Generatorer

Generatorer lagrer funksjonens tilstand, slik at de kan fortsette kjøringen nøyaktig der de slapp. Dette gjør dem minneeffektive og ideelle for store datasett.

# 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

Generatoruttrykk ligner på listeforståelser, men bruker parenteser i stedet for hakeparenteser. De oppretter 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 bruker mindre minne enn lister fordi de ikke lagrer alle dataene i minnet. I stedet genererer de data fortløpende.

# 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 egner seg godt til:

• Behandle store datasett som ikke får plass i minnet.
• Generere uendelige sekvenser.
• Lat evaluering av data.

Generatorer kan produsere uendelige sekvenser, for eksempel en endeløs tallrekke. Sørg for å stoppe løkken for å hindre uendelig kjøring.

# 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

Generatorfunksjoner kan ha flere yield-setninger, slik at du kan opprette 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 noen feil du bør unngå:

• Bruke return i stedet for yield i en generatorfunksjon.
• Ikke iterere over generatoren med en løkke eller next().
• Bruke generatorer for små datasett der lister egner seg bedre.

I denne leksjonen har du lært:

• Hva generatorer er, og hvordan de fungerer i Python.
• Hvordan du bruker yield til å opprette generatorfunksjoner.
• Forskjellene mellom generatorer og lister.
• Bruksområder for generatorer, for eksempel uendelige sekvenser og store datasett.

Flott jobbet! La oss gå videre til neste emne.