Python 中 yeild 的用法
1. yeild 介绍
yield 是 Python 的一个关键字，用于从一个函数中返回一个生成器（generator）。生成器是一种特殊类型的迭代器，它允许你延迟计算结果，这在处理大数据或者创建复杂数据结构时特别有用，因为你不需要一次性将所有的数据都存储在内存中。
一个使用 yield 的函数会被称为生成器函数。这种函数并不直接返回一个值，而是生成一系列的值。每次调用这个生成器函数，它会从上次离开的地方继续执行，并且可以产生许多结果，而不是单个值。
2. yeild 案例
以下是一个简单的使用 yield 的例子
def simple_generator():
yield 1
yield 2
yield 3
> 使用生成器
for num in simple_generator():
print(num)
输出：
1
2
3
在上面的例子中，simple_generator 是一个生成器函数，它生成了三个值：1, 2, 和 3。在 for 循环中，每次迭代都会从生成器中获取一个新的值。
可以想象，每当 yield 被调用时，函数会生成一个新的值，然后暂停执行。当下一个值被请求时（例如，在 for 循环中的下一次迭代），函数会从上次离开的地方恢复执行，再次运行到 yield 语句，然后再次暂停。
这就是 yield 的基本用法。它在处理大数据集或创建复杂的数据结构时特别有用，因为它允许你按需生成和处理数据，而不是一次性生成所有数据并一次性处理所有数据，这样可以大大节省内存。
3. 简单的例子对比yeild和常规函数
当然，让我们通过一个简单的例子来展示 yield 的用法，以及与常规函数返回一个完整列表的区别。
首先，让我们创建一个常规的函数，该函数将返回一个列表，其中包含从0到n的所有数字：
def create_numbers(n):
num_list = []
for i in range(n):
num_list.append(i)
return num_list
nums = create_numbers(5)
for num in nums:
print(num)
此函数将创建一个包含所有数字的列表，然后返回这个列表。如果 n 非常大，那么列表将占用大量内存。
现在，我们使用 yield 关键字改写这个函数，使其成为一个生成器：
def create_numbers(n):
for i in range(n):
yield i
nums = create_numbers(5)
for num in nums:
print(num)
在这个版本的函数中，我们并没有一次性创建一个完整的列表。相反，我们使用 yield 关键字，在每次迭代时生成下一个数字。这种方法对内存的利用更高效，因为我们并不需要在内存中一次性存储所有的数字。无论 n 多大，这个生成器在任何时候都只会产生一个数字。
当你需要处理大量数据时，这种方式特别有用。它允许你创建一个不会因数据量太大而耗尽内存的数据流。这也是生成器与常规函数的主要区别。
4. 复杂的例子说明yeild 与普通函数的差异
下面让我们使用一个更复杂的例子来说明 yield 和普通函数之间的差异。
假设我们要生成一个斐波那契数列，其中每个数字都是前两个数字的和。假设我们要生成前 N 个斐波那契数。
以下是使用普通函数生成斐波那契数列的方法：
def fibonacci(n):
nums = []
a, b = 0, 1
while len(nums) < n:
nums.append(b)
a, b = b, a + b
return nums
print(fibonacci(10)) # 输出: [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
这个函数会一次性生成所有的斐波那契数，并将它们存储在一个列表中。这意味着所有的数都将同时存在于内存中。
现在，让我们尝试使用一个生成器来完成同样的任务：
def fibonacci(n):
yield 1
if n > 1:
a, b = 1, 1
while n > 1:
a, b = b, a + b
yield a
n -= 1
print(list(fibonacci(10))) # 输出: [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
这个生成器会一次生成一个斐波那契数，每次你从生成器请求一个数时，它都会计算出新的数并返回。这意味着在任何时候，只有一个斐波那契数存在于内存中。
如果你要生成的斐波那契数非常多（例如，几百万个），那么生成器版本的函数将大大节省内存。此外，如果你只需要迭代而不需要所有的斐波那契数，那么使用生成器可以让你的代码更加高效。
