Introducción a los generadores

Los generadores son un tipo especial de iterador en Python que permite recorrer datos de forma diferida. En lugar de devolver todos los datos a la vez, producen un elemento cada vez, lo que permite ahorrar memoria.

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

¿Qué es un generador?

Un generador es una función que usa la palabra clave yield para devolver valores uno a 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 conservan el estado de la función, por lo que pueden reanudar la ejecución exactamente donde se detuvieron. Esto permite ahorrar memoria y los hace 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 usan paréntesis en lugar de corchetes. Crean generadores en vez 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 menos memoria que las listas porque no almacenan todos los datos en 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 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 valores yield

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 habituales 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, donde las listas son más adecuadas.

¿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.

¡Buen trabajo! Pasemos al siguiente tema.