2对yield和生成器的理解说明在Python中，使用yield的函数被称为生成器函数(generator function )。 生成器有两种方法： next (和send )。 它们都可以调用生成器yield VS return return直接返回所有结果，程序将退出并不再运行，局部变量将被丢弃。 yield生成断点、暂停函数和暂停函数，并保存当前状态。 然后，返回yield处的值，返回后，程序将不再继续执行。 yield和return用于函数中，负责返回某些结果。 具有yield的函数返回一个可重复生成器generator对象。 可以使用for循环，或者next (调用方法，send )方法可以遍历此生成的实例化生成器对象以提取结果。 2 yield生成器、next (，send )和方法生成器函数返回生成器对象。 对于生成器对象，python提供了两种主要方法： next )和send )。
2.1 next ) )函数是第一次对生成器对象调用next ) )，相当于启动生成器。 从生成器函数的第一行代码开始执行，在首次执行yield语句后一直持续到退出生成器函数。
然后，调用next ()，进入生成器函数后，从yield语句的下一个语句开始执行，再执行到yield语句，执行后退出生成器函数。 稍后再次调用next ()，以此类推。 也就是说，next ) )执行一次时，将调用一次生成器函数，直到抛出不可重复的错误。
def fun _ yield (:打印(startingfunyield ) ) while true : res=yield 4打印)确定是否在yield之后继续)、RES ) g=fun 生成器print (函数的结果为生成器)，g ) print ) )也用于此生成器)、print )、print )、print )、print )生成器的返回值)、neer
在程序开始运行后，由于fun_yield具有yield关键字，因此函数并不实际执行，而是先得到实例化生成器对象，然后从结果1中可以看到实际上并不执行。 在调用next ()之前，fun_yield将正式开始执行，首先执行函数的打印(startingfunyield ) )，然后进入while循环。 在结果2中，您可以看到程序遇到了yield关键字，将yield理解为return，return。您没有执行下一个print (确定是否在' yield之后执行)或res (返回)操作。 此时，next ) g )语句已执行完毕，准备执行输出的前两行，然后是第二次调用。 在结果3中，您可以看到您正在运行以下print )，next ) ) g )。 此时与上述相同。 此时，将从上次yield停止的断点开始执行。 也就是说，执行print (确定是否在' yield之后执行)、res )操作。 此时，请注意赋值操作的右侧没有值()。因为刚才那个是return出去了，所以没有在赋值操作的左侧传递参数。 也就是说，res没有内容)。 因此，此时res赋值为None，所以接在下一个输出之后的是None。 结果4显示，后续程序将继续在while中运行，并再次碰撞yield。 此时也同样，return给出4，结果5为说明：
了解yield、return和generator之间的关系和差异：带yield的函数是生成器函数，直接使用并不实际执行，而是返回实例化的生成器对象。 在每次通过generator反复后，从yield返回的数据python提供生成器的方法next(next ) )相当于在"下一步骤"生成哪个数，此次的next ) )开始的地方在上次的yield之后next ) )时，生成器不是从头开始执行函数，而是在上次停止的位置之后开始，如果遇到yield，则返回表达式，此步骤结束。 2.2 send (函数send ) (函数和next ) (函数其实很相似。 唯一的区别是send ) )函数可以传递值，但next ) )函数不能传递值。 可以这样说。
第一次调用next(f )=f.send (None ) )时，不能使用send )发送非none值。 否则，将出现错误，因为没有接收此值的yield语句。
举个例子：
def fun _ yield (:打印(startingfunyield ) ) while true : res=yield 4打印)确定是否在yield之后继续)、RES ) g=fun 生成器print ('函数的结果是生成器(，g ) print ) )是调用该生成器，还是调用)、print )、print )、print )、next )、g ) )
))print("第三次调用")print("生成器的返回值",g.send(3))主要变化：
之前res的值是None，现在变成1，2，3，因为send是发送参数给res，因为上面讲到，return的时候，并没有把4赋值给res，下次执行的时候只好继续执行赋值操作，只好赋值为None了。
如果用send的话，出现的情况是，先接着上一次（yield 4之后）执行，先把接受到的1，2，3等赋值给了res，然后执行打印的作用，程序执行再次遇到yield关键字，yield会返回后面的值后，程序再次暂停，直到再次调用next()方法或send()方法。
注意：
生成器在迭代的过程中可以改变当前迭代值，而修改普通迭代器的当前迭代值往往会发生异常，影响程序的执行。（因为生成器有send()方法）
def myList(num): # 定义生成器 now = 0 # 当前迭代值，初始为0 while now < num: val = (yield now) # 返回当前迭代值，并接受可能的send发送值； now = now + 1 if val is None else val # val为None，迭代值自增1，否则重新设定当前迭代值为val my_list = myList(5) # 得到一个生成器对象print my_list.next() # 返回当前迭代值print my_list.next()my_list.send(3) # 重新设定当前的迭代值print my_list.next() 3 常用的代码例子 3.1 例子1 输出斐波那契数列的前N个数（比较常用的使用方式）调用fab(5)不会执行fab函数，而是返回一个generator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 b时，fab函数就返回一个迭代值，下次迭代时，代码从yield b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。
def fab(max): n, a, b = 0, 0, 1 while n < max: yield b # 使用 yield a, b = b, a + b n = n + 1for n in fab(5): print(n,end = " ") f = fab(5)print(next(f))print(next(f))print(next(f))print(next(f))print(next(f))print(next(f)) 3.2 例子2 使用types和inspect库判断是否为生成器或生成器函数（关于类型判断的说明） def fab(max): n, a, b = 0, 0, 1 while n < max: yield b # 使用 yield a, b = b, a + b n = n + 1from inspect import isgeneratorfunctionprint(isgeneratorfunction(fab))print(isgeneratorfunction(fab(5)))import types print(isinstance(fab, types.GeneratorType) )print(isinstance(fab(5), types.GeneratorType))要注意区分fab和fab(5)
fab是一个generator function，而fab(5)是调用generator function返回的一个generator，好比类的定义和类的实例的区别，fab是无法迭代的，而fab(5)是可迭代的。
3.3 例子3 多个生成器不影响每次调用含有yield的函数行成一个新的generator实例，各实例互不影响。
def fab(max): n, a, b = 0, 0, 1 while n < max: yield b # 使用 yield a, b = b, a + b n = n + 1from inspect import isgeneratorfunctionf1 = fab(3) f2 = fab(5) print("f1:",next(f1))print("f2:",next(f2))print("f1:",next(f1))print("f2:",next(f2))print("f1:",next(f1))print("f2:",next(f2))print("f2:",next(f2))print("f2:",next(f2)) 3.4 例子4 文件读取如果直接对文件对象调用read()方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过yield，不再需要编写读文件的迭代类，就可以轻松实现文件读取：
def read_file(fpath): BLOCK_SIZE = 1024 with open(fpath, 'rb') as f: while True: block = f.read(BLOCK_SIZE) if block: yield block else: return 4 yield 优势Python 2 中的一个特性：内建函数 range 和 xrange。其中，range 函数返回的是一个列表，而 xrange 返回的是一个迭代器。在 Python 3 中，range 相当于 Python 2 中的 xrange；而 Python 2 中的 range 可以用 list(range()) 来实现。
Python做出如下的优化主要原因就是：如果用List的话，会占用更大的空间。这个时候在python2中range(1000)就默认生成一个含有1000个数的list了，所以很占内存。
for n in range(1000): a=n这个时候可以用yield组合成生成器实现
def foo(num): print("starting...") while num<10: num=num+1 yield numfor n in foo(0): print(n,end=" ")之所以要提供这样的解决方案，是因为在很多时候，只是需要逐个顺序访问容器内的元素。大多数时候，不需要一口气获取容器内所有的元素。比方说，顺序访问容器内的前 5 个元素，可以有两种做法：
获取容器内的所有元素，然后取出前 5 个；从头开始，逐个迭代容器内的元素，迭代 5 个元素之后停止。显而易见，如果容器内的元素数量非常多（比如有 10 ** 8 个），或者容器内的元素体积非常大，那么后一种方案能节省巨大的时间、空间开销。
现在假设，有一个函数，其产出（返回值）是一个列表。而若知道，调用者对该函数的返回值，只有逐个迭代这一种方式。那么，如果函数生产列表中的每一个元素都需要耗费非常多的时间，或者生成所有元素需要等待很长时间，则使用 yield 把函数变成一个生成器函数，每次只产生一个元素，就能节省很多开销了。
LAST 参考文献python中yield的用法详解——最简单，最清晰的解释_mieleizhi0522的博客-CSDN博客_yield
Python yield 使用浅析 | 菜鸟教程
如何理解Python中的yield用法? - 知乎
python的yield和yield from - 华为云
Python 中的黑暗角落（一）：理解 yield 关键字 | 始终