Part 1:

  1. 带有 yield 的函数在 Python 中被称之为 generator（生成器）
  2. 简单地讲，yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用带有 yield 的函数不会执行该函数，而是返回一个iterable(可迭代对象) ！在 for 循环执行时，每次循环都会执行 函数内部的代码，执行到带有 yield 关键字 时，fab 函数就返回一个迭代值，下次迭代时，代码从 带有 yield 关键字的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。
  3. 为何使用生成器? 节省空间


Part 2:

def foo():
    print("starting...")
    while True:
        res = yield 4
        print("res:",res)
g = foo()
print(g) #生成器g,返回一个 iterable 对象
print(next(g))
print("*"*20)
print(next(g))
<generator object foo at 0x000001B99FC34F48>
starting...
4
********************
res: None
4

上述代码解释：
step 1.程序开始执行以后，因为foo函数中有yield关键字，所以foo函数并不会真的执行，而是先得到一个生成器g

print(g)
<generator object foo at 0x000001B99FC34F48>

step 2.直到调用next方法，foo函数正式开始执行，先执行foo函数中的print方法，然后进入while循环

step 3.程序遇到yield关键字，此时可以把yield当成return,return了一个4之后，程序就停止了，并没有执行赋值给res操作，也就是说next(g)语句执行已经完成，所以输出的前两行（第一个是while上面的print的结果,第二个是return出的结果）是执行print(next(g))的结果，

print(next(g))
starting…
4

step 4.程序执行print("*"*20)，输出20个*

print("*"*20)
********************

step 5.又开始执行下面的print(next(g)),这个时候和上面那个差不多，不过不同的是，这个时候是从刚才那个next程序停止的地方开始执行的，也就是要执行res的赋值操作，这时候要注意，这个时候赋值操作的右边是没有值的（因为刚才那个是return出去了，并没有给赋值操作的左边传参数），所以这个时候res赋值是None,所以接着下面的输出就是res:None,

step 6.程序会继续在while True里执行，又一次碰到yield,这个时候同样return 出4，然后程序停止，print函数输出的4就是这次return出的4.

print(next(g))
res: None
4

从代码的运行输出可以看出，
带yield的函数是一个生成器，而不是一个函数，这个生成器有一个函数就是next函数，next就相当于“下一步”生成哪个数，这一次的next开始的地方是接着上一次的next停止的地方执行的，所以调用next的时候，生成器并不会从foo函数的开始执行，只是接着上一步停止的地方开始，然后遇到yield后，return出要生成的数，此步就结束。

def foo():
    print("starting...")
    while True:
        res = yield 4
        print("res:",res)
g = foo()
print(next(g))
print("*"*20)
print(g.send(7))
starting...
4
********************
res: 7
4

这个代码和上面代码相比，不同之处在于给res输送了参数7，使用方式是print(g.send(7))

大致说一下print(g.send(7)):
程序执行g.send(7)，程序会从yield关键字那一行继续向下运行，send会把7这个值赋值给res变量
由于send方法本身包含next()方法，所以程序会继续向下运行执行print方法，然后再次进入while循环
程序执行再次遇到yield关键字，yield会返回后面的值后，程序再次暂停，直到再次调用next方法或send方法。

Part 3:

def generate():
    for x in range(10):
        yield x

import numpy as np
Z = np.fromiter(generate(),dtype=float,count=-1)
print(Z)
[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]

在模块numpy中fromiter是内置函数：
fromiter（iterable，dtype，count = -1）

参数
----------
iterable：可迭代对象
一个可迭代的对象，为数组提供数据。

dtype：数据类型
返回数组的数据类型。

count: 要从* iterable *中读取的项目数。 默认值为-1，
这意味着所有数据都被读取。

返回
-------
出：ndarray
输出数组。

指定count可以提高性能。 它允许fromiter预分配输出数组，而不是按需调整大小。

def generate():
    for x in range(10):
        yield x
Z = np.fromiter(generate(),dtype=float,count=5)
print(Z)
[0. 1. 2. 3. 4.]