Python生成器函数的功能和用法

Python生成器函数是一种特殊的函数，可以用来生成一个可迭代对象（iterator），这个对象可以在遍历时依次生成值，而不是一次性生成所有值。生成器函数能够生成的值的序列是动态计算的，每个值只有在需要时才会被计算，这种特性使得生成器函数非常适用于处理大规模数据、流式数据、异步数据或者无限序列等场景。

生成器函数的语法与普通函数类似，关键字是“yield”而不是“return”，当函数执行到“yield”语句时，会生成一个值并返回，但并不会立即退出函数，而是将函数的状态保存下来，等待下一次调用时继续执行。这种行为称之为“暂停和恢复”，每次调用生成器函数时都会从上次暂停的位置继续执行，直到函数执行完毕或者遇到“return”语句。

在使用生成器函数时，可以使用“for...in”循环来遍历生成的可迭代对象，也可以使用“next()”函数来逐个获取生成的值。如果生成器函数已经执行完毕，再次调用“next()”函数将会抛出StopIteration异常，这也是迭代器协议中规定的行为。

下面是一个简单的生成器函数的示例：

def fib(max):
    a, b = 0, 1
    while a < max:
        yield a
        a, b = b, a + b

for n in fib(100):
    print(n)

这个函数生成了一系列斐波那契数列的值，每次生成一个新的值后，暂停执行并返回该值，等待下一次调用时从上次暂停的位置继续执行。在上面的“for”循环中，每次循环会自动调用生成器函数，并将返回的值赋给“n”，直到生成器函数执行完毕为止。

在使用生成器函数时，有一些需要注意的地方：

1. 只能遍历一次：生成器函数生成的可迭代对象只能遍历一次，因为每次遍历都会导致生成器函数重新执行，并重新生成值序列。

2. 可以接受参数：生成器函数可以接受参数，这些参数会传递给函数中的代码并影响生成值的序列。

3. 都是惰性计算：生成器函数生成的序列是惰性计算的，即只有在需要时才会计算值。这种特性可以节省内存并提高效率，特别是处理大规模数据时尤为重要。

4. 可以使用yield from：Python 3.3引入了“yield from”语法，可以在生成器函数内部使用另一个生成器函数或可迭代对象来生成值。这种语法可以简化代码并减少内存消耗。

总的来说，Python生成器函数是一种非常有用的工具，可以用于处理大规模数据、流式数据、异步数据或者无限序列等场景。生成器函数的工作原理基于“暂停和恢复”，可以动态生成一个值序列并提高代码的效率和可读性。