Generator เป็นฟังก์ชันพิเศษที่ใช้ yield แทน return คืนค่าทีละตัว (Lazy Evaluation) ประหยัดหน่วยความจำมาก
Generator พื้นฐาน
def generator_thru_iter():
yield 'xyz'
yield 246
yield 40.50
for i in generator_thru_iter():
print(i)
# xyz
# 246
# 40.5ใช้ next() แบบ Manual
>> g = generator_thru_iter()
>>> next(g) # หรือ g.__next__()
'xyz'
>>> next(g)
246
>>> next(g)
40.5
>>> next(g)
StopIterationทำไม Generator ประหยัด Memory?
ฟังก์ชันปกติ: สร้าง list ทั้งหมดใน RAM → คืน list
Generator: คืนค่าทีละตัว, เก็บ state (local variables) ไว้ รอ next call
ตัวอย่างจริง: กำลังสองของ 1 ถึง 200,000,000,000
# แบบปกติ: ต้องสร้าง list ขนาด 200B → Out of Memory
n = 200_000_000_000
number_list = range(1, n + 1) # Python 3 range เป็น lazy แล้ว แต่ loop ยังนาน
for i in number_list:
print(i * i)
# แบบ Generator: ไม่สร้าง list, คำนวณทีละตัว
def num_generator(n):
num = 1
while True:
yield num
if num == n:
return
num += 1
for i in num_generator(200_000_000_000):
print(i * i)
# หยุดได้ทุกเมื่อด้วย Ctrl+Cคุณสมบัติ Generator
- Defined with
def - ใช้
yield(หลายครั้งได้) - คืน Iterator Object
- รองรับ Iterator Protocol (
__iter__,__next__) - Stateful: จำค่าตัวแปรท้องถิ่นระหว่าง yield
Generator Expression (Inline)
>> gen = (x * x for x in range(10))
>>> next(gen)
0
>>> list(gen)
[1, 4, 9, 16, 25, 36, 49, 64, 81]เมื่อไหร่ควรใช้ Generator?
- Dataset ใหญ่ / Infinite sequences
- Pipeline processing (read → transform → write)
- ต้องการเริ่มใช้ผลลัพธ์ทันที ไม่ต้องรอคำนวณเสร็จ
- Memory constrained environments
