Generators

Generatorer er en særlig type iterator i Python, som giver dig mulighed for at gennemløbe data dovent. I stedet for at returnere alle data på én gang leverer de ét element ad gangen, hvilket gør dem hukommelseseffektive.

I denne lektion lærer du, hvordan du opretter og bruger generatorer i Python.

En generator er en funktion, der bruger nøgleordet yield til at returnere værdier én ad gangen. Hvert kald til generatorens next()-metode genoptager udførelsen dér, hvor den sidst leverede en værdi.

# Basic generator example
def my_generator():
    yield 1
    yield 2
    yield 3

# Using the generator
gen = my_generator()
print(next(gen))  # Outputs: 1
print(next(gen))  # Outputs: 2
print(next(gen))  # Outputs: 3

Generatorer gemmer funktionens tilstand, så de kan genoptage udførelsen præcis dér, hvor de slap. Det gør dem hukommelseseffektive og velegnede til store datasæt.

# Example: Generating a range of numbers
def range_generator(start, end):
    while start < end:
        yield start
        start += 1

for number in range_generator(1, 5):
    print(number)  # Outputs: 1, 2, 3, 4

Generatorudtryk minder om listeforståelser, men bruger parenteser i stedet for kantede parenteser. De opretter generatorer i stedet for lister.

# Generator expression
gen_exp = (x * x for x in range(5))

for value in gen_exp:
    print(value)  # Outputs: 0, 1, 4, 9, 16

Generatorer er mere hukommelseseffektive end lister, fordi de ikke gemmer alle data i hukommelsen. I stedet genererer de data undervejs.

# Comparing lists and generators
# List comprehension
list_comp = [x * x for x in range(1000000)]

# Generator expression
gen_exp = (x * x for x in range(1000000))

# List comprehension uses more memory
print(type(list_comp))  # Outputs: <class 'list'>
print(type(gen_exp))    # Outputs: <class 'generator'>

Generatorer er velegnede til:

• Behandling af store datasæt, der ikke kan være i hukommelsen.
• Generering af uendelige sekvenser.
• Doven evaluering af data.

Generatorer kan producere uendelige sekvenser, f.eks. en endeløs talrække. Sørg for at stoppe løkken for at forhindre uendelig udførelse.

# Infinite generator example
def infinite_sequence():
    num = 0
    while True:
        yield num
        num += 1

# Using the infinite generator
for i in infinite_sequence():
    if i > 5:
        break
    print(i)  # Outputs: 0, 1, 2, 3, 4, 5

Generatorfunktioner kan indeholde flere yield-sætninger, så du kan oprette komplekse sekvenser:

# Multiple yields in a generator
def multi_yield():
    yield "First"
    yield "Second"
    yield "Third"

for value in multi_yield():
    print(value)  # Outputs: First, Second, Third

Her er nogle fejl, du bør undgå:

• At bruge return i stedet for yield i en generatorfunktion.
• Ikke at forbruge generatoren med en løkke eller next().
• At bruge generatorer til små datasæt, hvor lister er mere velegnede.

I denne lektion har du lært:

• Hvad generatorer er, og hvordan de fungerer i Python.
• Hvordan du bruger yield til at oprette generatorfunktioner.
• Forskellene mellem generatorer og lister.
• Anvendelsesområder for generatorer, f.eks. uendelige sekvenser og store datasæt.

Godt klaret! Lad os gå videre til det næste emne.