以下文章摘自代码领悟
提问
Python中yield关键字有什么用？ 它能做什么？
例如，我试图理解这段代码1:
def _get_child_candidates(self, distance, min_dist, max_dist):
if self._leftchild and distance - max_dist < self._median:
yield self._leftchild
if self._rightchild and distance + max_dist >= self._median:
yield self._rightchild
回答
要了解yield的作用，您必须了解生成器是什么。 在了解生成器之前，您必须了解iterables。
迭代器
创建列表时，您可以逐个读取其项目。 逐个读取其项称为迭代:
mylist = [1, 2, 3]
for i in mylist:
... print(i)
1
2
3
mylist是一个可迭代的。 当您使用列表理解时，您创建了一个列表，因此一个可迭代的：
mylist = [x*x for x in range(3)]
for i in mylist:
... print(i)
0
1
4
您可以使用"for... in..."的所有内容都是可迭代的;lists，strings，文件。..
这些iterables很方便，因为您可以随心所欲地读取它们，但是您将所有值存储在内存中，当您有很多值时，这并不总是您想要的。
发电机
生成器是迭代器，一种可迭代的你只能迭代一次。 生成器不会将所有值存储在内存中，它们会动态生成值:
mygenerator = (x*x for x in range(3))
for i in mygenerator:
... print(i)
0
1
4
除了你使用()而不是[]之外，它是一样的。 但是，您不能第二次执行for i in mygenerator，因为生成器只能使用一次：它们计算0，然后忘记它并计算1，并结束计算4，一个接一个。
产量
yield是一个像return一样使用的关键字，除了函数将返回一个生成器。
def create_generator():
... mylist = range(3)
... for i in mylist:
... yield i*i
...
mygenerator = create_generator() # create a generator
print(mygenerator) # mygenerator is an object!
<generator object create_generator at 0xb7555c34>
for i in mygenerator:
... print(i)
0
1
4
这里是一个无用的例子，但是当你知道你的函数将返回一组巨大的值时，它很方便，你只需要读取一次。
要掌握yield，您必须了解当您调用函数时，您在函数体中编写的代码不会运行。函数只返回生成器对象，这有点棘手。
然后，您的代码将从每次for使用生成器时停止的位置继续。
现在最难的部分:
当for第一次调用从你的函数创建的生成器对象时，它将从一开始就在你的函数中运行代码，直到它点击yield，然后它将返回循环的第一个值。 然后，每个后续调用都将运行您在函数中编写的循环的另一个迭代，并返回下一个值。 这将继续下去，直到生成器被认为是空的，这发生在函数运行而没有击中yield时。 这可能是因为循环已经结束，或者因为你不再满足an"if/else"。
你的代码解释
发生器：
Here you create the method of the node object that will return the generator
def _get_child_candidates(self, distance, min_dist, max_dist):
# Here is the code that will be called each time you use the generator object:
# If there is still a child of the node object on its left
# AND if the distance is ok, return the next child
if self._leftchild and distance - max_dist < self._median:
yield self._leftchild
# If there is still a child of the node object on its right
# AND if the distance is ok, return the next child
if self._rightchild and distance + max_dist >= self._median:
yield self._rightchild
# If the function arrives here, the generator will be considered empty
# there is no more than two values: the left and the right children
调用者：
Create an empty list and a list with the current object reference
result, candidates = list(), [self]
Loop on candidates (they contain only one element at the beginning)
while candidates:
# Get the last candidate and remove it from the list
node = candidates.pop()
# Get the distance between obj and the candidate
distance = node._get_dist(obj)
# If distance is ok, then you can fill the result
if distance <= max_dist and distance >= min_dist:
result.extend(node._values)
# Add the children of the candidate in the candidate's list
# so the loop will keep running until it will have looked
# at all the children of the children of the children, etc. of the candidate
candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))
return result
此代码包含几个智能部分:
循环在列表上迭代，但在循环迭代时列表会扩展。 这是一种简洁的方式来遍历所有这些嵌套数据，即使它有点危险，因为你最终可能会有一个无限循环。 在这种情况下，candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))耗尽了生成器的所有值，但是while不断创建新的生成器对象，这些对象将产生与以前的值不同的值，因为它不在同一个节点上应用。
extend()方法是一个列表对象方法，它期望一个可迭代的，并将其值添加到列表中。
通常我们会传递一个列表给它:
a = [1, 2]
b = [3, 4]
a.extend(b)
print(a)
[1, 2, 3, 4]
但是在你的代码中，它得到了一个生成器，这很好，因为:
您不需要读取两次值。
你可能有很多孩子，你不希望他们都存储在内存中。
它的工作原理是因为Python不关心方法的参数是否是列表。 Python需要迭代器，因此它将与字符串、列表、元组和生成器一起工作！ 这被称为duck typing，也是Python如此酷的原因之一。 但这是另一个故事，另一个问题。..
你可以在这里停下来，或者读一点，看看生成器的高级使用:
控制发电机耗尽
class Bank(): # Let's create a bank, building ATMs
... crisis = False
... def create_atm(self):
... while not self.crisis:
... yield "100
print(corner_street_atm.next())
100', '
100', '
hsbc.crisis = True # Crisis is coming, no more money!
print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
wall_street_atm = hsbc.create_atm() # It's even true for new ATMs
print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
hsbc.crisis = False # The trouble is, even post-crisis the ATM remains empty
print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
brand_new_atm = hsbc.create_atm() # Build a new one to get back in business
for cash in brand_new_atm:
... print cash
100
a = [1, 2]
>>> b = [3, 4]
>>> a.extend(b)
>>> print(a)
[1, 2, 3, 4]
但是在你的代码中，它得到了一个生成器，这很好，因为:
您不需要读取两次值。
你可能有很多孩子，你不希望他们都存储在内存中。
它的工作原理是因为Python不关心方法的参数是否是列表。 Python需要迭代器，因此它将与字符串、列表、元组和生成器一起工作！ 这被称为duck typing，也是Python如此酷的原因之一。 但这是另一个故事，另一个问题。..
你可以在这里停下来，或者读一点，看看生成器的高级使用:
控制发电机耗尽
>>> class Bank(): # Let's create a bank, building ATMs
... crisis = False
... def create_atm(self):
... while not self.crisis:
... yield "100
>>> print(corner_street_atm.next())
100', '
>>> hsbc.crisis = True # Crisis is coming, no more money!
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # It's even true for new ATMs
>>> print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # The trouble is, even post-crisis the ATM remains empty
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # Build a new one to get back in business
>>> for cash in brand_new_atm:
... print cash
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() for cash in range(5)])
['100
...
注意：对于Python3，使用print(corner_street_atm.next())或print(next(corner_street_atm))
它对于控制对资源的访问等各种事情都很有用。
Itertools，你最好的朋友
itertools模块包含用于操作iterables的特殊函数。 曾经想复制一个发电机吗? 链两个发电机？ 在一个单行嵌套列表中分组值? Map / Zip不创建另一个列表？
那么就import itertools。
一个例子？ 让我们来看看四匹马比赛的可能到达顺序:
horses = [1, 2, 3, 4]
races = itertools.permutations(horses)
print(races)
<itertools.permutations object at 0xb754f1dc>
print(list(itertools.permutations(horses)))
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())
>>> print([corner_street_atm.next() for cash in range(5)])
['
...
注意：对于Python3，使用print(corner_street_atm.next())或print(next(corner_street_atm))
它对于控制对资源的访问等各种事情都很有用。
Itertools，你最好的朋友
itertools模块包含用于操作iterables的特殊函数。 曾经想复制一个发电机吗? 链两个发电机？ 在一个单行嵌套列表中分组值? Map / Zip不创建另一个列表？
那么就import itertools。
一个例子？ 让我们来看看四匹马比赛的可能到达顺序:
>>> horses = [1, 2, 3, 4]
>>> races = itertools.permutations(horses)
>>> print(races)
<itertools.permutations object at 0xb754f1dc>
>>> 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),
print(corner_street_atm.next())
>>> print([corner_street_atm.next() for cash in range(5)])
['
...
注意：对于Python3，使用print(corner_street_atm.next())或print(next(corner_street_atm))
它对于控制对资源的访问等各种事情都很有用。
Itertools，你最好的朋友
itertools模块包含用于操作iterables的特殊函数。 曾经想复制一个发电机吗? 链两个发电机？ 在一个单行嵌套列表中分组值? Map / Zip不创建另一个列表？
那么就import itertools。
一个例子？ 让我们来看看四匹马比赛的可能到达顺序:
>>> horses = [1, 2, 3, 4]
>>> races = itertools.permutations(horses)
>>> print(races)
<itertools.permutations object at 0xb754f1dc>
>>> 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)]
print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # It's even true for new ATMs
>>> print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # The trouble is, even post-crisis the ATM remains empty
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # Build a new one to get back in business
>>> for cash in brand_new_atm:
... print cash
$100
...
注意：对于Python3，使用print(corner_street_atm.next())或print(next(corner_street_atm))
它对于控制对资源的访问等各种事情都很有用。
Itertools，你最好的朋友
itertools模块包含用于操作iterables的特殊函数。 曾经想复制一个发电机吗? 链两个发电机？ 在一个单行嵌套列表中分组值? Map / Zip不创建另一个列表？
那么就import itertools。
一个例子？ 让我们来看看四匹马比赛的可能到达顺序:
>>> horses = [1, 2, 3, 4]
>>> races = itertools.permutations(horses)
>>> print(races)
<itertools.permutations object at 0xb754f1dc>
>>> 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)]
理解迭代的内在机制
迭代是一个隐含iterables（实现iter()方法）和iterators（实现next()方法）的过程。 Iterables是您可以从中获取迭代器的任何对象。 迭代器是允许您迭代可迭代对象的对象。
在这篇文章中有更多关于for循环如何工作的内容。
