Generators

Generatoren bewaren de status van de functie, zodat ze de uitvoering precies kunnen hervatten waar ze waren gebleven. Daardoor gaan ze zuinig met geheugen om en zijn ze ideaal voor grote gegevensverzamelingen.

# 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

Generator-expressies lijken op lijstcomprehensies, maar gebruiken ronde haakjes in plaats van vierkante haakjes. Ze maken generatoren in plaats van lijsten.

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

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

Generatoren zijn zuiniger met geheugen dan lijsten, omdat ze niet alle gegevens in het geheugen opslaan. In plaats daarvan genereren ze gegevens tijdens het uitvoeren.

# 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'>

Generatoren zijn ideaal voor:

• Het verwerken van grote gegevensverzamelingen die niet in het geheugen passen.
• Het genereren van oneindige reeksen.
• Het uitgesteld evalueren van gegevens.

Generatoren kunnen oneindige reeksen produceren, zoals een eindeloze reeks getallen. Zorg dat je de lus stopt om oneindige uitvoering te voorkomen.

# 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

Generatorfuncties kunnen meerdere yield-instructies bevatten, zodat je complexe reeksen kunt maken:

# 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

Hier zijn enkele fouten die je moet vermijden:

• return gebruiken in plaats van yield in een generatorfunctie.
• De generator niet doorlopen met een lus of next().
• Generatoren gebruiken voor kleine gegevensverzamelingen waarvoor lijsten geschikter zijn.

In deze les heb je geleerd:

• Wat generatoren zijn en hoe ze werken in Python.
• Hoe je yield gebruikt om generatorfuncties te maken.
• Wat de verschillen zijn tussen generatoren en lijsten.
• Waarvoor je generatoren kunt gebruiken, bijvoorbeeld voor oneindige reeksen en grote gegevensverzamelingen.

Goed gedaan! Laten we doorgaan naar het volgende onderwerp.