بلیت‌های هواپیما

generator یک تابع یا عبارت است که نوع خاصی از تکرارگر را برمی‌گرداند که به آن generator iterator می‌گویند. Generator-iteratorها تنبل هستند: values خود را در حافظه ذخیره نمی‌کنند، بلکه مقادیرشان را هنگام نیاز تولید می‌کنند.

یک تابع مولد شبیه هر تابع دیگری است، اما شامل یک یا چند عبارت yield است. هر yield اجرای کد را معلق می‌کند و وضعیت اجرای جاری را ذخیره می‌کند (شامل همه‌ی متغیرهای محلی و دستورهای try). وقتی مولد ادامه پیدا می‌کند، وضعیت را از همان نقطه‌ی تعلیق برمی‌دارد، برخلاف توابع معمولی که با هر بار فراخوانی از نو آغاز می‌شوند.

ساخت یک مولد

مولدها تقریباً مانند دیگر توابع حلقه‌ای یا بازگشتی ساخته می‌شوند، اما به یک عبارت yield نیاز دارند که کمی بعد با جزئیات بیشتری به آن می‌پردازیم.

یک نمونه، تابعی است که مربع‌های اعداد یک فهرست مشخص را برمی‌گرداند. همان‌طور که اکنون نوشته شده است، باید همه‌ی ورودی پردازش شود تا بتوان هر مقداری را برگرداند:

>>> def squares(list_of_numbers):
...     squares = []
...     for number in list_of_numbers:
...         squares.append(number ** 2)
...     return squares

می‌توانید آن تابع را به این شکل به یک مولد تبدیل کنید:

>>> def squares_generator(list_of_numbers):
...     for number in list_of_numbers:
...         yield number ** 2

دلیلش این است که از مولد زمانی استفاده می‌کنید که نیازی ندارید همه‌ی مقادیر را یک‌جا تولید کنید. این کار حافظه و توان پردازشی را ذخیره می‌کند، چون فقط مقداری محاسبه می‌شود که در همان لحظه روی آن کار می‌کنید.

استفاده از یک مولد

در Python می‌توان از مولدها به‌جای بیشتر iterables استفاده کرد. این شامل تابع‌ها یا شیءهایی می‌شود که یک iterable/iterator را به‌عنوان آرگومان می‌خواهند.

برای استفاده از مولد squares_generator():

>>> squared_numbers = squares_generator([1, 2, 3, 4])

>>> for square in squared_numbers:
...     print(square)
...
1
4
9
16

مقادیر داخل یک generator را هم می‌توان با تابع next() تولید کرد یا به آن‌ها دسترسی داشت. next() متد __next__() یک شیء مولد-تکرارگر را فراخوانی می‌کند، کد را تا عبارت yield آن «به جلو می‌برد» یا ارزیابی می‌کند و بعد آن مقدار را «بازمی‌گرداند» یا برمی‌گرداند:

>>> squared_numbers = squares_generator([1, 2])

>>> next(squared_numbers)
1
>>> next(squared_numbers)
4

وقتی یک generator-iterator کاملاً مصرف شود و دیگر مقداری برای برگرداندن نداشته باشد، یک خطای StopIteration پرتاب می‌کند.

>>> next(squared_numbers)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

عبارت yield

عبارت yield بسیار شبیه عبارت return است. برخلاف عبارت return، دستور yield مقادیر را در یک نقطه‌ی مشخص به فراخوان‌کننده واگذار می‌کند و ارزیابی یا برگرداندن مقادیر بیشتر را تا زمانی که درخواست شوند معلق نگه می‌دارد. وقتی yield ارزیابی می‌شود، اجرای تابع دربرگیرنده را موقتاً متوقف می‌کند و مقادیر تابع را در همان نقطه‌ی زمانی برمی‌گرداند. پس از آن، تابع در حوزه‌ی خود باقی می‌ماند و وقتی __next__() فراخوانی شود، اجرا تا رسیدن دوباره به yield ادامه پیدا می‌کند.

>>> def infinite_sequence():
...     current_number = 0
...     while True:
...         yield current_number
...         current_number += 1

>>> lets_try = infinite_sequence()
>>> lets_try.__next__()
0
>>> lets_try.__next__()
1

چرا مولد بسازیم؟

مولدها در بسیاری از کاربردها مفیدند.

وقتی با مجموعه‌ی بالقوه‌ای بزرگ از مقادیر کار می‌کنید، ممکن است نخواهید همه‌ی آن‌ها را در حافظه قرار دهید. می‌توان از یک مولد برای کار تکه‌تکه روی داده‌های بزرگ‌تر استفاده کرد، که حافظه را ذخیره می‌کند و کارایی را بهبود می‌بخشد.

مولدها همچنین وقتی یک فرایند یا محاسبه پیچیده، پرهزینه یا نامتناهی باشد بسیار کمک‌کننده‌اند:

>>> def infinite_sequence():
...     current_number = 0
...     while True:
...         yield current_number
...         current_number += 1

حالا هر بار که __next__() روی شیء infinite_sequence فراخوانی شود، عدد قبلی را به‌علاوه‌ی ۱ برمی‌گرداند.