1.生成器函式，即最終的輸出用yield替代return，其他形式不變的函式，而且相比於return，輸入yield函式不會立即停止

 1 def test():
 2     print('你好')
 3     return 10
 4 def test_1():
 5     print('你好')
 6     yield 10
 7 a = test()
 8 print(a)
 9 b = test_1()
10 print(b)    #<generator object test_1 at 0x00000000024F3570> 首次執行時不會執行任何操作，只是變成可迭代物件而已 
11 
 
print(b.__next__())  #只有在對其執行next函式操作時才會有列印值 你好 10

2.生成器函式每次執行到yield都會保留函式狀態，讓函式執行的游標停在當前位置

def test():
    yield 1
    yield 2
    yield 3
a = test()
print(a)   #<generator object test at 0x00000000024C3138>
print(a.__next__())   #1
print(a.__next__())   #2
print(a.__next__())   #3
print(a.__next__
 
())   #直接報錯，因為yield後面的輸出只能取一次，取完在取則報錯

3.相對於return，yield會保留函式當前狀態，只有在呼叫的時候才會執行，而且一次一次的執行，不會因為一次執行全部操作而佔據太大的記憶體導致卡機等（比如下面的程式碼如果100變成很大很大的數字，第一種執行方法一定會卡）

 1 def test():
 2     ret = []
 3     for i in range(100):
 4         ret.append('people%s' %i)
 5     print(ret)
 6 test()    #直接列印所有的people
 7 def
 
 test_1():
 8     for i in range(100):
 9         yield i
10 a = test_1()
11 for a1 in a:
12     print(a1)    #相比於return一次佔據所有打印出people的記憶體，這種一個個的取顯然更省記憶體

4.列表解析與生成器表示式：下面的程式碼與上面的程式碼意義相同，提供了一種簡便表示列表的方法與生成器表示式的表示方法

a = ['people%s' %i  for i in range(100)]
print(a)
b = ('people%s' %i  for i in range(100))
print(list(b))

5.send（a）：重要函式，一般與yield一起操作（在yield之後輸入），會將a替代yield的返回值被變數接受

def test():
    file = yield 0
    print(file)
    yield None
a = test()
print(a.__next__())
a.send('aini')

 6.生產消費者模型：同時執行以下兩個函式，相當於只執行一個函式（兩個函式互相銜接），比其他方法更省記憶體（重要）

 1 import time
 2 def buy(name):
 3     print('賣辣條啦！')
 4     time.sleep(2)
 5     while True:
 6         latiao = yield
 7         time.sleep(1)
 8         print('%s吃了第%s包辣條' %(name,latiao))
 9 
10 def sell():
11     s1 = buy('aaa')
12     s1.__next__()
13     for i in range(1,11):
14         s1.send(i)
15     time.sleep(3)
16     print('誒呀臥槽，aaa撐死啦！')
17 sell()