使用yield可以做哪些很酷的事情？

使用生成器(Generator)和yield可以做哪些有趣的、酷酷的、让人意想不到的事情？
不限编程语言，例如python、JavaScript 等。

回复内容： yield 在 JavaScript 中用的最多的可能就是结合 Promise/Thunk 等实现异步操作，比如大名鼎鼎的 tj/co · GitHub ，所以已经不是「让人意想不到」的东西了。
理解 Generator 的特性后，实现一个玩具版的 co 还是很简单的：

 function async(generator) {
  return new Promise(function(resolve, reject) {
    var g = generator()

    function next(val) {
      var result = g.next(val)
      var value = result.value

      if (!result.done) {
        value.then(next).catch(reject)
      }
      else {
        resolve(value)
      }
    }

    next()
  })
}
  

最典型的不就是async/await么？


不了解yield怎么实现async/await的，用C#代码试举一例：

 IEnumerable> SomeAsyncMethod()
{
  //blabla
  yield return await( asyncMethod, context );

  //blabla
  yield return await( asyncMethod, context );

  //blabla
}
  

可以做动画呀，效果如图：

  # -*- coding: utf-8 -*- 
 import   numpy   as   np 
 import   matplotlib.pyplot   as   plt 
 import   matplotlib.animation   as   animation 
 import   math  ,   random 
 # 需要安装的库：Numpy和Matplotlib，推荐直接Anaconda 
 fig  ,   axes1   =   plt  .  subplots  () 
 # 设置坐标轴长度 
 axes1  .  set_ylim  (  0  ,   1.4  ) 
 axes1  .  set_xlim  (  0  ,   1  *  np  .  pi  /  0.01  ) 
 # 设置初始x、y数值数组 
 xdata   =   np  .  arange  (  0  ,   2  *  np  .  pi  ,   0.01  ) 
 ydata   =   np  .  sin  (  xdata  ) 
 # 获得线条 
 line  ,   =   axes1  .  plot  (  xdata  ) 
 # 毛刺倍率，从0开始增长，offset越大毛刺越大 
 offset   =   0.0 

 #因为update的参数是调用函数data_gen,所以第一个默认参数不能是framenum 
 def   update  (  data  ): 
     global   offset 
     line  .  set_ydata  (  data  ) 
     return   line  , 
 # 每次生成10个随机数据 
 # 每次变化整幅图的话，yield一个整图就行了 
 def   data_gen  (): 
     global   offset 
     while   True  : 
         length   =   float  (  len  (  xdata  )) 
         for   i   in   range  (  len  (  xdata  )): 
             ydata  [  i  ]  =  math  .  sin  (  xdata  [  i  ])  +  0.2 
             if   i  >  length  /  18.0   and   i    (  length  *  2.7  /  6.0  ): 
                 ydata  [  i  ]  +=  offset  *  (  random  .  random  ()  -  0.5  ) 
         offset   +=   0.05 
         #可以设置offset的最大值 
         if   offset  >=  0.5  : 
            offset  =  0.0 
         yield   ydata 
 # 配置完毕，开始播放 
 ani   =   animation  .  FuncAnimation  (  fig  ,   update  ,   data_gen  ,   interval  =  800  ,   repeat  =  True  ) 
 plt  .  show  () 
  

模拟离散事件，还有更简洁优雅的方式么

Overview — SimPy 3.0.8 documentation 这个问题就是给我准备的嘛

当有人声称在CPython里实现了一个沙盒的时候就可以用yield去逗他了，I was looking through the code and saw someone submitted this but didn't run it:...

酷到没工作... A Curious Course on Coroutines and Concurrency 可以写出一个并发的库
Generator Tricks for Systems Programmers 可以写个流处理框架 参见David Beazley大神几次PyCon的pdf，看完我简直是惊呆了。 http://HdhCmsTest dabeaz测试数据 可以用来训练神经网络.
比如Lasagne/Lasagne · GitHub 中的一段示例代码:

  def   train  (  iter_funcs  ,   dataset  ,   batch_size  =  BATCH_SIZE  ): 
     """Train the model with `dataset` with mini-batch training. Each 
        mini-batch has `batch_size` recordings. 
     """ 
     num_batches_train   =   dataset  [  'num_examples_train'  ]   //   batch_size 
     num_batches_valid   =   dataset  [  'num_examples_valid'  ]   //   batch_size 

     for   epoch   in   itertools  .  count  (  1  ): 
         batch_train_losses   =   [] 
         for   b   in   range  (  num_batches_train  ): 
             batch_train_loss   =   iter_funcs  [  'train'  ](  b  ) 
             batch_train_losses  .  append  (  batch_train_loss  ) 

         avg_train_loss   =   np  .  mean  (  batch_train_losses  ) 

         batch_valid_losses   =   [] 
         batch_valid_accuracies   =   [] 
         for   b   in   range  (  num_batches_valid  ): 
             batch_valid_loss  ,   batch_valid_accuracy   =   iter_funcs  [  'valid'  ](  b  ) 
             batch_valid_losses  .  append  (  batch_valid_loss  ) 
             batch_valid_accuracies  .  append  (  batch_valid_accuracy  ) 

         avg_valid_loss   =   np  .  mean  (  batch_valid_losses  ) 
         avg_valid_accuracy   =   np  .  mean  (  batch_valid_accuracies  ) 

         yield   { 
             'number'  :   epoch  , 
             'train_loss'  :   avg_train_loss  , 
             'valid_loss'  :   avg_valid_loss  , 
             'valid_accuracy'  :   avg_valid_accuracy  , 
         } 
  

tornado就是使用generator实现的协程(coroutine)模型，再配合event loop实现高并发的 使用迭代器遍历二叉树。

查看更多关于使用yield可以做哪些很酷的事情？的详细内容...