Generatorer

Generatorer sparar funktionens tillstånd, så att de kan återuppta körningen exakt där den avbröts. Det gör dem minneseffektiva och idealiska för stora datamängder.

# 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

Generatoruttryck liknar listkomprehensioner men använder parenteser i stället för hakparenteser. De skapar generatorer i stället för listor.

# 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 är minneseffektivare än listor eftersom de inte lagrar all data i minnet. I stället genererar de data direkt när den behövs.

# 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 är idealiska för:

• Bearbetning av stora datamängder som inte får plats i minnet.
• Generering av oändliga sekvenser.
• Lat utvärdering av data.

Generatorer kan skapa oändliga sekvenser, till exempel en ändlös sekvens av tal. Se till att stoppa loopen för att förhindra oändlig körning.

# 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

Generatorfunktioner kan innehålla flera yield-satser, så att du kan skapa komplexa 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

Här är några misstag du bör undvika:

• Använda return i stället för yield i en generatorfunktion.
• Inte förbruka generatorn med en loop eller next().
• Använda generatorer för små datamängder där listor är lämpligare.

I den här lektionen har du lärt dig:

• Vad generatorer är och hur de fungerar i Python.
• Hur du använder yield för att skapa generatorfunktioner.
• Skillnaderna mellan generatorer och listor.
• Användningsområden för generatorer, till exempel oändliga sekvenser och stora datamängder.

Bra jobbat! Nu går vi vidare till nästa ämne.