python yield 和 yield from用法總結

#例1. 簡單輸出斐波那契數列前 N 個數
#缺點：該函數可復用性較差，因為 fab 函數返回 None，其他函數無法獲得該函數生成的數列
#要提高 fab 函數的可復用性，最好不要直接打印出數列，而是返回一個 List。
def fab1(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b,end=' ')
        a, b = b, a + b
        n = n + 1
fab1(5)  

 

#例 2.
#缺點：該函數在運行中占用的內存會隨着參數 max 的增大而增大，如果要控制內存占用，
#最好不要用 List 來保存中間結果，而是通過 iterable 對象來迭代  
def fab2(max):
    n, a, b = 0, 0, 1
    L = []
    while n < max:
        L.append(b)
        a, b = b, a + b
        n = n + 1
    return L

 

#例3
#說明：帶有 yield 的函數不再是一個普通函數，Python 解釋器會將其視為一個 generator，
#調用 fab(5) 不會執行 fab 函數，而是返回一個 iterable 對象！
#在 for 循環執行時，每次循環都會執行 fab 函數內部的代碼，執行到 yield b 時，fab 函數就返回一個迭代值，
#下次迭代時，代碼從 yield b 的下一條語句繼續執行，而函數的本地變量看起來和上次中斷執行前是完全一樣的，
#於是函數繼續執行，直到再次遇到 yield。
def fab3(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        # print b
        a, b = b, a + b
        n = n + 1
f=fab3(5)
print("f是一個可迭代對象，並沒有執行函數")
print(f)
print('fab3返回的是一個iterable 對象，可以用for循環獲取值')
for n in f:
    print(n)

 

 

#例4：
#說明：yield from iterable本質上等於for item in iterable: yield item的縮寫版    

def f_wrapper1(f):
    for g  in f:
        yield g
wrap = f_wrapper1(fab3(5))
for i in wrap:
    print(i,end=' ')

print('\n使用yield from代替for循環')
def f_wrapper2(f):
     yield from f#注意此處必須是一個可生成對象
wrap = f_wrapper2(fab3(5))
for i in wrap:
    print(i,end=' ')
print('\n---------------------')


print('yield from包含多個子程序')
def g(x):
    yield from range(x, 0, -1)
    yield from range(x)
print(list(g(5)))
for g  in g(6):
    print(g,end=',')
    
    
print('\n---------------------')  
注意紅色部分就是替代的部分，yield from iterable本質上等於for item in iterable: yield item的縮寫版    

 

#例5 利用yield from語句向生成器（協程）傳送數據 
#傳統的生產者-消費者模型是一個線程寫消息，一個線程取消息，通過鎖機制控制隊列和等待，但一不小心就可能死鎖。
#如果改用協程，生產者生產消息后，直接通過yield跳轉到消費者開始執行，待消費者執行完畢后，換回生產者繼續生產，效率極高：
def  consumer_work(len):
    # 讀取send傳進的數據，並模擬進行處理數據
    print("writer:")
    w=''
    while True:
        w = yield w    # w接收send傳進的數據,同時也是返回的數據
        print('[CONSUMER] Consuming %s...>> ', w)
        w*=len #將返回的數據乘以100
        time.sleep(0.1)  
def consumer(coro):
    yield from coro#將數據傳遞到協程(生成器)對象中


def produce(c):
    c.send(None)# "prime" the coroutine
    for i in range(5):
        print('[Produce] Producing %s----', i)
        w=c.send(i)#發送完成后進入協程中執行
        print('[Produce] receive %s----', w)
    c.close()
    
c1=consumer_work(100)
produce(consumer(c1))

執行結果：
writer:
[Produce] Producing %s---- 0
[CONSUMER] Consuming %s...>>  0
[Produce] receive %s---- 0
[Produce] Producing %s---- 1
[CONSUMER] Consuming %s...>>  1
[Produce] receive %s---- 100
[Produce] Producing %s---- 2
[CONSUMER] Consuming %s...>>  2
[Produce] receive %s---- 200
[Produce] Producing %s---- 3
[CONSUMER] Consuming %s...>>  3
[Produce] receive %s---- 300
[Produce] Producing %s---- 4
[CONSUMER] Consuming %s...>>  4
[Produce] receive %s---- 400

yield from一般掌握這兩種用法即可；