Python yield关键字是什么意思？从可迭代对象(Iterable)，迭代器(Iterator),生成器 (Generator) 说起
刚接触到迭代器，生成器的时候常常分不清这些概念的区别，下面的一张图很好的展示了他们的关系：
也就是：
| 父类 | 子类 |
| iterable | iterator，一些container |
| container | list, set, dict |
| iterator | generator |
这里不对container展开讨论
一、iterable很多容器都是可迭代对象，但凡是可以返回一个迭代器的对象都可称之为可迭代对象，有了迭代器才能迭代嘛。
那怎么可以返回一个迭代器呢？只要是实现__iter__()魔法方法的类，调用it = iter(该类对象），返回的就是一个迭代器（it是一个迭代器）。
所以实现了__iter__方法的类对象就是一个可迭代对象（iterable）。
二、iterator那么什么是迭代器呢？它是一个带状态的对象，它能在你调用next()方法的时候返回容器中的下一个值，任何实现了__iter__和__next__()方法的对象都是迭代器。
a = [1,2,3]
#列表对象本身已实现__iter__方法
iterator = iter(a)
next(iterator)
#1
next(iterator)
#2
先来看一下iterable和iterator的关系
也就是iterable和iterator是分离的，可以这么理解，
iterable是一般来讲是存放数据本身的类
iterator存放着一些状态(比如当前访问下标），和指向iterable对象的指针（虽然python没有暴露出来），每一次调用next()方法，就返回一个iterable对象的值。
#模拟一下,不代表真实实现
class myIterable:
... #表省略
def __iter__():
return myIterator(self)
...
class myIterator:
def __init__(self, myIterable):
self.myIterable = myIterable
self.index = 0
def __iter__(self):
return self
def __next__(self):
return self.myIterable[self.index]
index = index + 1
...
1.这样做的好处：一开始我很好奇为什么要把这两个分开？直接让iterable实现next()方法不行吗？
这样做其中一个好处就是所谓的松耦合，比如我们可以定义多种iterator， next()可以是取下一个，又或者是下下一个，即给iterable对象提供了很多的遍历方法。python这方面也有一个成熟的库叫做：itertools。包含可以循环next()的迭代器等等。
from itertools import cycle
num = cycle([1,2])
print(next(num))
# >>1
print(next(num))
# >>2
print(next(num))
# >>1
2.iterator要实现__iter__的原因：也就是为什么iterator是iterable的子类？
根据上面那张图，很明显iterator和iteratable是分离开的，iterable类对象调用__iter__（）方法得到 iterator，iterator为什么还要实现__iter__方法？，在我的理解里面，其中一个好处就是操作方便，同时提供了iterator的子类generator能工作的基础。
比如, iterator实现了__iter__()方法可以用for in来遍历，不用一直next，next，可以更方便。
iterator = iter([1,2,3])
for i in iterator:
print(i)
>>1
>>2
>>3
当然我们可以通过下面的方式，更简单：
a = [1,2,3]
for i in a:
print(i)
>>1
>>2
>>3
对于第一种情况，你可能会有些疑惑，为什么是这样子的？
分解此for in类型代码时（见下图），您可以看到每次循环是对GET_ITER的显式调用，这本质上类似于调用iter（x）。 FOR_ITER是一条指令，等效于重复调用next（）以获取每个元素，但这在字节码指令中并未显示，因为它已针对解释器中的速度进行了优化。
>>> import dis
>>> x = [1, 2, 3]
>>> dis.dis('for _ in x: pass')
1 0 SETUP_LOOP 14 (to 17)
3 LOAD_NAME 0 (x)
6 GET_ITER
>> 7 FOR_ITER 6 (to 16)
10 STORE_NAME 1 (_)
13 JUMP_ABSOLUTE 7
>> 16 POP_BLOCK
>> 17 LOAD_CONST 0 (None)
20 RETURN_VALUE
也就是当我们每次循环的时候，解释器会先取得in后面的可迭代对象的迭代器，再执行迭代器的next方法，自然返回下一个元素，所以当in后面是iterator时，取得它的迭代器仍然是该迭代器本身（return self），再执行该迭代器的next方法，返回下一个元素，所以这样设计，就使得iterator可以用于for in语句。
class myIterator:
...
def __iter__(self):
return self
...
但是我觉得更多的是用于它的子类generator，因为我们本身可以直接for in 作用于iterator关联的存储数据的iterable对象上，来实现遍历。然后下面看看这个__iter__()方法是怎么让generator用于for in的。
三、generator生成器
生成器，顾名思义可以用来生成数据，它一般不像普通的iterator一样会关联一个容器什么的，它更多的是利用一些数据来生成另外的数据，而且是要使用访问的时候才生成，对内存优化有一定的帮助。
举个例子，生成斐波那契数列，如果我们想获得一串斐波那契数列，我们可以用生成器。
class Fib:
def __init__(self):
self.prev = 0
self.curr = 1
def __iter__(self):
return self
def __next__(self):
value = self.curr
self.curr += self.prev
self.prev = value
return value
fib = Fib()
for i in fib:
if(i<30):
print(i)
else:
break
Fib就是一个生成器，看到这里的for in语句，因为生成器也是一个可迭代对象了，每次for循环的时候，生成器就会调用iter方法，返回生成器本身，然后再调用自己的next方法，这样他就可以不断地用for 循环来生成数据了。不然的话，只能不断地调用next语句来生成。而且当你不知道生成器生成数据的多少时，很难精确地获得生成的全部数据。
当然，一般的生成器有更简单的定义方法，不用像上面那样定义一个完整的规范的类。
1.括号法
numbers = [1,2,3,4,5,6]
squares = (x * x for x in numbers)
print(type(squares))
#>>
print(next(squares))
#>>1
print(list(squares))
#>>[4, 9, 16, 25, 36]
这里我们看到这样的生成器是不可回头的，后面数组没有包括1，因为前面已经next（）了一次。
2.yield关键字法
yield关键字可以嵌套在函数里面，有点类似于return，只不过它先返回的是一个生成器，当我们遍历这个生成器的时候，它才把每一次yield的数据返回。
def fib_gen():
prev = 0
curr = 1
while(True):
value = curr
curr += prev
prev = value
yield value
fib = fib_gen()
for i in fib:
if(i<30):
print(i,end=" ")
else:
break
输出：
1 1 2 3 5 8 13 21
参考文章：
https://blog.csdn.net/mieleizhi0522/article/details/82142856/
https://nvie.com/posts/iterators-vs-generators/
作者：JacksonKim
