Python 中的 yield 是什么

写在前面

Python 中的 yield 关键字是一个我们不太常见的关键字, 但它却拥有非常强大的功能。 yield 可以让我们在函数中实现生成器(generator)的功能, 从而带来更多编程上的便利。在本文中, 我们将深入探讨 yield 的使用方法, 以及它与 return 关键字的区别。通过学习 yield, 相信你会发现 Python 语言的无穷魅力。

生成器与迭代器

在讨论 yield 之前, 我们需要先了解生成器(generator)和迭代器(iterator)的概念。迭代器是一个实现了迭代器协议的对象, 它可以逐个返回序列中的元素。生成器是一种特殊的迭代器, 它使用 yield 关键字定义, 能够暂停和恢复函数的执行状态。生成器函数可以产生一个迭代器对象, 从而实现仅在需要时生成数据的功能。

yield 语句的基本用法

yield 语句的使用方法相当简单。在函数中使用 yield 关键字, 可以让函数变成一个生成器。每次调用生成器函数, 它都会返回 yield 语句后的值, 并保存函数的执行状态。下次调用时, 函数会从上次yield 的位置继续执行, 直到遇到下一个 yield 语句。例如:

def count_up_to(n):
    i = 0
    while i < n:
        yield i
        i += 1

generator = count_up_to(5)
print(next(generator))  # 输出: 0
print(next(generator))  # 输出: 1
print(next(generator))  # 输出: 2
print(next(generator))  # 输出: 3
print(next(generator))  # 输出: 4
print(next(generator))  # 抛出 StopIteration 异常

生成器函数

生成器函数是使用 yield 关键字定义的函数。与普通函数不同, 生成器函数在每次 yield 时都会暂停执行, 并返回一个中间结果。当下次调用生成器函数时, 它会从上次暂停的地方继续执行, 直到遇到下一个 yield 语句。这种”惰性求值”的特性使生成器函数非常适合处理大量或无限的数据集。下面是一个生成斐波那契数列的例子:

def fibonacci(n):
    a, b = 0, 1
    for i in range(n):
        yield a
        a, b = b, a + b

fib = fibonacci(10)
for num in fib:
    print(num)
# 输出: 0 1 1 2 3 5 8 13 21 34

yield 与 return 的区别

听到这里，可能有小伙伴觉得这个 yield 和函数的 return 很像，那么它们到底有什么不同呢？虽然，yield 和 return 都可以返回值, 但二者有着本质的区别。让我们来对比一下:

首先，使用 return 和 yield 定义两个函数如下：

def square_return(n):
    squares = []
    for i in range(n):
        squares.append(i**2)
    return squares

def square_yield(n):
    for i in range(n):
        yield i**2

调用square_return函数

# 使用 return 的版本
print(square_return(5))  # 输出: [0, 1, 4, 9, 16]

调用square_yield函数

# 使用 yield 的版本
square_gen = square_yield(5)
print(next(square_gen))  # 输出: 0
print(next(square_gen))  # 输出: 1
print(next(square_gen))  # 输出: 4
print(next(square_gen))  # 输出: 9
print(next(square_gen))  # 输出: 16
print(next(square_gen))  # 抛出 StopIteration 异常