Python生成器函数：yield语句的应用和效率优化

生成器函数是一种特殊的函数，在Python中使用关键字yield来定义。与普通函数不同的是，生成器函数在执行时并不会立即返回结果，而是会返回一个生成器对象。生成器对象可以通过调用next()函数来迭代生成结果。

yield语句在生成器函数中的作用是将一个值生成出来，并且暂时中断生成器函数的执行，保存当前的上下文信息。当再次调用next()函数时，生成器函数会从上一次中断的地方继续执行，直到再次遇到yield语句。这个过程会一直进行下去，直到生成器函数中没有了yield语句，即函数执行完毕。

yield语句的应用非常广泛，可以用于生成大量的数据，而不需要一次性将所有数据都生成出来。这在处理大量数据的时候非常有用，可以节省内存空间。例如，可以用生成器函数来生成斐波那契数列：

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

f = fib()
for i in range(10):
    print(next(f))

上述代码中的fib()函数是一个生成器函数，它返回一个生成器对象。在for循环中，每次调用next()函数，生成器函数会yield出一个斐波那契数，并保存当前的上下文信息，下次调用next()函数时会从上次中断的地方继续执行，直到生成10个斐波那契数为止。

生成器函数的另一个优点是可以实现惰性计算。即只有在需要使用生成器结果的时候，才会进行计算，可以提高程序的效率。例如，可以用生成器函数来计算质数：

def is_prime(n):
    if n <= 1:
        return False
    for i in range(2, int(n**0.5) + 1):
        if n % i == 0:
            return False
    return True

def primes():
    n = 2
    while True:
        if is_prime(n):
            yield n
        n += 1

p = primes()
for i in range(10):
    print(next(p))

上述代码中的primes()函数是一个生成器函数，它返回一个生成器对象。在for循环中，每次调用next()函数时，生成器函数会计算出下一个质数，并保存当前的上下文信息，下次调用next()函数时会从上次中断的地方继续执行，直到生成10个质数为止。

生成器函数的性能优化可以通过一些技巧来实现，例如使用yield from语句可以简化生成器函数的编写，并且可以提高效率。yield from语句可以将一个生成器的迭代过程委托给另一个生成器，减少了代码的嵌套程度。例如，可以使用yield from语句来实现生成器链：

def chain(*iterables):
    for it in iterables:
        yield from it

c = chain("abc", [1, 2, 3], (4, 5, 6))
for i in c:
    print(i)

上述代码中的chain()函数是一个生成器函数，它接受任意个可迭代对象作为参数，并返回一个生成器对象。在for循环中，每次调用next()函数时，生成器函数会yield出一个可迭代对象的元素，并保存当前的上下文信息，下次调用next()函数时会从上次中断的地方继续执行，直到所有可迭代对象的元素都被生成完为止。

生成器函数是Python中非常强大的特性之一，可以简化代码的编写，并且提高程序的效率。在处理大量数据或进行惰性计算时，生成器函数是一个非常好的选择。通过合理使用yield语句，以及应用一些性能优化技巧，可以使生成器函数的效率更高，节省资源，提升程序运行速度。