Python零基础到精通教程，函数进阶与模块导入
本文包含生成器函数核心用法、高级技巧、模块导入全规则、真实使用场景，学完就能直接在项目中使用。
一、生成器函数（进阶）
1. 什么是生成器函数？
- 使用
yield关键字，不是 return - 调用时不立即执行代码，返回一个生成器对象
- 每次迭代时才执行到
yield，暂停并返回值，下次从暂停处继续 - 最大优势：节省内存，不一次性生成所有数据
2. 基础语法回顾
# 最简单的生成器 def my_generator(): yield 1 yield 2 yield 3 # 使用 gen = my_generator() # 得到生成器对象 print(next(gen)) # 1 print(next(gen)) # 2 print(next(gen)) # 33. 生成器函数 进阶核心用法
（1）带参数的生成器（最常用）
使用场景：动态生成序列、批量数据、分页数据
# 生成从 start 到 end 的数字（步长 step） def number_generator(start, end, step=1): current = start while current <= end: yield current current += step # 生成 1~10 偶数 for num in number_generator(2, 10, 2): print(num) # 2 4 6 8 10（2）生成器 + 条件判断（筛选数据）
使用场景：大数据过滤、日志筛选、数据流处理
# 只生成偶数 def even_generator(max_num): for i in range(max_num + 1): if i % 2 == 0: yield i # 使用 for n in even_generator(10): print(n)（3）生成器嵌套（yield from）
使用场景：拆分复杂逻辑、多级数据生成
def part1(): yield 1 yield 2 def part2(): yield 3 yield 4 # 合并两个生成器 def full_generator(): yield from part1() yield from part2() # 输出 1 2 3 4 for n in full_generator(): print(n)（4）生成器 send () 方法（高级交互）
使用场景：动态控制生成器、实时传参调整逻辑
def control_generator(): result = yield "开始" print(f"收到外部数据：{result}") yield f"处理后：{result * 2}" gen = control_generator() print(next(gen)) # 开始 print(gen.send(10)) # 收到外部数据：10 → 处理后：20（5）无限生成器（永不停止）
使用场景：ID 自增、计数器、数据流、心跳包
# 无限自增 ID def id_generator(): num = 1 while True: yield num num += 1 # 使用 gen = id_generator() print(next(gen)) # 1 print(next(gen)) # 2 print(next(gen)) # 34. 生成器函数 真实使用场景（必看）
| 场景 | 为什么用生成器？ |
|---|---|
| 读取超大文件 | 不一次性加载全部内容，避免内存爆炸 |
| 分页接口请求 | 一页一页获取数据，节省内存 |
| 实时数据流 | 日志、监控、传感器数据逐一生成 |
| 无限序列 | 自增 ID、计数器、随机数序列 |
| 大数据处理 | 过滤、映射、转换百万级数据不卡顿 |
实战示例：读取超大日志文件
# 逐行读取 10GB 日志文件，不占满内存 def read_large_file(file_path): with open(file_path, "r", encoding="utf-8") as f: for line in f: yield line.strip() # 使用 for line in read_large_file("large.log"): if "ERROR" in line: print("发现错误：", line)二、模块导入 完整学习（新手必懂）
1. 什么是模块？
- 一个
.py文件就是一个模块 - 用于代码拆分、复用、维护
- 把函数、变量、类放在独立文件中
2. 模块导入 4 种基础语法
（1）import 模块名
# 导入整个模块 import math print(math.sqrt(16)) # 4.0（2）from 模块 import 功能
# 只导入需要的函数/变量 from math import sqrt, pi print(sqrt(25)) # 5.0（3）from 模块 import *
# 导入所有内容（不推荐，容易命名冲突） from math import *（4）import 模块 as 别名
# 简化名称（常用！） import numpy as np import pandas as pd3. 模块导入 进阶规则（重点）
（1）自定义模块（自己写的 .py 文件）
项目结构：
project/ ├── main.py # 主程序 └── utils.py # 自定义模块utils.py
# 生成器函数 def count_generator(start=1): while True: yield start start += 1 # 普通函数 def add(a, b): return a + bmain.py导入使用：
from utils import count_generator, add gen = count_generator(100) print(next(gen)) # 100 print(add(3,5)) # 8（2）ifname== "main"（模块必备）
作用：模块被直接运行时才执行，被导入时不执行
utils.py优化：
def add(a, b): return a + b # 只有直接运行此文件时才执行 if __name__ == "__main__": print("测试函数：", add(2,3))（3）包（Package）导入
文件夹就是包，必须包含__init__.py（Python 3.3+ 可省略）
project/ ├── main.py └── mypackage/ ├── __init__.py └── tools.py导入：
from mypackage.tools import count_generator（4）相对导入（用于包内部）
from .tools import func # 同级目录 from ..utils import helper # 上级目录4. 模块导入 真实使用场景
| 场景 | 作用 |
|---|---|
| 项目拆分 | 把登录、数据库、工具函数分开 |
| 代码复用 | 一个函数多处导入使用，不用复制 |
| 避免冲突 | 不同模块同名函数不会干扰 |
| 团队协作 | 每人负责不同模块，最后整合 |
| 第三方库 | 导入 numpy/pandas/torch 等库 |
三、生成器 + 模块导入 综合实战
把生成器函数封装到模块里，实现高复用、低内存、结构化项目。
项目结构
my_project/ ├── main.py └── data_generator.py # 生成器模块1. 模块文件：data_generator.py
# 数据生成器模块 # 1. 数字序列生成器 def number_seq(start, end, step=1): current = start while current <= end: yield current current += step # 2. 过滤生成器（只保留偶数） def even_filter(num_gen): for num in num_gen: if num % 2 == 0: yield num # 3. 无限ID生成器 def id_gen(prefix="ID-"): num = 1 while True: yield f"{prefix}{num}" num += 12. 主程序：main.py
# 导入自定义模块中的生成器 from data_generator import number_seq, even_filter, id_gen # 1. 使用序列生成器 print("1~10 数字：") for n in number_seq(1, 10): print(n, end=" ") # 2. 使用过滤生成器 print("\n偶数：") seq = number_seq(1, 20) for n in even_filter(seq): print(n, end=" ") # 3. 使用ID生成器 print("\n自动ID：") gen = id_gen("USER-") for _ in range(5): print(next(gen))运行结果
1~10 数字： 1 2 3 4 5 6 7 8 9 10 偶数： 2 4 6 8 10 12 14 16 18 20 自动ID： USER-1 USER-2 USER-3 USER-4 USER-5四、核心知识点总结
生成器函数
yield替代 return，实现暂停 / 恢复执行- 节省内存，适合大数据、无限序列
- 常用场景：大文件读取、分页、ID 自增、数据流
- 高级用法：
yield from、send()、无限生成器
模块导入
- 一个
.py就是一个模块 - 四种导入方式：
import/from ... import/*/as if __name__ == "__main__"用于模块测试- 包 = 文件夹，用于管理多个模块
- 核心价值：代码复用、结构清晰、团队协作
总结
- 生成器= 惰性生成数据，内存友好，适合处理大量 / 无限数据
- 模块= 代码封装工具，复用性强，让项目结构更清晰
- 两者结合 =高质量 Python 项目必备技能