Python中yield的解釋

wklken發表於2015-12-13

翻譯

來源於stackoverflow問答，原文連結 Here

SN上面看到的，順手翻譯下，第一次翻譯，好多地方翻的不是很好 :)

問題:

Python中yield關鍵字的作用是什麼？它做了什麼？

1	Python中yield關鍵字的作用是什麼？它做了什麼？

例如，我想理解以下程式碼

def node._get_child_candidates(self, distance, min_dist, max_dist):
    if self._leftchild and distance - max_dist = self._median:
        yield self._rightchild

def node._get_child_candidates(self, distance, min_dist, max_dist):

if self._leftchild and distance - max_dist = self._median:

yield self._rightchild

下面是呼叫者

result, candidates = list(), [self]
while candidates:
    node = candidates.pop()
    distance = node._get_dist(obj)
    if distance = min_dist:
        result.extend(node._values)
    candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))
return result

result, candidates = list(), [self]

while candidates:

node = candidates.pop()

distance = node._get_dist(obj)

if distance = min_dist:

result.extend(node._values)

candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))

return result

在_get_child_candidates這個函式被呼叫時發生了什麼？返回了一個列表？還是隻返回了一個元素？然後又再次被呼叫？什麼時候呼叫結束？

這段程式碼的來源 Jochen Schulz (jrschulz), who made a great Python library for metric spaces. 完整原始碼連結: here

要了解yield的作用，你必須先明白什麼是生成器，在此之前，你需要了解什麼是可迭代物件（可迭代序列）

迭代

你可以建立一個列表，然後逐一遍歷，這就是迭代

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

>>> mylist = [1, 2, 3]

>>> for i in mylist:

... print(i)

mylist是可迭代的物件，當你使用列表解析時，你建立一個列表,即一個可迭代物件

>>> mylist = [x*x for x in range(3)]
>>> for i in mylist:
...    print(i)
0
1
4

>>> mylist = [x*x for x in range(3)]

>>> for i in mylist:

... print(i)

任何你可用 “for… in…” 處理的都是可迭代物件：列表，字串，檔案….
這些迭代物件非常便捷，因為你可以儘可能多地獲取你想要的東西

但，當你有大量資料並把所有值放到記憶體時，這種處理方式可能不總是你想要的
(but you store all the values in memory and it’s not always what you want when you have a lot of values.)

生成器

生成器是迭代器，但你只能遍歷它一次(iterate over them once)
因為生成器並沒有將所有值放入記憶體中，而是實時地生成這些值

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

>>> mygenerator = (x*x for x in range(3))

>>> for i in mygenerator:

... print(i)

這和使用列表解析地唯一區別在於使用()替代了原來的[]

注意，你不能執行for i in mygenerator第二次，因為每個生成器只能被使用一次: 計算0，並不保留結果和狀態，接著計算1，然後計算4，逐一生成

yield

yield是一個關鍵詞，類似return, 不同之處在於，yield返回的是一個生成器

>>> def createGenerator():
...    mylist = range(3)
...    for i in mylist:
...        yield i*i
...
>>> mygenerator = createGenerator() # create a generator
>>> print(mygenerator) # mygenerator is an object!

>>> for i in mygenerator:
...     print(i)
0
1
4

>>> def createGenerator():

... mylist = range(3)

... for i in mylist:

... yield i*i

...

>>> mygenerator = createGenerator() # create a generator

>>> print(mygenerator) # mygenerator is an object!

>>> for i in mygenerator:

... print(i)

這個例子並沒有什麼實際作用,僅說明當你知道你的函式將產生大量僅被讀取一次的資料時,使用生成器將是十分有效的做法

要掌握yield,你必須明白 – 當你呼叫這個函式，函式中你書寫的程式碼並沒有執行。這個函式僅僅返回一個生成器物件

這有些狡猾 :-)

然後，在每次for迴圈使用生成器時,都會執行你的程式碼

然後，是比較困難的部分：

第一次函式將會從頭執行，直到遇到yield，然後將返回迴圈的首個值. 然後，每次呼叫，都會執行函式中的迴圈一次，返回下一個值，直到沒有值可以返回

當迴圈結束，或者不滿足”if/else”條件，導致函式執行但不命中yield關鍵字，此時生成器被認為是空的

問題程式碼的解釋

生成器:

# 這你你建立了node的能返回生成器的函式
def node._get_child_candidates(self, distance, min_dist, max_dist):

# 這裡的程式碼你每次使用生成器物件都會呼叫

# 如果node節點存在左子節點,且距離沒問題，返回該節點
if self._leftchild and distance - max_dist = self._median:
                yield self._rightchild

# 如果函式執行到這裡，生成器空，該節點不存在左右節點

# 這你你建立了node的能返回生成器的函式

def node._get_child_candidates(self, distance, min_dist, max_dist):

# 這裡的程式碼你每次使用生成器物件都會呼叫

# 如果node節點存在左子節點,且距離沒問題，返回該節點

if self._leftchild and distance - max_dist = self._median:

yield self._rightchild

# 如果函式執行到這裡，生成器空，該節點不存在左右節點

呼叫者:

# 建立一個空列表，一個包含當前候選物件引用的列表
result, candidates = list(), [self]

# 當前候選非空，迴圈(開始時僅有一個元素)
while candidates:

    # 從候選列表取出最後一個元素作為當前節點
    node = candidates.pop()

    # 獲取obj和當前節點距離
    distance = node._get_dist(obj)

    # 如果距離滿足條件，將節點值加入結果列表
    if distance = min_dist:
        result.extend(node._values)

    # 獲取節點的子節點，加入到候選列表，回到迴圈開始, 這裡使用了生成器
    candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))
    # 注意這裡extend會反覆呼叫獲取到所有生成器返回值

return result

# 建立一個空列表，一個包含當前候選物件引用的列表

result, candidates = list(), [self]

# 當前候選非空，迴圈(開始時僅有一個元素)

while candidates:

# 從候選列表取出最後一個元素作為當前節點

node = candidates.pop()

# 獲取obj和當前節點距離

distance = node._get_dist(obj)

# 如果距離滿足條件，將節點值加入結果列表

if distance = min_dist:

result.extend(node._values)

# 獲取節點的子節點，加入到候選列表，回到迴圈開始, 這裡使用了生成器

candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))

# 注意這裡extend會反覆呼叫獲取到所有生成器返回值

return result

這段程式碼包含幾個靈活的部分:

1.這個迴圈遍讀取歷候選列表,但過程中，候選列表不斷擴充套件:-)

這是一種遍歷巢狀資料的簡明方法，雖然有些危險，你或許會陷入死迴圈中

在這個例子中， candidates.extend(node._get_child_candidates(distance, min_dist, max_dist)) 讀取了生成器產生的所有值, 同時while迴圈產生新的生成器物件加入到列表，因為每個物件作用在不同節點上，所以每個生成器都將生成不同的值

2.列表方法extend() 接收一個生成器，生成器的所有值被新增到列表中

通常，我們傳一個列表作為引數:

>>> a = [1, 2]
>>> b = [3, 4]
>>> a.extend(b)
>>> print(a)
[1, 2, 3, 4]

>>> a = [1, 2]

>>> b = [3, 4]

>>> a.extend(b)

>>> print(a)

[1, 2, 3, 4]

但是，在程式碼中，這個函式接受到一個生成器

這樣的做法好處是:

1.你不需要重複讀這些值

2.你可能有海量的子節點，但是不希望將所有節點放入記憶體

並且，可以這麼傳遞生成器作為引數的原因是，Python不關心引數是一個方法還是一個列表

Python接收可迭代物件，對於字串，列表，元組還有生成器，都適用!

這就是所謂的“鴨子型別”(duck typing), 這也是Python如此酷的原因之一, 但這是另一個問題了，對於這個問題……

你可以在這裡完成閱讀，或者讀一點點生成器的進階用法:

控制一個生成器的消耗

>>> class Bank(): # let's create a bank, building ATMs
...    crisis = False
...    def create_atm(self):
...        while not self.crisis:
...            yield "$100"
>>> hsbc = Bank() # when everything's ok the ATM gives you as much as you want
>>> corner_street_atm = hsbc.create_atm()
>>> print(corner_street_atm.next())
$100
>>> print(corner_street_atm.next())
$100
>>> print([corner_street_atm.next() for cash in range(5)])
['$100', '$100', '$100', '$100', '$100']
>>> hsbc.crisis = True # crisis is coming, no more money!
>>> print(corner_street_atm.next())

>>> wall_street_atm = hsbc.create_atm() # it's even true for new ATMs
>>> print(wall_street_atm.next())

>>> hsbc.crisis = False # trouble is, even post-crisis the ATM remains empty
>>> print(corner_street_atm.next())

>>> brand_new_atm = hsbc.create_atm() # build a new one to get back in business
>>> for cash in brand_new_atm:
...    print cash
$100
$100
$100
$100
$100
$100
$100
$100
$100
...

>>> class Bank(): # let's create a bank, building ATMs

... crisis = False

... def create_atm(self):

... while not self.crisis:

... yield "$100"

>>> hsbc = Bank() # when everything's ok the ATM gives you as much as you want

>>> corner_street_atm = hsbc.create_atm()

>>> print(corner_street_atm.next())

$100

>>> print(corner_street_atm.next())

$100

>>> print([corner_street_atm.next() for cash in range(5)])

['$100', '$100', '$100', '$100', '$100']

>>> hsbc.crisis = True # crisis is coming, no more money!

>>> print(corner_street_atm.next())

>>> wall_street_atm = hsbc.create_atm() # it's even true for new ATMs

>>> print(wall_street_atm.next())

>>> hsbc.crisis = False # trouble is, even post-crisis the ATM remains empty

>>> print(corner_street_atm.next())

>>> brand_new_atm = hsbc.create_atm() # build a new one to get back in business

>>> for cash in brand_new_atm:

... print cash

$100

...

這在很多場景都非常有用，例如控制資源的獲取

Itertools

一個很好的工具

itertools模組包含很多處理可迭代物件的具體方法. 例如

複製一個生成器？連線兩個生成器？一行將巢狀列表中值分組？不使用另一個列表進行Map/Zip?
(Ever wish to duplicate a generator? Chain two generators? Group values in a nested list with a one liner? Map / Zip without creating another list?)

只需要使用itertools模組

一個例子，4匹馬賽跑的可能抵達順序

>>> 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)]

>>> 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)]

瞭解迭代器的內部機制

迭代過程包含可迭代物件(實現__iter__()方法) 和迭代器(實現__next__()方法)

你可以獲取一個迭代器的任何物件都是可迭代物件，迭代器可以讓你迭代遍歷一個可迭代物件(Iterators are objects that let you iterate on iterables.) [好拗口:]

更多關於這個問題的 how does the for loop work

如果你喜歡這個回答，你也許會喜歡我關於 decorators 和 metaclasses 的解釋

打賞支援我寫出更多好文章，謝謝！
打賞作者

打賞支援我寫出更多好文章，謝謝！

任選一種支付方式

Python中yield的解釋

python中yield的用法詳解——最簡單，最清晰的解釋
2021-03-02
Python
詳解Python中yield生成器的用法
2017-02-19
Python
提高你的Python: 解釋 yield 和 Generators（生成器）
2017-04-10
Python
深入理解python中的yield
2021-09-11
Python
Python Yield Generator 詳解
2017-07-24
Python
Python基礎 - yield 用法詳解
2014-03-05
Python
Python關鍵字yield詳解
2013-01-29
Python
Python 關鍵字 yield 詳解
2013-01-29
Python
python之yield
2017-07-05
Python
Python yield 用法
2012-04-24
Python
Python yield與實現
2016-08-01
Python
Python yield 使用淺析
2013-07-09
Python
Python中的__init__()方法整理中（兩種解釋）
2021-09-09
Python
形象地解釋 Python 中的列表解析
2015-12-29
Python
Python教程：return和yield的區別
2024-04-13
Python
python 關鍵字yield解析
2017-05-24
Python
【轉】Python yield 使用淺析
2016-08-19
Python
python：理解關鍵字—yield
2017-12-19
Python
Python3 中 sys.argv[ ]的用法解釋
2020-10-23
Python
Python中 sys.argv[]的用法簡明解釋
2017-03-24
Python
python中的註釋
2021-09-11
Python
深入理解Python的yield from語法
2018-07-03
Python
python yield和yield from用法總結木槿惜年2013
2020-08-18
Python
Implementing a generator/yield in a Python C extension
2012-08-15
Python
java執行緒中yield(),sleep(),wait()區別詳解
2015-01-12
Java執行緒AI
php中$$str中”$$”的解釋
2015-07-29
PHP
Python學習筆記|Python之yield理解
2018-12-21
Python筆記
將使用yield的python程式改寫成Julia
2017-04-17
Python
C#中yield return用法分析
2015-06-10
C#
PHP中static與yield關鍵字的思考
2019-02-16
PHP
yield next和yield* next的區別
2017-01-23
Python天天美味(25) - 深入理解yield
2013-09-27
Python
【python學習筆記】Python生成器yield
2017-09-18
Python筆記
Python Mixin解釋
2020-11-21
Python
Java中名詞的解釋
2019-01-06
Java
php yield
2019-01-28
PHP
Java執行緒中yield與join方法的區別
2015-02-11
Java執行緒
c# yield關鍵字原理詳解
2020-09-28
C#

Python中yield的解釋

迭代

生成器

yield

問題程式碼的解釋

控制一個生成器的消耗

Itertools

瞭解迭代器的內部機制

打賞支援我寫出更多好文章，謝謝！

相關文章