要理解yield的作用，必须先理解什么是生成器。另外，在理解生成器之前，你必须理解_iterables_。Iterable：Iterable创建了一个列表，自然需要能够逐一读取每一个元素。逐项读取其项目的过程称为迭代：>>>mylist=[1,2,3]>>>foriinmylist:...print(i)123mylist是可迭代的。当你使用列表理解时，你正在创建一个列表，因此是可迭代的：>>>mylist=[x*xforxinrange(3)]>>>foriinmylist:...print(i)014All可用于...in...的数据结构是可迭代的；列表、字符串、文件...这些可迭代方法很方便，因为您可以随意读取它们，但是您将所有值存储在内存中，当您有很多值时，这并不总是需要的。Generator：生成器generator也是迭代器的一种，一种特殊的迭代，只能迭代一次。生成器不会将所有值存储在内存中，而是动态生成值：generator:generator,generator,generatorsgenerateelectricitybutdon'tstoreenergy;)>>>mygenerator=(x*xforxinrange(3))>>>foriinmygenerator:...print(i)014只要使用()而不是[]，列表推导就变成了生成器推导。然而，由于一个生成器只能使用一次，所以你不能对foriinmygenerator做第二次：生成器计算0，然后丢弃它，然后计算1，最后计算4。一个典型的盲人打碎玉米。yield：yieldyield关键字的使用方式与return相同，只是该函数将返回一个生成器。>>>defcreateGenerator():...mylist=range(3)...foriinmylist:...yieldi*i...>>>mygenerator=createGenerator()#创建一个生成器>>>print(mygenerator)#mygeneratorisanobject!>>>foriinmygenerator:...print(i)014这个例子本身没什么用，但是当你需要一个函数返回很多的时候ofvalues并且只需要读取时取一次，用yield就方便了。掌握yield，有一点需要明确：调用函数时，写在函数体中的代码不会运行，函数只返回generator对象，初学者容易混淆。第二点要理解的是，每次for使用生成器时，代码都会从它停止的地方继续。现在是困难的部分：第一次调用从您的函数创建的生成器对象时，它将从头开始运行函数中的代码，直到遇到yield，然后它将返回循环的第一个值。然后，每个后续调用将运行您在函数中编写的循环的下一次迭代，返回下一个值。这将一直持续到生成器被认为是空的，这发生在函数运行时没有yield的情况下。那可能是因为循环已经结束，或者因为您不再满足“if/else”。yield:produce,surrender,yield,yield,giveway用代码来说明生成器is会被调用一次：#如果还有左子对象节点，并且距离合适，则返回下一个子对象ifself._leftchildanddistance-max_dist=self._median:yieldself._rightchild#函数执行到这里，认为生成器为空#这里的值最多只有两个：left和rightsub-objectcallercaller:#创建一个空列表，和一个包含当前对象引用结果的列表，candidates=list(),[self]#循环candidates(开头只有一个元素）whilecandidates:#取最后一个candidate，从列表中移除node=candidates.pop()#获取obj和candidate之间的距离distance=node._get_dist(obj)#如果距离合适，填入结果ifdistance<=max_distanddistance>=min_dist:result.extend(node._values)#并将candidate的子元素添加到列表中#循环直到candidate的所有子元素的子元素都被锁定candidates.extend(node._get_child_candidates(distance,min_dist,max_dist))returnresult此代码包含几个智能部分：对于列表循环会迭代，但循环会在迭代时扩展列表:-)这是遍历所有这些嵌套数据的一种巧妙方法，即使它有点危险，因为在这种情况下你可能会遇到无限循环，请候选人。extend(node._get_child_candidates(distance,min_dist,max_dist))穷尽了所有生成器的值，但是在继续创建新的生成器对象的同时，由于它们不是应用于同一个节点，它们会产生与以前的。extend()方法是一个列表对象方法，它需要一个可迭代对象并将其值添加到列表中。通常我们传递一个列表：>>>a=[1,2]>>>b=[3,4]>>>a.extend(b)>>>print(a)[1,2,3,4]但是在上面的代码中，你得到了一个生成器，这更好，因为：不需要两次读取值。可能有很多子元素，你不希望它们都存储在内存中。这是有效的，因为Python不关心方法的参数是否是列表。Python需要可迭代对象，因此它适用于字符串、列表、元组和生成器！这称为鸭子类型，这是Python如此酷的原因之一。但那是另一回事了……控制生产者的疲惫>>>classBank():#找一家银行，弄几台自动取款机……crisis=False……defcreate_atm(self):..whilenotself.crisis:...yield"$100">>>hsbc=Bank()#如果一切顺利，你想要多少ATM，它会给你多少>>>corner_street_atm=hsbc.create_atm()>>>print(corner_street_atm.next())$100>>>print(corner_street_atm.next())$100>>>print([corner_street_atm.next()forcashinrange(5)])['$100','$100','$100','$1??00','$100']>>>hsbc.crisis=True#危机来了，没钱了！>>>print(corner_street_atm.next())>>>wall_street_atm=hsbc.create_atm()#新ATM同样>>>print(wall_street_atm.next())>>>hsbc.crisis=False#危机后ATM中没有钱>>>print(corner_street_atm.next())>>>brand_new_atm=hsbc.create_atm()#Makeanewnewstudent>>>换现金brand_new_atm:...printcash$100$100$100$100$100$100$100$100$100...注意：对于Python3，使用print(corner_street_atm.__next__())或print(next(corner_street_atm))来控制对资源的访问This可以用于Itertools之类的各种东西，你最好的朋友itertools模块包含用于操作可迭代对象的特殊函数。曾经想复制发电机吗？链接两个发电机？用一个衬里嵌套列表中的嵌套值？Map/Zip没有创建另一个列表？然后导入itertools。一个例子？让我们看看四匹马的可能到达顺序：>>>horses=[1,2,3,4]>>>races=itertools.permutations(horses)>>>print(races)>>>print(list(itertools.permutations(horses)))[(1,2,3,4),(1,2,4,3),(1,3,2,4),(1,3,4,2),(1,4,2,3),(1,4,3,2),(2,1,3,4),(2,1,4,3),(2,3,1,4),(2,3,4,1),(2,4,1,3),(2,4,3,1),(3,1,2,4),(3,1,4,2),(3,2,1,4),(3,2,4,1),(3,4,1,2),(3,4,2,1),(4,1,2,3),(4,1,3,2),(4,2,1,3),(4,2,3,1),(4,3,1,2),(4,3,2,1)]理解迭代的内部机制迭代是一个隐含的可迭代对象（实现了__iter__()方法）和迭代器（实现了__next__()方法）的过程。可迭代对象是可以从中获得迭代器的任何对象。迭代器是允许您迭代可迭代对象的对象。
