帶有yield的函數在Python中被稱之為generator（生成器），下面我們將使用斐波那契數列來舉例說明下該函數：（環境是在Python3.x下）
如何生成斐波那契數列：
斐波那契（Fibonacci）數列是一個簡單的遞歸數列，除第一個數和第二個數外，任意一個數都可由前兩個數相加得到。用計算機程序輸出斐波那契數列的前N個數是一個非常簡單的問題：
- 版本一：簡單輸出斐波那契數列前N個數
# -*- coding: utf-8 -*-
# Time : 2019/5/28 14:25
# Author : Eric
# FileName: yield使用淺析.py
# Software: PyCharm
#-----------------------------------------------------------------------------------------------------------------------
def fab(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
#執行fab(10)，我們可以得到如下的輸出：
print(fab(10))
1
1
2
3
5
8
13
21
34
55
None
結果是沒有問題，但是有經驗的開發者會指出，直接在fab函數中有print打印數字會導致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函數的復用性，最好不要直接打印出數列，而是返回一個列表（list）。以下是fab函數改寫后的第二個版：
- 版本二：輸出斐波那契數列前N個數
def fab(max):
n, a, b = 0, 0, 1
L = []
while n < max:
L.append(b)
a, b = b, a + b
n = n + 1
return L
#可以使用如下方式打印出fab函數返回的List：
for n in fab(10):
print(n)
1
1
2
3
5
8
13
21
34
55
改寫后的fab函數通過返回List能滿足復用性的要求，但是更有經驗的開發者會指出，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，最好不用要List來保存中間結果。
- 版本三： 使用創建類的的方法來實現
class Fab(object):
def __init__(self,max):
self.max = max
self.n, self.a, self.b = 0, 0, 1
def __iter__(self):
return self
def __next__(self):
if self.n < self.max:
r = self.b
self.a, self.b = self.b, self.a + self.b
self.n = self.n + 1
return r
raise StopIteration()
#Fab類通過__next__()不斷返回數列的下一個數，內存占用始終為常數：
for n in Fab(5):
print(n)
1
1
2
3
5
然而，使用class改寫的這個版本，代碼遠遠沒有第一版的fab函數來得簡潔。如果我們想要保持第一版fab函數的簡潔性，同時又要獲得iterable的效果，yield就派上用場了。
- 版本四：使用yield的第四版
def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
#調用第四版的fab和第二版的fab完全一致：
for n in fab(5):
print(n)
1
1
2
3
5
簡單地講，yield的作用就是把一個函數變成一個generator，帶有yield的函數不再是一個普通的函數，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時，返回函數就會返回一個迭代值，下次迭代時，代碼從yield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。
yield的好處是顯而易見的，把一個函數改寫為一個generator就獲得了迭代的能力，比起用類的實例保存狀態來計算下一個next()的值，不僅代碼簡介，而且執行流程異常清晰。
如何判斷一個函數是否是一個特殊的generator函數？可以利用isgeneratorfunction判斷：
from inspect import isgeneratorfunction print(isgeneratorfunction(fab)) True
要注意區分fab和fab(5)，fab是一個generatorfunction，而fab(5)是調用fab返回的一個generator，好比類的定義和類的實例的區別：
類的定義和類的實例：
import types print(isinstance(fab,types.GeneratorType)) print(isinstance(fab(5),types.GeneratorType)) False True
fab是無法迭代的，而fab(5)是可迭代的：
from collections import Iterable print(isinstance(fab,Iterable)) print(isinstance(fab(5),Iterable)) False True
return的作用
在一個generator function中，如果沒有return，則默認執行至函數完畢，如果在執行過程中return，則直接拋出StopIteration終止迭代。