Python生成器函数使用说明：yield关键字详解

生成器函数是一种特殊的函数，它可以在执行过程中暂停并且返回一个中间值，然后再从该中间值处继续执行。Python中的yield关键字可以实现生成器函数。

yield语句类似于return，它可以返回一个值，但是它会保留函数的状态，以便下次从该状态继续执行。适用于生成一个大量的数据流并且不能立即进行处理的情况。

下面给出一个简单的示例：

def generator():
    yield 1
    yield 2
    yield 3

这个函数定义了一个生成器，其执行结果是1、2和3。当调用这个生成器时，它将返回一个生成器对象，而不是运行函数的结果。当该对象调用 __next__() 方法时，函数将开始执行，直到遇到第一个 yield 表达式。该表达式将返回其值，并将函数状态保存在堆栈上。该生成器被暂停，直到下一个值被请求。

下面给出一个使用生成器函数的例子，用于生成100万个随机数，然后求这些随机数的平均值。

import random

def random_numbers(num):
    for i in range(num):
        yield random.random()

def average(num_list):
    sum = 0
    length = 0
    for n in num_list:
        sum += n
        length += 1
    return sum / length

gen = random_numbers(1000000)
avg = average(gen)
print(avg)

该示例中，random_numbers() 是生成器函数，它生成了一百万个随机数，并返回它们的生成器。average() 函数用于计算一组数字的平均值。在这个例子中，这个函数使用生成器来求平均值。

在这个例子中，生成器是惰性的：没有实际生成所有的数字，直到平均值函数调用生成器并请求它们。在实际数据集中，这可以显著减少内存使用。这个示例同样可以在不使用生成器的情况下完成，但是生成器的优势在于它可以在需要时逐步生成数据，而不是一次性生成所有数据。

在Python的标准库中，许多函数都使用生成器来生成输出。如 range()，zip() 和 enumerate()。这些函数生成的序列都是惰性的，它们只在需要时才生成数据。这些生成器函数使得Python程序可以处理大量的数据集，而无需把所有数据一次性装入内存，从而大大提高了程序的效率。

使用yield关键字编写生成器函数的步骤可以总结如下：

1. 定义一个函数，并在其中添加yield关键字。

2. 在函数中使用yield表达式来返回值并暂停函数的执行。

3. 当函数的生成器被调用时，它将开始执行函数并且在遇到第一个yield表达式前暂停。

4. 当调用生成器的 __next__() 方法时，函数将从上次暂停的地方开始重复执行，并再次暂停在下一个yield表达式处。