Что такое генераторы и как они работают в Python

В прошлый раз мы говорили про списки в Python. Сегодня поговорим про особенности работы с Python-генераторами. Читайте далее про особенности работы генераторов в языке Python, которые обеспечивают разработчика возможностью оптимального использования ресурсов.

Что представляют собой генераторы в Python

Генераторы — это объекты, выполнение которых можно возобновлять и приостанавливать. При этом они возвращают объект, который можно итерировать (возвращать каждое следующее значение по отдельности). Существуют следующие виды генераторов в Python [1]:

• генераторные выражения — возвращают объекты, производящие результаты по запросу (обычно с помощью метода next());
• генераторные функции — функции, которые возвращают значения каждой итерации. Однако вместо оператора return в них используется инструкция yield. Также для вызова генераторных функций используется цикл.

Особенности работы с генераторами в Python: несколько практических примеров

Для создания объекта-генератора в Python можно использовать так называемое генераторное выражение, которое внутри себя использует цикл. В качестве примера рассмотрим пример генератора, который будет считать квадраты чисел от 1 до 4. Для создания такой последовательности используется функция range() [1]:

a = (i**2 for i in range(1,5))

Для вызова значений генератора используется метод next(). Причем, для вывода каждого нового значения, необходимо каждый раз вызвать метод next():

next(a)
# 1
next(a)
# 4
next(a)
# 9
next(a)
# 16
next(a)
# StopIteration exception

Стоит обратить внимание, что если вызвать метод next() после вывода последнего элемента, генератор сотрет его из памяти и выдаст исключение StopIteration.

В Python генератор можно создавать не только с помощью выражений, но и с помощью специальных генераторных функций. Единственным отличием от обычной функции будет лишь то, что в функциях-генераторах вместо оператора return используется инструкция yield, которая приостанавливает генератор и возвращает какое-то значение. В качестве примера создадим генераторную функцию для вычисления квадратов чисел от 1 до 4, как это было выше [1]:

def gen_sqr(m):
    for i in range (1,m):
        yield i**2

Еще одной отличительной особенностью такой функции будет то, что вызывается она через цикл:

a=gen_sqr
for i in a(6):
    print (i)
# 1
# 4
# 9
# 16
# 25

Таким образом, благодаря генераторам, в Python существует возможность оптимального и экономного использования памяти. Это делает Python универсальным и надежным средством для работы с производительными приложениями, а также с Big Data обработкой.

Графовые алгоритмы. Бизнес-приложения

Код курса

GRAF

Ближайшая дата курса

по запросу

Продолжительность

24 ак.часов

Стоимость обучения

54 000 руб.

Освоить Python на профессиональном уровне в разработчика различных приложений и прочих прикладных областях Data Science вы сможете на практических курсах по Python в нашем лицензированном учебном центре обучения и повышения квалификации ИТ-специалистов в Москве:

• DPREP: Подготовка данных для Data Mining на Python
• Разработка и внедрение ML-решений
• Графовые алгоритмы. Бизнес-приложения
• Нейронные сети на Python
• NLP с Python

Записаться на курс

Смотреть раcписание