Python中的yield
yield是什么？
yield是Python中的关键字，yield的出现用于构造生成器（generator）。Python三大器（装饰器、迭代器、生成器）中一种，但是生成器的构造方法不仅仅是使用yield关键字一种方法。还有生成器表达式的方式。
什么是生成器？
Python中的生成器的工作原理类似于过安检的过程。由于人流量较大，如果所有人一下子过安检，则会出现问题（门被堵了：阻塞，地方不够用：内存溢出）。所以就要在安检口安排工作人员，进行限流，让人们“间歇性”的一个一个通过。Python中的yield关键字其实就是安检口的工作人员。
以上是我的个人理解，如有问题请见谅！
Python中对生成器的定义如下：
生成器是特定的函数，允许返回一个值，然后“暂停”代码的执行，稍后恢复（从暂停状态恢复）。
说到生成器不得不说另一个东西：协同程序
协同程序是可以运行的独立函数调用，可以暂停或者挂起，从程序离开的地方继续或者重新开始。
举个栗子！
当协同程序暂停的时候，我们可以从中获得中间的返回值，当调用回到程序时可以传入额外或者改变了的参数。但仍能从上次离开的地方继续执行，并且恢复所有的完整状态。其实生成器就是一个协同程序。
此外，生成器还是可迭代对象。还有三个常用的方法：next()、send()、close()
为什么要用yield（生成器）？
有的小伙伴不解，生成器的作用和for循环迭代的效果是一样的，为什么我要用生成器？
答：
效果相当实属不假，但是在巨大数据集的穿越（迭代）时，资源的消耗不是一个数量级的。
具体来说：
for循环遍历一个万亿级别的长列表，会将这个列表的全部数据载入到内存中去，如果你的内存很小就会溢出，即使是内存很大，这个操作也是十分占用资源的。
而使用生成器，则会将数据的状态（例如：遍历到列表的哪个位置等等）保存到内存中，每次调用时去读取需要的数据。
生成器是一个内存使用更加友好的结构。从这点解读来看，可能生成器的出现就是为了用时间换空间。
生成器的Python代码示例
- 生成器表达式：
my_generator = (i for i in range(10))
print(my_generator)
>>> <generator object <genexpr> at 0x7f89afbfc4c0>
print(my_generator[1])
>>> TypeError: 'generator' object is not subscriptable
print(next(my_generator))
>>> 0
print(next(my_generator))
>>> 1
for ele in my_generator:
print(ele)
>>>
0
1
2
3
4
5
6
7
8
9
- 函数式生成器：
def my_gen_func(my_list):
for i in my_list:
yield i
my_generator = [i for i in range(5)]
for ele in my_gen_func(my_generator):
print(ele)
>>>
0
1
2
3
4