当前位置：首页 > news >正文

科普：Python 中， `return`与`yield` （及＜generator object fibonacci at 0x.........＞）

news 2025/10/13 13:45:37

看如下程序：

# 定义一个生成斐波那契数列的生成器函数
def fibonacci():a, b = 0, 1while True: # 1、死循环？yield aa, b = b, a + b# 调用生成器函数 → 得到生成器对象（而非直接返回数列值）
gen = fibonacci()
print(gen)  # 2、输出是什么？

程序中我打了两个问号：1、死循环？2、输出是什么？
对于第2个问号（2、输出是什么？），一运行便知：<generator object fibonacci at 0x0000017FF0903850>（地址可能不同）。即：这里直接打印 gen 就会显示生成器对象的信息，而不是斐波那契数列的具体值——这是生成器“惰性计算”的特性决定的（不会提前生成数据，而是生成生成器的对象，然后由生成器的对象按需生成数据）。

为回答第一个问号（），我们比较return与yield两关键字。
在 Python 中，y ield 和 return 都是用于在函数中返回值的关键字，但它们的行为和适用场景有本质区别，核心差异在于是否终止函数执行以及返回值的方式。

1. 基本功能与函数类型

return：用于普通函数，作用是返回一个值并立即终止函数，函数的局部状态（如变量、执行位置）会被销毁。
yield：用于生成器函数（包含 yield 的函数），作用是返回一个值并暂停函数执行，同时保存函数当前的状态（局部变量、执行位置等），下次调用时从暂停处继续执行。

2. 执行流程对比

（1）`return` 的执行流程

def return_func():print("步骤1")return 1  # 返回值并终止函数print("步骤2")  # 永远不会执行result = return_func()
print(result)  # 输出：步骤1 → 1

函数执行到 return 时，立即返回值并结束，后续代码不再执行。
再次调用函数时，会重新从头开始执行。

（2）`yield` 的执行流程

def yield_func():print("步骤1")yield 1  # 返回值并暂停print("步骤2")yield 2  # 返回值并暂停print("步骤3")# 调用生成器函数，返回生成器对象（不执行函数体）
gen = yield_func()# 第一次触发：执行到第一个yield，返回1并暂停
print(next(gen))  # 输出：步骤1 → 1# 第二次触发：从暂停处继续，执行到第二个yield，返回2并暂停
print(next(gen))  # 输出：步骤2 → 2# 第三次触发：从暂停处继续，执行完剩余代码，无更多yield，抛出StopIteration
print(next(gen))  # 输出：步骤3 → 报错（StopIteration）

生成器函数被调用时，不会立即执行，而是返回一个生成器对象。
每次通过 next(生成器) 或迭代触发时，函数执行到下一个 yield 处暂停，返回值并保存状态。
直到函数执行完毕（无更多 yield），再次调用会抛出 StopIteration 异常。

3. 返回结果的差异

return：直接返回一个具体的值（或 None），调用函数后立即得到结果。
```
def add(a, b):return a + bprint(add(2, 3))  # 直接得到结果：5
```

yield：返回的是一个生成器对象（一种特殊的迭代器），而非直接返回值。需要通过迭代（如 for 循环）或 next() 方法逐步获取值。

def generate_numbers(n):for i in range(n):yield i# 生成器对象本身不是结果，需要迭代获取
gen = generate_numbers(3)
print(next(gen))  # 0
print(next(gen))  # 1

4. 内存与适用场景

return：适合返回有限且少量的数据，因为它会一次性将所有结果加载到内存中（例如返回一个列表）。

def get_list(n):return [i for i in range(n)]  # 一次性生成所有数据，占用内存print(get_list(5))  # [0, 1, 2, 3, 4]

yield：适合返回大量数据、无限序列，或需要按需生成数据的场景（节省内存）。因为它不会一次性生成所有数据，而是“按需产出”。

def infinite_numbers():i = 0while True:yield i  # 无限生成数据，不占用大量内存i += 1# 取前5个值，无需生成所有数据
gen = infinite_numbers()
for _ in range(5):print(next(gen), end=" ")  # 0 1 2 3 4

这样功能就回答了文章开头提出的第一个问题（1、死循环？）：它并是不去执行死循环，而是根据需要执行“有限”步骤。

5. 其他关键区别

在生成器中使用 return：生成器函数中也可以用 return，但它不会返回值（会被忽略），而是直接触发 StopIteration 异常，终止生成器。

def gen_with_return():yield 1return  # 触发StopIterationyield 2  # 不会执行gen = gen_with_return()
print(next(gen))  # 1
print(next(gen))  # 报错：StopIteration

yield 不能在普通函数中使用：如果普通函数（无 yield）中使用 yield，会报错；反之，生成器函数中可以没有 return（默认执行到末尾触发 StopIteration）。

特性	`return`	`yield`
函数类型	普通函数	生成器函数
执行效果	返回值并终止函数	返回值并暂停函数（保存状态）
返回结果	直接返回具体值	返回生成器对象（需迭代取值）
内存占用	一次性加载所有结果，占用内存较多	按需生成，内存占用低
适用场景	返回有限/少量数据，立即获取结果	大量数据、无限序列、按需生成