掌握Python生成器函数（从零开始理解yield与惰性求值）

yield 关键字详解

让我们通过一个简单例子来理解yield：

def simple_generator():    print("第一次 yield 前")    yield 1    print("第二次 yield 前")    yield 2    print("第三次 yield 前")    yield 3# 创建生成器对象gen = simple_generator()# 逐个获取值print(next(gen))  # 输出：第一次 yield 前 \n 1print(next(gen))  # 输出：第二次 yield 前 \n 2print(next(gen))  # 输出：第三次 yield 前 \n 3

注意：调用simple_generator()并不会立即执行函数体，而是返回一个生成器对象。只有在调用next()或在for循环中使用时，函数才会逐步执行。

生成器 vs 普通列表：内存效率对比

假设我们要处理从1到100万的数字。如果使用列表，会一次性占用大量内存；而使用生成器，则只在需要时生成下一个值。

# 普通函数：返回完整列表def get_numbers_list(n):    return [i for i in range(n)]# 生成器函数：逐个产出数字def get_numbers_gen(n):    for i in range(n):        yield i# 内存使用对比（可通过 sys.getsizeof 查看）import syslist_data = get_numbers_list(1000000)gen_data = get_numbers_gen(1000000)print(sys.getsizeof(list_data))  # 可能几百MBprint(sys.getsizeof(gen_data))   # 仅几十字节！

这就是惰性求值的优势：不提前计算所有结果，只在需要时才生成下一个值。

生成器表达式：更简洁的写法

除了生成器函数，Python还支持生成器表达式，语法类似于列表推导式，但使用圆括号()而非方括号[]：

# 列表推导式（立即生成所有值）squares_list = [x**2 for x in range(10)]# 生成器表达式（惰性求值）squares_gen = (x**2 for x in range(10))print(type(squares_gen))  # <class 'generator'>for val in squares_gen:    print(val)  # 逐个打印平方数

实际应用场景

• 读取大文件时逐行处理，避免内存溢出
• 生成无限序列（如斐波那契数列）
• 数据管道（pipeline）处理：多个生成器串联过滤/转换数据

# 斐波那契生成器（无限序列）def fibonacci():    a, b = 0, 1    while True:        yield a        a, b = b, a + bfib = fibonacci()for _ in range(10):    print(next(fib))  # 打印前10个斐波那契数

总结

通过本教程，你已经掌握了Python生成器函数的核心概念：使用yield实现状态暂停与恢复，利用惰性求值提升内存效率，并了解了生成器表达式的简洁语法。这些知识对于编写高性能、低内存占用的Python程序至关重要。

记住关键词：Python生成器函数、yield关键字、生成器表达式、惰性求值——它们是你进阶Python开发的重要基石！