yield from 是在Python3.3才出现的语法。所以这个特性在Python2中是没有的。
yield from 后面需要加的是可迭代对象，它可以是普通的可迭代对象，也可以是迭代器，甚至是生成器。
简单应用：拼接可迭代对象#
我们可以用一个使用yield和一个使用yield from的例子来对比看下。
使用yield
使用yield # 字符串 astr='ABC' # 列表 alist=[1,2,3] # 字典 adict={"name":"wangbm","age":18} # 生成器 agen=(i for i in range(4,8)) def gen(*args, **kw): for item in args: for i in item: yield i new_list=gen(astr, alist, adict， agen) print(list(new_list)) # ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7] 使用yield from # 字符串 astr='ABC' # 列表 alist=[1,2,3] # 字典 adict={"name":"wangbm","age":18} # 生成器 agen=(i for i in range(4,8)) def gen(*args, **kw): for item in args: yield from item new_list=gen(astr, alist, adict, agen) print(list(new_list)) # ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]
由上面两种方式对比，可以看出，yield from后面加上可迭代对象，他可以把可迭代对象里的每个元素一个一个的yield出来，对比yield来说代码更加简洁，结构更加清晰。
复杂应用：生成器的嵌套#
如果你认为只是 yield from 仅仅只有上述的功能的话，那你就太小瞧了它，它的更强大的功能还在后面。
当 yield from 后面加上一个生成器后，就实现了生成的嵌套。
当然实现生成器的嵌套，并不是一定必须要使用yield from，而是使用yield from可以让我们避免让我们自己处理各种料想不到的异常，而让我们专注于业务代码的实现。
如果自己用yield去实现，那只会加大代码的编写难度，降低开发效率，降低代码的可读性。既然Python已经想得这么周到，我们当然要好好利用起来。
讲解它之前，首先要知道这个几个概念
1、调用方：调用委派生成器的客户端（调用方）代码
2、委托生成器：包含yield from表达式的生成器函数
3、子生成器：yield from后面加的生成器函数
你可能不知道他们都是什么意思，没关系，来看下这个例子。
这个例子，是实现实时计算平均值的。
比如，第一次传入10，那返回平均数自然是10.
第二次传入20，那返回平均数是(10+20)/2=15
第三次传入30，那返回平均数(10+20+30)/3=20
# 子生成器 def average_gen(): total = 0 count = 0 average = 0 while True: new_num = yield average count += 1 total += new_num average = total/count # 委托生成器 def proxy_gen(): while True: yield from average_gen() # 调用方 def main(): calc_average = proxy_gen() next(calc_average) # 预激下生成器 print(calc_average.send(10)) # 打印：10.0 print(calc_average.send(20)) # 打印：15.0 print(calc_average.send(30)) # 打印：20.0 if __name__ == '__main__': main()
委托生成器的作用是：在调用方与子生成器之间建立一个双向通道。
所谓的双向通道是什么意思呢？
调用方可以通过send()直接发送消息给子生成器，而子生成器yield的值，也是直接返回给调用方。
你可能会经常看到有些代码，还可以在yield from前面看到可以赋值。这是什么用法？
你可能会以为，子生成器yield回来的值，被委托生成器给拦截了。你可以亲自写个demo运行试验一下，并不是你想的那样。
因为我们之前说了，委托生成器，只起一个桥梁作用，它建立的是一个双向通道，它并没有权利也没有办法，对子生成器yield回来的内容做拦截。
为了解释这个用法，我还是用上述的例子，并对其进行了一些改造。添加了一些注释，希望你能看得明白。
按照惯例，我们还是举个例子。
# 子生成器 def average_gen(): total = 0 count = 0 average = 0 while True: new_num = yield average if new_num is None: break count += 1 total += new_num average = total/count # 每一次return，都意味着当前协程结束。 return total,count,average # 委托生成器 def proxy_gen(): while True: # 只有子生成器要结束（return）了，yield from左边的变量才会被赋值，后面的代码才会执行。 total, count, average = yield from average_gen() print("计算完毕！！ 总共传入 {} 个数值， 总和：{}，平均数：{}".format(count, total, average)) # 调用方 def main(): calc_average = proxy_gen() next(calc_average) # 预激协程 print(calc_average.send(10)) # 打印：10.0 print(calc_average.send(20)) # 打印：15.0 print(calc_average.send(30)) # 打印：20.0 calc_average.send(None) # 结束协程 # 如果此处再调用calc_average.send(10)，由于上一协程已经结束，将重开一协程 if __name__ == '__main__': main() 运行后，输出： 10.0 15.0 20.0 计算完毕！！ 总共传入 3 个数值， 总和：60，平均数：20.0
为什么要使用yield from
学到这里，我相信你肯定要问，既然委托生成器，起到的只是一个双向通道的作用，我还需要委托生成器做什么？我调用方直接调用子生成器不就好啦？
高能预警~~~
下面我们来一起探讨一下，到底yield from 有什么过人之处，让我们非要用它不可。
因为它可以帮我们处理异常#
如果我们去掉委托生成器，而直接调用子生成器。那我们就需要把代码改成像下面这样，我们需要自己捕获异常并处理。而不像使yield from那样省心。
# 子生成器 # 子生成器 def average_gen(): total = 0 count = 0 average = 0 while True: new_num = yield average if new_num is None: break count += 1 total += new_num average = total/count return total,count,average # 调用方 def main(): calc_average = average_gen() next(calc_average) # 预激协程 print(calc_average.send(10)) # 打印：10.0 print(calc_average.send(20)) # 打印：15.0 print(calc_average.send(30)) # 打印：20.0 # ----------------注意----------------- try: calc_average.send(None) except StopIteration as e: total, count, average = e.value print("计算完毕！！ 总共传入 {} 个数值， 总和：{}，平均数：{}".format(count, total, average)) # ----------------注意----------------- if __name__ == '__main__': main()
此时的你，可能会说，不就一个StopIteration的异常吗？自己捕获也没什么大不了的。
你要是知道yield from在背后为我们默默无闻地做了哪些事，你就不会这样说了。
具体yield from为我们做了哪些事，可以参考如下这段代码。
#一些说明 """ _i：子生成器，同时也是一个迭代器 _y：子生成器生产的值 _r：yield from 表达式最终的值 _s：调用方通过send()发送的值 _e：异常对象 """ _i = iter(EXPR) try: _y = next(_i) except StopIteration as _e: _r = _e.value else: while 1: try: _s = yield _y except GeneratorExit as _e: try: _m = _i.close except AttributeError: pass else: _m() raise _e except BaseException as _e: _x = sys.exc_info() try: _m = _i.throw except AttributeError: raise _e else: try: _y = _m(*_x) except StopIteration as _e: _r = _e.value break else: try: if _s is None: _y = next(_i) else: _y = _i.send(_s) except StopIteration as _e: _r = _e.value break RESULT = _r
- 迭代器（即可指子生成器）产生的值直接返还给调用者
- 任何使用send()方法发给委派生产器（即外部生产器）的值被直接传递给迭代器。如果send值是None，则调用迭代器next()方法；如果不为None，则调用迭代器的send()方法。如果对迭代器的调用产生StopIteration异常，委派生产器恢复继续执行yield from后面的语句；若迭代器产生其他任何异常，则都传递给委派生产器。
- 子生成器可能只是一个迭代器，并不是一个作为协程的生成器，所以它不支持.throw()和.close()方法,即可能会产生AttributeError 异常。
- 除了GeneratorExit 异常外的其他抛给委派生产器的异常，将会被传递到迭代器的throw()方法。如果迭代器throw()调用产生了StopIteration异常，委派生产器恢复并继续执行，其他异常则传递给委派生产器。
- 如果GeneratorExit异常被抛给委派生产器，或者委派生产器的close()方法被调用，如果迭代器有close()的话也将被调用。如果close()调用产生异常，异常将传递给委派生产器。否则，委派生产器将抛出GeneratorExit 异常。
- 当迭代器结束并抛出异常时，yield from表达式的值是其StopIteration 异常中的第一个参数。
- 一个生成器中的return expr语句将会从生成器退出并抛出 StopIteration(expr)异常。
总结：
yield from常用来代替内层for循环 与 打开双通道- 但是大部分情况下
yield from并不单独使用，而是伴随着asyncio库使用，实现异步操作 - 从Python 3.5开始引入了新的语法
async和await，而await替代的就是yield from（为了不与实现内层for循环的yield from误解）