Introduzione ai generatori

I generatori sono un tipo speciale di iteratore in Python che consente di scorrere i dati in modo lazy. Invece di restituire tutti i dati in una sola volta, restituiscono un elemento alla volta, riducendo il consumo di memoria.

In questa lezione imparerà a creare e usare i generatori in Python.

Che cos’è un generatore?

Un generatore è una funzione che usa la parola chiave yield per restituire i valori uno alla volta. Ogni chiamata al metodo next() del generatore riprende l’esecuzione dal punto in cui era stato restituito l’ultimo valore.

# 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

Come funzionano i generatori

I generatori salvano lo stato della funzione, quindi possono riprendere l’esecuzione esattamente dal punto in cui si erano fermati. Questo riduce il consumo di memoria e li rende ideali per i set di dati di grandi dimensioni.

# 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

Espressioni generatore

Le espressioni generatore sono simili alle list comprehension, ma usano le parentesi tonde invece delle parentesi quadre. Creano generatori anziché liste.

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

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

Generatori e liste a confronto

I generatori usano meno memoria delle liste perché non memorizzano tutti i dati in memoria. Generano invece i dati al momento opportuno.

# 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'>

Casi d’uso dei generatori

I generatori sono ideali per:

• Elaborare set di dati di grandi dimensioni che non entrano in memoria.
• Generare sequenze infinite.
• Valutare i dati in modo lazy.

Generatori infiniti

I generatori possono produrre sequenze infinite, come una sequenza interminabile di numeri. Si assicuri di interrompere il ciclo per evitare un’esecuzione 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

Funzioni generatore con più yield

Le funzioni generatore possono contenere più istruzioni yield, consentendo di creare sequenze complesse:

# 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

Errori comuni con i generatori

Ecco alcuni errori da evitare:

• Usare return invece di yield in una funzione generatore.
• Non consumare il generatore con un ciclo o con next().
• Usare i generatori per set di dati di piccole dimensioni, quando le liste sono più appropriate.

Che cosa abbiamo imparato?

In questa lezione ha imparato:

• Che cosa sono i generatori e come funzionano in Python.
• Come usare yield per creare funzioni generatore.
• Le differenze tra generatori e liste.
• I casi d’uso dei generatori, come le sequenze infinite e i set di dati di grandi dimensioni.

Ottimo lavoro! Passiamo all’argomento successivo.