要了解其yield作用，你必须了解什么是生成器。并且，在你了解生成器之前，你必须了解iterables。

可迭代

创建列表时，可以一一阅读它的项目。逐一读取其项称为迭代：

>>> mylist = [1, 2, 3]
>>> for i in mylist:
...    print(i)
1
2
3

mylist是一个可迭代的。当你使用列表推导时，你将创建一个列表，因此是可迭代的：

>>> mylist = [x*x for x in range(3)]
>>> for i in mylist:
...    print(i)
0
1
4

你可以使用的所有“ for… in…”都是可迭代的；lists，strings，文件…

这些可迭代的方法很方便，因为你可以随意读取它们，但是你将所有值都存储在内存中，当拥有很多值时，这并不总是想要的。

发电机

生成器是迭代器，一种迭代，你只能迭代一次。生成器不会将所有值存储在内存中，它们会即时生成值：

>>> mygenerator = (x*x for x in range(3))
>>> for i in mygenerator:
...    print(i)
0
1
4

只是你使用()代替一样[]。但是，由于生成器只能使用一次，因此你无法执行for i in mygenerator第二次：生成器先计算0，然后将其忽略，然后计算1，最后一次计算4。

产量

yield是与一样使用的关键字return，不同之处在于该函数将返回生成器。

>>> def createGenerator():
...    mylist = range(3)
...    for i in mylist:
...        yield i*i
...
>>> mygenerator = createGenerator() # create a generator
>>> print(mygenerator) # mygenerator is an object!
<generator object createGenerator at 0xb7555c34>
>>> for i in mygenerator:
...     print(i)
0
1
4

这是一个无用的示例，但是当你知道函数将返回大量的值（只需要读取一次）时，它就很方便。

要掌握yield，你必须了解在调用函数时，在函数主体中编写的代码不会运行。该函数仅返回生成器对象，这有点棘手:-)

然后，你的代码将在每次for使用生成器时从中断处继续。

现在最困难的部分是：

第一次for调用从你的函数创建的生成器对象时，它将从头开始运行函数中的代码，直到命中为止yield，然后它将返回循环的第一个值。然后，彼此调用将再次运行你在函数中编写的循环，并返回下一个值，直到没有值可返回为止。

一旦函数运行，该生成器就被认为是空的，但yield不再起作用。可能是因为循环已结束，或者是你不再满足"if/else"于此。

你的代码说明
发电机：

# Here you create the method of the node object that will return the generator
def _get_child_candidates(self, distance, min_dist, max_dist):

    # Here is the code that will be called each time you use the generator object:

    # If there is still a child of the node object on its left
    # AND if the distance is ok, return the next child
    if self._leftchild and distance - max_dist < self._median:
        yield self._leftchild

    # If there is still a child of the node object on its right
    # AND if the distance is ok, return the next child
    if self._rightchild and distance + max_dist >= self._median:
        yield self._rightchild

    # If the function arrives here, the generator will be considered empty
    # there is no more than two values: the left and the right children

呼叫者：

# Create an empty list and a list with the current object reference
result, candidates = list(), [self]

# Loop on candidates (they contain only one element at the beginning)
while candidates:

    # Get the last candidate and remove it from the list
    node = candidates.pop()

    # Get the distance between obj and the candidate
    distance = node._get_dist(obj)

    # If distance is ok, then you can fill the result
    if distance <= max_dist and distance >= min_dist:
        result.extend(node._values)

    # Add the children of the candidate in the candidate's list
    # so the loop will keep running until it will have looked
    # at all the children of the children of the children, etc. of the candidate
    candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))

return result

此代码包含几个智能部分：

• 循环在列表上迭代，但是循环在迭代时列表会扩展:-)这是浏览所有这些嵌套数据的一种简洁方法，即使这样做有点危险，因为可能会遇到无限循环。在这种情况下，请candidates.extend(node._get_child_candidates(distance, min_dist, max_dist))耗尽生成器的所有值，但while继续创建新的生成器对象，因为这些对象不会应用于同一节点，因此将产生与先前值不同的值。

• 该extend()方法是期望可迭代并将其值添加到列表的列表对象方法。

通常，我们向其传递一个列表：

>>> a = [1, 2]
>>> b = [3, 4]
>>> a.extend(b)
>>> print(a)
[1, 2, 3, 4]

但是在你的代码中，它得到了一个生成器，这很好，因为：

1. 你不需要两次读取值。
2. 你可能有很多孩子，并且你不希望所有孩子都存储在内存中。

它之所以有效，是因为Python不在乎方法的参数是否为列表。Python期望可迭代，因此它将与字符串，列表，元组和生成器一起使用！这就是所谓的鸭子输入，这是Python如此酷的原因之一。但这是另一个故事，另一个问题……

你可以在此处停止，或者阅读一点以了解生成器的高级用法：

控制发电机耗尽

>>> class Bank(): # Let's create a bank, building ATMs
...    crisis = False
...    def create_atm(self):
...        while not self.crisis:
...            yield "$100"
>>> hsbc = Bank() # When everything's ok the ATM gives you as much as you want
>>> corner_street_atm = hsbc.create_atm()
>>> print(corner_street_atm.next())
$100
>>> print(corner_street_atm.next())
$100
>>> print([corner_street_atm.next() for cash in range(5)])
['$100', '$100', '$100', '$100', '$100']
>>> hsbc.crisis = True # Crisis is coming, no more money!
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # It's even true for new ATMs
>>> print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # The trouble is, even post-crisis the ATM remains empty
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # Build a new one to get back in business
>>> for cash in brand_new_atm:
...    print cash
$100
$100
$100
$100
$100
$100
$100
$100
$100
...

注意：对于Python 3，请使用print(corner_street_atm.__next__())或print(next(corner_street_atm))

对于诸如控制对资源的访问之类的各种事情，它可能很有用。

Itertools，你最好的朋友
itertools模块包含用于操纵可迭代对象的特殊功能。曾经希望复制一个发电机吗？连锁两个发电机？用一个班轮对嵌套列表中的值进行分组？Map / Zip没有创建另一个列表？

然后就import itertools。

一个例子？让我们看一下四马比赛的可能到达顺序：

>>> horses = [1, 2, 3, 4]
>>> races = itertools.permutations(horses)
>>> print(races)
<itertools.permutations object at 0xb754f1dc>
>>> print(list(itertools.permutations(horses)))
[(1, 2, 3, 4),
 (1, 2, 4, 3),
 (1, 3, 2, 4),
 (1, 3, 4, 2),
 (1, 4, 2, 3),
 (1, 4, 3, 2),
 (2, 1, 3, 4),
 (2, 1, 4, 3),
 (2, 3, 1, 4),
 (2, 3, 4, 1),
 (2, 4, 1, 3),
 (2, 4, 3, 1),
 (3, 1, 2, 4),
 (3, 1, 4, 2),
 (3, 2, 1, 4),
 (3, 2, 4, 1),
 (3, 4, 1, 2),
 (3, 4, 2, 1),
 (4, 1, 2, 3),
 (4, 1, 3, 2),
 (4, 2, 1, 3),
 (4, 2, 3, 1),
 (4, 3, 1, 2),
 (4, 3, 2, 1)]

了解迭代的内部机制

迭代是一个过程，意味着可迭代（实现__iter__()方法）和迭代器（实现__next__()方法）。可迭代对象是可以从中获取迭代器的任何对象。迭代器是使你可以迭代可迭代对象的对象。