精通 Python yield：生成器 vs return 实战指南

精通 Python yield：生成器 vs return 实战指南

什么是 Python yield？

yield 关键字行为类似 return，但不立即返回值，而是返回一个可迭代的生成器对象。调用包含 yield 的函数时，执行在第一个 yield 处暂停，将控制权交还给调用者并返回生成器。后续调用 next() 或 for 循环会从该点恢复执行，产出下一个值。

核心要点

• yield 创建生成器，实现惰性求值。
• 生成器对大型或无限序列内存高效。
• 可用 for-in、list() 或 next() 读取生成器。
• 生成器耗尽后不可复用；需再次调用函数。

语法

yield expression

实战示例：简单的 yield

def test_yield():
    yield "Welcome to Guru99 Python Tutorials"

output = test_yield()
print(output)

输出：

<generator object test_yield at 0x00000028265EB9A8>

生成器对象持有产出的值。要访问它，需迭代：

for value in output:
    print(value)

输出：

Welcome to Guru99 Python Tutorials

生成器详解

生成器函数是返回可迭代生成器对象的特殊函数。与普通函数返回单个值不同，生成器惰性产出值序列，仅在请求时生成每个值。

创建生成器函数

def generator_example():
    yield "H"
    yield "E"
    yield "L"
    yield "L"
    yield "O"

for letter in generator_example():
    print(letter)

输出：

H
E
L
L
O

普通函数 vs 生成器函数

对比以下两函数：

# 普通函数
def normal_test():
    return "Hello World"

# 生成器函数
def generator_test():
    yield "Hello World"

print(normal_test())      # → Hello World
print(generator_test())   # → <generator object generator_test>

普通函数在 return 处终止；生成器在 yield 处暂停，将控制权连同生成器对象交还调用者。

消费生成器

可通过以下方式从生成器拉取值：

• for-in 循环
• list() 实例化所有值
• next() 手动逐步

示例：偶数生成器

def even_numbers(n):
    for x in range(n):
        if x % 2 == 0:
            yield x

print(list(even_numbers(10)))  # → [0, 2, 4, 6, 8]

使用 for-in

for num in even_numbers(10):
    print(num)

输出：

0
2
4
6
8

使用 next()

gen = even_numbers(10)
for _ in range(6):
    try:
        print(next(gen))
    except StopIteration:
        print("End of generator")

输出：

0
2
4
6
8
End of generator

生成器一次性用完即止

生成器完全迭代后即耗尽。再次迭代无产出，除非重新调用生成器函数。

gen = even_numbers(10)
for num in gen:
    print(num)
print(list(gen))  # → []

yield 实战：斐波那契数列

def fibonacci_series(limit):
    a, b = 0, 1
    count = 0
    while count < limit:
        yield a
        a, b = b, a + b
        count += 1

fib = fibonacci_series(7)
for num in fib:
    print(num)

输出：

0
1
1
2
3
5
8

调用包含 yield 的函数

下例用辅助函数求平方，生成器产出每个结果。

def square(n):
    return n * n

def square_range(n):
    for i in range(n):
        yield square(i)

for value in square_range(10):
    print(value)

输出：

0
1
4
9
16
25
36
49
64
81

何时用 yield 而非 return

• 处理大量或流式数据，一次性加载所有项不切实际。
• 生成潜在无限序列（如惰性文件读取器）。
• 改善大数据集的内存占用和启动时间。
• 需要暂停和恢复计算，而非仅返回最终值。

Yield vs Return – 快速参考

核心要点

• yield 产生生成器对象，而非值。
• 生成器惰性传递值，内存占用极小。
• 可通过 for-in、list() 或 next() 读取值。
• 耗尽后需重新调用函数复用。
• 大数据或流式场景下 yield 优于 return。