普通函数用return一次性返回全部结果并占用大量内存，而yield返回生成器对象，惰性执行、逐个产出值且内存占用恒定；yield本质是可恢复的执行流，非延迟返回。
yield 生成器和普通函数返回值的区别
普通函数用 return 一次性把全部结果塞进内存，比如 range(1000000) 会立刻生成一百万个整数对象；而用 yield 的函数返回的是生成器对象，每次只产出一个值，用完即弃，不保留历史状态。关键不是“写法不同”，而是执行时机完全不同：函数体在第一次调用 next() 或进入 for 循环时才开始执行，遇到 yield 就暂停并交出当前值，下次再从暂停处继续。
常见错误是误以为 yield 是“延迟返回”，其实它是“可恢复的执行流”。如果函数里写了 return（哪怕没返回值），也会触发 StopIteration 异常——这是生成器结束的信号，不是错误。
什么时候必须用 yield 而不是 list 推导式
当数据源本身是流式、无限或体积远超可用内存时，yield 不是优化选项，而是唯一可行方案。比如读取一个 20GB 的日志文件逐行处理，或者实时监听传感器数据流。
- 用
[x*2 for x in range(10**7)]会瞬间吃掉几百 MB 内存；换成(x*2 for x in range(10**7))（生成器表达式）或带yield的函数，内存占用基本恒定在 KB 级 - 若中间需要条件过滤（如只取偶数）、转换（如解析 JSON 字段）、或依赖前序状态（如计算滚动平均），list 推导式无法表达这种“状态感知”的迭代逻辑，必须靠
yield函数手动维护状态变量 - 生成器可以被多次消费吗？不能。生成器是一次性的，用完就空了。需要重复使用就得重新调用函数创建新生成器
yield from 在嵌套生成器中的实际作用
yield from 不是语法糖，它解决了子生成器的委托问题。没有它，你得手动写循环 + yield，还要自己处理 StopIteration 和 send()/throw() 传递。有了它，子生成器的 yield 值直接透传给外层调用者，异常和协程通信也自动桥接。
立即学习“Python免费学习笔记（深入）”；
典型场景：遍历嵌套结构（如树、多层 JSON、目录递归）。例如：
def walk_files(root):
for path in os.listdir(root):
full = os.path.join(root, path)
if os.path.isdir(full):
yield from walk_files(full) # 直接委托，不用写 for item in walk_files(...): yield item
else:
yield full注意：yield from 后面必须是可迭代对象（包括另一个生成器），不能是普通值；如果误写成 yield from 42，会报 TypeError: 'int' object is not iterable。
生成器调试和内存泄漏风险点
生成器对象本身很小，但容易因闭包引用导致意外内存驻留。比如在生成器函数里捕获了大型对象（如 pandas DataFrame、大字符串），即使没显式 yield 它，只要变量名还在作用域内，整个对象就无法被 GC 回收。
- 检查方法：用
gc.get_referrers(gen)查看谁持有了生成器，再顺藤摸瓜找闭包变量 - 避免方式：在不需要时主动删除局部变量，比如
del big_data；或把耗内存的预处理逻辑移到生成器外部，只把必要参数传进去 - 调试技巧：用
inspect.getgeneratorstate(gen)查看当前状态（'RUNNING'、'SUSPENDED'、'CLOSED'），比盲目 print 更准；用sys.getsizeof(gen)确认生成器本身大小（通常 100–200 字节），排除“生成器占内存大”的误解
真正难搞的不是 yield 本身，而是生成器生命周期和外部资源（文件句柄、数据库连接）的耦合。一旦生成器被丢弃但没关闭，资源可能泄露。建议用 try/finally 或上下文管理器包裹关键资源操作。
