Python中yield函数浅析

带有yield的函数在Python中被称之为generator（生成器），下面我们将使用斐波那契数列来举例说明下该函数：（环境是在Python3.x下）

 如何生成斐波那契数列：

　　斐波那契（Fibonacci）数列是一个简单的递归数列，除第一个数和第二个数外，任意一个数都可由前两个数相加得到。用计算机程序输出斐波那契数列的前N个数是一个非常简单的问题：

• 版本一：简单输出斐波那契数列前N个数

# -*- coding: utf-8 -*-
# Time    : 2019/5/28 14:25
# Author  : Eric
# FileName: yield使用浅析.py
# Software: PyCharm
#-----------------------------------------------------------------------------------------------------------------------
 
def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
#执行fab(10)，我们可以得到如下的输出：
print(fab(10))
1
1
2
3
5
8
13
21
34
55
None

结果是没有问题，但是有经验的开发者会指出，直接在fab函数中有print打印数字会导致该函数可复用性较差，因为fab函数返回None，其他函数无法获得该函数生成的数列。

要提高fab函数的复用性，最好不要直接打印出数列，而是返回一个列表（list）。以下是fab函数改写后的第二个版：

• 版本二：输出斐波那契数列前N个数

def fab(max):
    n, a, b = 0, 0, 1
    L = []
    while n < max:
        L.append(b)
        a, b = b, a + b
        n = n + 1
    return L

#可以使用如下方式打印出fab函数返回的List：
for n in fab(10):
    print(n)

1
1
2
3
5
8
13
21
34
55

改写后的fab函数通过返回List能满足复用性的要求，但是更有经验的开发者会指出，该函数在运行中占用的内存会随着参数max的增大而增大，如果要控制内存占用，最好不用要List来保存中间结果。

• 版本三： 使用创建类的的方法来实现

class Fab(object):

    def __init__(self,max):
        self.max = max
        self.n, self.a, self.b = 0, 0, 1

    def __iter__(self):
        return self

    def __next__(self):
        if self.n < self.max:
            r = self.b
            self.a, self.b = self.b, self.a + self.b
            self.n = self.n + 1
            return r
        raise StopIteration()
#Fab类通过__next__()不断返回数列的下一个数，内存占用始终为常数：
for n in Fab(5):
    print(n)
1
1
2
3
5

然而，使用class改写的这个版本，代码远远没有第一版的fab函数来得简洁。如果我们想要保持第一版fab函数的简洁性，同时又要获得iterable的效果，yield就派上用场了。

• 版本四：使用yield的第四版

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1

#调用第四版的fab和第二版的fab完全一致：
for n in fab(5):
    print(n)
1
1
2
3
5

　　简单地讲，yield的作用就是把一个函数变成一个generator，带有yield的函数不再是一个普通的函数，Python解释器会将其视为一个generator，调用fab(5)不会执行fab函数，而是返回一个iterable对象！在for循环执行时，每次循环都会执行fab函数内部的代码，执行到yield时，返回函数就会返回一个迭代值，下次迭代时，代码从yield的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到yield。

　　yield的好处是显而易见的，把一个函数改写为一个generator就获得了迭代的能力，比起用类的实例保存状态来计算下一个next()的值，不仅代码简介，而且执行流程异常清晰。

　　如何判断一个函数是否是一个特殊的generator函数？可以利用isgeneratorfunction判断：

from inspect import isgeneratorfunction
print(isgeneratorfunction(fab))

True

要注意区分fab和fab(5)，fab是一个generatorfunction，而fab(5)是调用fab返回的一个generator，好比类的定义和类的实例的区别：

类的定义和类的实例：

import types
print(isinstance(fab,types.GeneratorType))
print(isinstance(fab(5),types.GeneratorType))

False
True

fab是无法迭代的，而fab(5)是可迭代的：

from collections import Iterable
print(isinstance(fab,Iterable))
print(isinstance(fab(5),Iterable))
False
True

　　

return的作用

　　在一个generator function中，如果没有return，则默认执行至函数完毕，如果在执行过程中return，则直接抛出StopIteration终止迭代。