
yield x
# 新写法
def new():
yield from range(3)两者效果完全一样,但 yield from 更简洁,而且在委托子生成器时非常有用:
def sub_gen():
yield 1
yield 2
def main_gen():
yield "开始"
yield from sub_gen()
yield "结束"
print(list(main_gen()))
# ['开始', 1, 2, '结束']yield 在 Python 中常见吗?
答案是:非常常见。
虽然你初学阶段可能接触不多,但在以下场景中几乎无处不在:
| 场景 | 是否常用 yield |
| 读取大文件 / 大数据流 | 极常见 |
| Web 框架(如 Django/Flask 流式响应) | 常见 |
| 异步编程(asyncio 前身) | 历史核心 |
| 科学计算 / 数据处理 | 常见 |
| 面试 / 高级 Python 话题 | 高频考点 |
很多 Python 内置函数返回的就是生成器,比如:
gen = (x * 2 for x in range(5)) # 生成器表达式 print(type(gen)) # <class 'generator'>
你每天都在“间接使用” yield。
yield 的进阶
生成器作为协程(了解)
yield 不仅能“产出值”,还能“接收值”:
def receiver():
print("准备接收")
while True:
value = yield
print("收到:", value)
r = receiver()
next(r) # 启动生成器(必须)
r.send("hello") # 收到: hello
r.send("world") # 收到: world这种用法在现代 Python 中更多被 async / await 取代,但理解它有助于你读懂老代码和底层原理。
总结
- yield 是 Python 中定义生成器的关键字
- 它让函数可以暂停、保存状态、下次继续
- 相比 return,它支持惰性计算、节省内存
- 特别适合:大文件处理、无限序列、数据管道
- 在 Python 生态中非常常见,是进阶必学知识点
一句话记住它:
return 是一次说完,yield 是一句一句慢慢说。
参考文章
- AI
- Python文档
