Introducción a los generadores

Los generadores son un tipo especial de iterador en Python que permite iterar sobre los datos de forma diferida. En lugar de devolver todos los datos a la vez, producen un elemento cada vez, lo que hace que sean eficientes en cuanto al uso de memoria.

En esta lección, aprenderá a crear y usar generadores en Python.

¿Qué es un generador?

Un generador es una función que utiliza la palabra clave yield para devolver valores de uno en uno. Cada llamada al método next() del generador reanuda la ejecución desde el punto en el que se produjo el último valor.

# 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

Cómo funcionan los generadores

Los generadores guardan el estado de la función para poder reanudar la ejecución exactamente donde se detuvo. Esto hace que sean eficientes en cuanto al uso de memoria e ideales para conjuntos de datos grandes.

# 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

Expresiones generadoras

Las expresiones generadoras son similares a las comprensiones de listas, pero utilizan paréntesis en lugar de corchetes. Crean generadores en lugar de listas.

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

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

Generadores frente a listas

Los generadores usan la memoria de manera más eficiente que las listas porque no almacenan todos los datos en la memoria. En su lugar, generan los datos sobre la marcha.

# 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'>

Casos de uso de los generadores

Los generadores son ideales para:

• Procesar conjuntos de datos grandes que no caben en la memoria.
• Generar secuencias infinitas.
• Evaluar datos de forma diferida.

Generadores infinitos

Los generadores pueden producir secuencias infinitas, como una secuencia interminable de números. Asegúrese de detener el bucle para evitar una ejecución infinita.

# 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

Funciones generadoras con varios yields

Las funciones generadoras pueden tener varias instrucciones yield, lo que permite crear secuencias complejas:

# 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

Errores comunes con los generadores

Estos son algunos errores que debe evitar:

• Usar return en lugar de yield en una función generadora.
• No consumir el generador con un bucle o con next().
• Usar generadores para conjuntos de datos pequeños, en los que las listas son más apropiadas.

¿Qué hemos aprendido?

En esta lección, ha aprendido:

• Qué son los generadores y cómo funcionan en Python.
• Cómo usar yield para crear funciones generadoras.
• Las diferencias entre los generadores y las listas.
• Casos de uso de los generadores, como las secuencias infinitas y los conjuntos de datos grandes.

¡Excelente trabajo! Pasemos al siguiente tema.