# Python中关键字yield有什么作用?

为了理解 yield 有什么用，首先得理解 generators，再之前还要理解 iterables

## Iterables

可迭代的，比如创建了一个列表，可以一个一个读取它的每一项，这就叫迭代（iteration）：

```python
>>> mylist = [1, 2, 3]
>>> for i in mylist:
...    print(i)
1
2
3
```

可以用在 `for...in...` 语句中的都是可迭代的，但是必须把它们的值放到内存里，当它们有很多值时就会消耗太多的内存

## Generators

生成器，也是迭代器的一种，但是只能迭代一次，因为它们不是全部存在内存里，只在要调用的时候在内存里生成：

```python
>>> mygenerator = (x*x for x in range(3))
>>> for i in mygenerator:
...    print(i)
0
1
4
```

生成器和迭代器的区别就是用 `()` 代替 `[]`，还有不能用 `for i in mygenerator` 第二次调用生成器，因为每计算完一个值就会丢弃一个值

## Yield

`yield` 用法和 `return` 差不多，下面的函数将会返回一个生成器：

```python
>>> def createGenerator():
...    mylist = range(3)
...    for i in mylist:
...        yield i*i
...
>>> mygenerator = createGenerator() # 创建生成器
>>> print(mygenerator) # mygenerator is an object!
<generator object createGenerator at 0xb7555c34>
>>> for i in mygenerator:
...     print(i)
0
1
4
```

如果函数要返回一个非常大的集合，而你只需要读取一次的话，用这个就很合适了。

这里当你调用函数时，函数里的代码并没有运行，仅仅返回生成器对象。每当 for 语句迭代生成器的时候代码才会运转。

当 `for` 语句第一次调用函数里的生成器对象，函数里的代码就开始运作，直到碰到 `yield`，然后会返回本次循环的第一个返回值。所以下一次调用也将运行一次循环然后返回下一个值，直到没有值可以返回。一旦函数运行没有喷到 yield 语句就认为生成器已经为空了

## 生成器的高级用法：控制迭代器的穷尽

生成器对于一些不断变化的值很有用，比如控制资源的访问：

```python
>>> class Bank(): # 让我们建个银行,生产许多ATM
...    crisis = False
...    def create_atm(self):
...        while not self.crisis:
...            yield "$100"
>>> hsbc = Bank() # 当一切就绪了你想要多少ATM就给你多少
>>> corner_street_atm = hsbc.create_atm()
>>> print([corner_street_atm.next() for cash in range(5)])
['$100', '$100', '$100', '$100', '$100']
>>> hsbc.crisis = True # 经济危机来了没有钱了!
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # 对于其他ATM,它还是True
>>> print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # 麻烦的是,尽管危机过去了,ATM还是空的
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # 只能重新新建一个bank了
>>> for cash in brand_new_atm:
...    print cash
$100
$100
```

## Itertools 模块

该模块包含了一些特殊的函数可以操作可迭代对象，比如复制生成器，链接两个生成器等

```python
>>> 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),
 ....
]
```

## 理解迭代的内部机制

迭代是可迭代对象（对应 `__iter__()` 方法）和迭代器（对应 `__next__()` 方法）的一个过程。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://l1nwatch.gitbook.io/interview_exercise/stackoverflow-about-python/python-zhong-guan-jian-zi-yield-you-shi-mo-zuo-yong.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.