这段代码定义了一个函数fixed_sum_digits，返回一个枚举所有6位数字的生成器，使得数字和为20。

def iter_fun(sum, deepness, myString, Total):
    if deepness == 0:
        if sum == Total:
            yield myString
    else:  
        for i in range(min(10, Total - sum + 1)):
            yield from iter_fun(sum + i,deepness - 1,myString + str(i),Total)

def fixed_sum_digits(digits, Tot):
    return iter_fun(0,digits,"",Tot) 

试着不屈服地写它。如果你找到了有效的方法，请告诉我。

我认为对于这样的情况:访问树，yield from使代码更简单、更干净。

这段代码定义了一个函数fixed_sum_digits，返回一个枚举所有6位数字的生成器，使得数字和为20。

def iter_fun(sum, deepness, myString, Total):
    if deepness == 0:
        if sum == Total:
            yield myString
    else:  
        for i in range(min(10, Total - sum + 1)):
            yield from iter_fun(sum + i,deepness - 1,myString + str(i),Total)

def fixed_sum_digits(digits, Tot):
    return iter_fun(0,digits,"",Tot) 

试着不屈服地写它。如果你找到了有效的方法，请告诉我。

我认为对于这样的情况:访问树，yield from使代码更简单、更干净。

在什么情况下“yield from”是有用的?

你有这样一个循环的每一种情况:

for x in subgenerator:
  yield x

正如PEP所描述的，这是使用子生成器的一种相当幼稚的尝试，它缺少几个方面，特别是PEP 342引入的.throw()/.send()/.close()机制的正确处理。要正确地做到这一点，需要相当复杂的代码。

经典用例是什么?

假设您想从递归数据结构中提取信息。假设我们想获取树中的所有叶节点:

def traverse_tree(node):
  if not node.children:
    yield node
  for child in node.children:
    yield from traverse_tree(child)

更重要的是，在生成from之前，没有重构生成器代码的简单方法。假设你有一个这样的(无意义的)生成器:

def get_list_values(lst):
  for item in lst:
    yield int(item)
  for item in lst:
    yield str(item)
  for item in lst:
    yield float(item)

现在您决定将这些循环分解到单独的生成器中。没有yield from，这是丑陋的，直到你会再三考虑是否真的想要这样做。对于yield from，实际上看起来很不错:

def get_list_values(lst):
  for sub in [get_list_values_as_int, 
              get_list_values_as_str, 
              get_list_values_as_float]:
    yield from sub(lst)

为什么将其与微线程进行比较?

我认为PEP中的这一节讨论的是每个生成器都有自己的独立执行上下文。再加上分别使用yield和__next__()在生成器-迭代器和调用者之间切换执行，这类似于线程，其中操作系统不时切换执行线程，以及执行上下文(堆栈，寄存器，…)。

这样做的效果也是类似的:生成器-迭代器和调用者都在执行状态下同时进行，它们的执行是交错的。例如，如果生成器执行某种计算，而调用者打印出结果，那么只要结果可用，您就会看到结果。这是并发的一种形式。

不过，这个类比并不是什么特别的东西，而是Python中生成器的一般属性。

在异步IO协程的实际使用中，yield from与协程函数中的await具有类似的行为。两者都用于暂停协程的执行。

Yield from由基于生成器的协程使用。 Await用于async def协程。(Python 3.5+开始)

对于Asyncio，如果不需要支持旧的Python版本(即>3.5)，async def/await是定义协程的推荐语法。因此，yield from在协程中不再需要。

但一般来说，在asyncio之外，yield from <子生成器>在迭代子生成器时仍有一些其他用途，如前面的回答中所述。

Wherever you invoke a generator from within a generator you need a "pump" to re-yield the values: for v in inner_generator: yield v. As the PEP points out there are subtle complexities to this which most people ignore. Non-local flow-control like throw() is one example given in the PEP. The new syntax yield from inner_generator is used wherever you would have written the explicit for loop before. It's not merely syntactic sugar, though: It handles all of the corner cases that are ignored by the for loop. Being "sugary" encourages people to use it and thus get the right behaviors.

这条讨论线程中的消息讨论了这些复杂性:

对于PEP 342引入的附加生成器特性，这是不可能的 更长的情况:正如Greg的PEP中所描述的，简单的迭代不会 正确支持send()和throw()。体操需要支持 当您破坏Send()和throw()时，它们实际上并不复杂 向下，但它们也不是微不足道的。

我不能与微线程进行比较，只能观察到生成器是一种并行。您可以将挂起生成器视为一个线程，它通过yield将值发送给消费线程。实际的实现可能不是这样的(Python开发人员显然对实际的实现非常感兴趣)，但这与用户无关。

语法带来的新成果并没有在线程方面为语言增加任何额外的功能，它只是使正确使用现有功能变得更容易。或者更准确地说，它使专家编写的复杂内部生成器的新手更容易通过该生成器，而不会破坏其任何复杂特性。

Yield从基本链迭代器以有效的方式:

# chain from itertools:
def chain(*iters):
    for it in iters:
        for item in it:
            yield item

# with the new keyword
def chain(*iters):
    for it in iters:
        yield from it

正如您所看到的，它删除了一个纯Python循环。这几乎就是它所做的一切，但是链接迭代器是Python中非常常见的模式。

线程基本上是一种特性，它允许您在完全随机的点跳出函数，并跳回另一个函数的状态。线程管理器经常这样做，因此程序似乎同时运行所有这些函数。问题是这些点是随机的，所以您需要使用锁定来防止管理器在有问题的点上停止函数。

在这个意义上，生成器与线程非常相似:它们允许您指定特定的点(当它们屈服时)，您可以在那里插入和退出。当以这种方式使用时，生成器称为协程。

阅读这篇关于Python协程的优秀教程，了解更多细节