翻譯自： https://stackoverflow.com/questions/231767/what-does-the-yield-keyword-do
基本理解
爲了理解yield管自己的作用，你需要先理解什麼是生成器(generators).理解生成器之前，需要先理解可迭代對象(iterables)
可迭代對象(iterables)
當你創建一個list對象時，你可以逐個成員去遍歷，這種逐個成員遍歷讀取的操作叫做迭代（iteration）
>>> mylist = [1, 2, 3]
>>> for i in mylist:
... print(i)
...
1
2
3
這裏mylist就是一個可迭代對象。如果你使用列表解析（list comprehension，或翻譯成列表推導），你創建一個列表的同時，也創建了一個可迭代對象
>>> mylist = [x*x for x in range(3)]
>>> for i in mylist:
... print(i)
...
0
1
4
每一種你可以使用for…in…語法操作的對象都是可迭代對象，比如lists、strings、files…
這些可迭代對象使用起來非常方便，你可以在需要的時候任意讀取使用，因爲所有的數據都存在內存（memory）裏。然而你並不總是希望這些數據都存在內存裏，尤其是當可迭代對象的數據量非常大的時候
生成器（generators）
生成器是迭代器（iterators），一種只能迭代一次的可迭代對象。生成器不會把所有的數據都存在內存裏，而是在執行時，動態生成數據（generate values on the fly）
>>> mygenerator = ( x*x for x in range(3))
>>> for i in mygenerator:
... print(i)
...
0
1
4
這段代碼和上一段相比，除了"[]“換成了”()"，其他邏輯完全一樣，但是這裏的mygenerator已經不再是一個列表，而是一個生成器了。生成器只能被遍歷一次，所以這裏不能第二次執行for i in mygenerator。在第一個for…in…循環中，計算00，打印0，丟棄0 --> 計算11，打印1，丟棄1 --> 計算2*2，打印4，丟棄4
yield
yield是一個跟return用法類似的關鍵字，區別在於前者返回的是一個生成器
def createGenerator():
mylist = range(3)
for i in mylist:
yield i*i
mygenerator = createGenerator()
print(mygenerator)
for i in mygenerator:
print(i)
執行結果
<generator object createGenerator at 0x03662B30>
0
1
4
這個是個沒啥用的例子，但是當你的函數會返回一個巨大的數據集，而且這個數據集你只會使用一次時，這種方式用起來就很方便了
爲了理解yield，你必須理解當你調用你的函數時，你在這個函數裏面寫的代碼並不會被執行，這個函數只會返回一個生成器對象。 這個聽起來有點兒迷惑（a bit tricky）
然後，當遇到for代碼處理生成器時，代碼纔會從中斷的地方繼續執行
現在，最難的部分：
第一次用for語句訪問你的函數返回的生成器時，代碼會從函數的開頭一直執行到第一個yield處，返回第一次yield的值，後面的其他繼續訪問這個生成器的調用，將會從這個yield之後繼續執行到下一次遇到yield，返回yield的值，依此執行，直到沒有返回值
一旦函數執行完（邏輯上：因爲循環結束或者不滿足if/else條件導致的不會再執行yield操作），執行器中不會再有值
進階操作
控制一個生成器的消耗（controlling a generator exhaustion）
>>> class Bank(): # Let's create a bank, building ATMs
... crisis = False
... def create_atm(self):
... while not self.crisis:
... yield "$100"
...
>>> hsbc = Bank() # When everything's ok the ATM gives you as much as you want
>>> corner_street_atm = hsbc.create_atm()
>>> print(corner_street_atm.next())
$100
>>> print(corner_street_atm.next())
$100
>>> print([corner_street_atm.next() for cash in range(5)])
['$100', '$100', '$100', '$100', '$100']
>>> hsbc.crisis = True # Crisis is coming, no more money!
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # It's even true for new ATMs
>>> print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # The trouble is, even post-crisis the ATM remains empty
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # Build a new one to get back in business
>>> for cash in brand_new_atm:
... print cash
...
$100
$100
$100
$100
$100
$100
$100
$100
$100
...
說明：python3裏面，用next(corner_street_atm)或者corner_street_atm.next()代替corner_street_atm.next()，其他生成器亦然
這種操作針對各種與控制資源讀取類似的場景非常有用
itertools， your best friend
itertools庫包含管理迭代對象的各種特殊函數。可以實現諸如複製生成器、連接兩個生成器、對交織在一個list裏面的數據進行分組、在不創建新的list的情況下實現map/zip等操作。使用時直接import itertools即可
示例：一個四匹馬的賽馬所有可能的到達順序
>>> horses = [1, 2, 3, 4]
>>> races = itertools.permutations(horses)
>>> print(races)
<itertools.permutations object at 0xb754f1dc>
>>> print(list(itertools.permutations(horses)))
[(1, 2, 3, 4),
(1, 2, 4, 3),
(1, 3, 2, 4),
(1, 3, 4, 2),
(1, 4, 2, 3),
(1, 4, 3, 2),
(2, 1, 3, 4),
(2, 1, 4, 3),
(2, 3, 1, 4),
(2, 3, 4, 1),
(2, 4, 1, 3),
(2, 4, 3, 1),
(3, 1, 2, 4),
(3, 1, 4, 2),
(3, 2, 1, 4),
(3, 2, 4, 1),
(3, 4, 1, 2),
(3, 4, 2, 1),
(4, 1, 2, 3),
(4, 1, 3, 2),
(4, 2, 1, 3),
(4, 2, 3, 1),
(4, 3, 1, 2),
(4, 3, 2, 1)]
理解迭代的內部機制
迭代(iteration)是一中對可迭代對象（實現了__iter__（)這個魔術方法）和迭代器（實現了__next__()這個魔術方法）的操作。可迭代對象(iterable)是包含迭代器的一種python對象。迭代器（iterator）是一個讓你能夠遍歷一個可迭代對象的python對象