Что такое генераторы в Python?

Python Генераторы

Генераторы в Python — это особый тип итераторов, которые позволяют создавать последовательности значений по требованию, не сохраняя их все в памяти одновременно. Генераторы реализуют ленивое вычисление и являются мощным инструментом для работы с большими данными.

Способы создания генераторов

Generator functions — функции с yield
Generator expressions — генераторные выражения
Generator classes — классы с __iter__ и __next__

Пример функции-генератора

def countdown(n):
    while n > 0:
        yield n
        n -= 1

# Использование
for num in countdown(5):
    print(num)

# Или создание объекта генератора
gen = countdown(3)
print(next(gen))  # 3
print(next(gen))  # 2
print(next(gen))  # 1

Генераторные выражения

# Генераторное выражение
squares = (x**2 for x in range(10))

# Эквивалентная функция-генератор
def squares_func():
    for x in range(10):
        yield x**2

# Использование
for square in squares:
    print(square)

# Генераторы можно использовать в функциях
sum_of_squares = sum(x**2 for x in range(10))
print(sum_of_squares)  # 285

Преимущества генераторов

Память — экономят память, создавая значения по требованию
Производительность — ленивое вычисление
Бесконечные последовательности — могут создавать бесконечные итерации
Композиция — легко комбинировать с другими генераторами

Пример бесконечного генератора

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

# Получение первых 10 чисел Фибоначчи
fib = fibonacci()
for i in range(10):
    print(next(fib))

# Или с помощью itertools
import itertools
fib_numbers = list(itertools.islice(fibonacci(), 10))
print(fib_numbers)

Методы генераторов

def my_generator():
    try:
        value = yield "Первое значение"
        yield f"Получено: {value}"
    except GeneratorExit:
        print("Генератор закрывается")
    except Exception as e:
        print(f"Получено исключение: {e}")

gen = my_generator()
print(next(gen))  # Первое значение

# send() - отправка значения в генератор
print(gen.send("Привет"))  # Получено: Привет

# throw() - отправка исключения
gen = my_generator()
next(gen)
gen.throw(ValueError("Ошибка"))

# close() - закрытие генератора
gen = my_generator()
next(gen)
gen.close()

Практические примеры

# Чтение больших файлов
def read_large_file(file_path):
    with open(file_path, 'r') as file:
        for line in file:
            yield line.strip()

# Фильтрация данных
def filter_even_numbers(numbers):
    for num in numbers:
        if num % 2 == 0:
            yield num

# Pipeline обработки данных
def process_data(data):
    for item in data:
        # Обработка каждого элемента
        processed = item.upper()
        yield processed

# Использование pipeline
numbers = range(1, 11)
even_numbers = filter_even_numbers(numbers)
processed_data = process_data(str(n) for n in even_numbers)

for item in processed_data:
    print(item)  # 2, 4, 6, 8, 10

Генераторы vs Списки

import sys

# List comprehension - создает весь список в памяти
squares_list = [x**2 for x in range(1000000)]
print(f"Размер списка: {sys.getsizeof(squares_list)} байт")

# Generator expression - создает генератор
squares_gen = (x**2 for x in range(1000000))
print(f"Размер генератора: {sys.getsizeof(squares_gen)} байт")

# Генератор занимает значительно меньше памяти

FAQ

В чем разница между return и yield?

return завершает функцию, yield приостанавливает выполнение и возвращает значение, сохраняя состояние функции для продолжения.

Когда использовать генераторы?

Используй генераторы при работе с большими данными, бесконечными последовательностями или когда нужно экономить память.