如果你刚入门 Python，你可能之前没有遇到过yield。虽然它看起来很奇怪，但它是你编码工具库中的一个重要工具。在成为 Python 大师的道路上，你必须掌握它。
假设有一个函数，它可以一次性生成一系列值，比如一个整数列表或字符串列表等。这个函数的作用就是立即返回一个完整的值集合。
# 返回列表的函数示例
def return_list ( limit ):
result = []
for i in range ( 1 , limit + 1 ):
result.append(i)
return result
# 生成值列表
my_list = return_list( 5 )
print (my_list)
这种函数就像一位高效的图书管理员,一次性为你提供整个数据目录。当你需要预先获取整个值序列时，这种方式会很有用。
在这里，最重要的是内存分配问题(与yield函数相比)。当你调用返回列表的函数时，它会首先在内存中创建包含所有值的列表，再将整个列表返回给调用者。
这就意味着你必须有足够的内存来存储整个列表。但如果你需要生成一个包含数百万个项目的大型序列呢？这时，生成器函数就派上用场了。
接下来，我们来看一个场景,你需要动态生成一个任意大小的值序列。在这种情况下，生成器函数提供了一种更加节俭、按需生成的方法。
# 返回生成器的函数示例
def Yield_values ( Limit ):
count = 1
while count <= limit:
Yield count
count += 1
# 按需生成值
my_gen = Yield_values( 5 )
for num in my_gen:
print (num)
相比之下,生成器函数更像是一位高效的助手，可以根据需求逐步创建值。当需要节省内存或处理无限长序列时，这种方式会更加高效。
生成器函数不需要事先把整个序列存储在内存中，而是通过 yield 关键字按需生成各个值，再返回给调用者。
比较两者：
内存占用：返回列表一次性为整个序列分配内存，而生成器动态生成，节省内存。
性能表现：返回列表可快速提供全部数据,适用于需要提前获取整个序列的场景。生成器按需生成,节省资源,适合处理长序列或无限序列。
使用便利性：返回列表操作简单，一次获取全部数据。生成器引入动态元素，需要循环遍历yield出的各个值。
# 生成一个正方形列表
def generate_square_list ( limit ):
result = [x** 2 for x in range ( 1 , limit + 1 )]
return result
# 利用列表
squares = generate_square_list( 5 )
print (squares)
# 动态生成斐波那契数
def fibonacci_sequence ( limit ):
a, b = 0 , 1
count = 0
while count < limit:
Yield a
a, b = b, a + b
count += 1
# 利用生成器
fib_gen = fibonacci_sequence( 5 )
for num in fib_gen:
print (num)
更多每日开发小技巧
尽在****未闻 Code Telegram Channel !
END
未闻 Code·知识星球开放啦！
一对一答疑爬虫相关问题
职业生涯咨询
面试经验分享
每周直播分享
......
未闻 Code·知识星球期待与你相见~
一二线大厂在职员工
十多年码龄的编程老鸟
国内外高校在读学生
中小学刚刚入门的新人
在“未闻 Code技术交流群”等你来！
入群方式：添加微信“mekingname”，备注“粉丝群”（谢绝广告党，非诚勿扰！)