零零碎碎学着python已经好久了，但是总会发现有好些知识点都没学到，今天在牛客网看到了这样一道题：
# 下列代码的运行结果是什么？
def bar(n):
m = n
while True:
m+=1
yield m
b = bar(3)
print b.next()
题目本身没什么难度，所以就不多说了~
emmmm…刚看到题目的时候，果然发现了我印象里没有的东西——yield。迅速查了资料，大概了解到，一般情况下，带有yield的函数不是一般的函数，而是一个生成器（generator）。
yield这个关键字的作用比较类似于return和print，均有输出/返回结果之意，next()表示依次返回迭代结果。
下面，暂且不说generator，先以一个简单的例子——裴波那契数列来说一说yield。
实例1：简单输出裴波那契数列的前n个数。
def fibo(max):
n, a, b = 0, 0, 1
while n < max:
print b
a, b = b, a + b
n = n + 1
这样的写法属于常规操作，但是，函数的可复用性不高。因为fibo()函数没有返回值，其他函数无法获得该函数生成的数列。
这时我们会想到，为了提高函数的可复用性，我们不直接打印出数列，而是去返回一个List.
从而也就得到了下面这种做法。
实例2：
def fibo(max):
n, a, b = 0, 0, 1
L = []
while n < max:
L.append(b)
a, b = b, a + b
n = n + 1
return L通过以上的改动，函数的可复用性大大提高，但是，该函数在运行中占用的内存会随着参数 max 的增大而增大，因此如果要控制内存占用，最好不要用 List来保存中间结果，而是通过 iterable 对象来迭代。
for i in range(1000):
pass
# 会生成一个有1000个元素的List
for i in xrange(1000):
pass
# 不会生成一个 1000 个元素的 List，而是在每次迭代中返回下一个数值，内存空间占用很小。因为 xrange 不返回 List，而是返回一个 iterable 对象。
利用 iterable 我们可以把 fibo() 函数改写为一个支持 iterable 的 class，这样也就有了下面的实例：
实例3：
class Fibo(object):
def __init__(self, max):
self.max = max
self.n, self.a, self.b = 0, 0, 1
def __iter__(self):
return self
# 下一个迭代对象
def next(self):
if self.n < self.max:
r = self.b
self.a, self.b = self.b, self.a + self.b
self.n += 1
return r
raise StopIteration()
for n in Fibo(5):
print n
Fibo 类通过 next() 函数不断返回数列的下一个数，内存占用始终为常数、
然而，
使用 class 改写的这个版本，代码远远没有实例1简洁。如果我们既要保持实例1的简洁性，又要获得 迭代效果，这时，yield 就派上用场了：
实例4：
def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1 这时你就会发现，实例4与实例1的区别仅仅在于将中间的print换成了yield。
因此，简单来说，yield就是把一个普通函数变成了一个生成器。
yield 的好处是显而易见的，把一个函数改写为一个 generator 就获得了迭代能力，比起用类的实例保存状态来计算下一个 next() 的值，不仅代码简洁，而且执行流程异常清晰。
以上大致是今日所得，日后如果遇到相关问题，再对此文另行补充~