Odpowiedź.

Iteratory i generatory to podstawa efektywnego przetwarzania sekwencji w Pythonie. Historycznie Python dążył do uproszczenia pracy z strumieniami danych i unikania nadmiernego przechowywania dużych kolekcji w pamięci. Najpierw wprowadzono wsparcie dla iteratorów za pomocą protokołów __iter__ i __next__, a następnie — generatory, które pozwalają na tworzenie najprostszych iteratorów za pomocą konstrukcji opartych na yield.

Problem: często konieczne jest przetwarzanie dużych ilości danych (np. strumieniowanie z pliku lub bazy danych), co nie jest wygodne i efektywne, jeśli wczytujemy wszystko do pamięci od razu. Zwykłe funkcje zwracają wszystkie wyniki naraz, a tworzenie własnych iteratorów za pomocą klas jest często zbyt skomplikowane w prostych przypadkach.

Rozwiązanie: mechanizm yield pozwala na zorganizowanie "leniwego" generowania danych. Funkcja generatora nie zwraca listy ani innej kolekcji, ale zwraca obiekt generatora — iterator, który oblicza wartości w miarę potrzeby.

Przykład kodu:

# Prosty generator

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

for i in countdown(3):
    print(i)      # 3, 2, 1

Kluczowe cechy:

Oszczędność pamięci: dane są tworzone na żądanie, a nie z wyprzedzeniem.
Prosta składnia: yield realizuje pełnoprawny iterator w kilku liniach kodu.
Kontrola wykonania: generatory przechowują stan między wywołaniami.

Pytania z przeszkodami.

Czy można używać return i yield w tej samej funkcji?

Tak, ale return w generatorze kończy iterację (wywołuje StopIteration), a yield może być używany dowolną liczbę razy.

def example():
    yield 1
    return  # StopIteration

Dlaczego generator nie może być "zrestartowany" po zakończeniu?

Generator po zakończeniu iteracji (StopIteration) nie może być ponownie uruchomiony, należy go stworzyć na nowo.

gen = countdown(2)
list(gen)      # [2, 1]
list(gen)      # [] (generator już wyczerpany)

Jaka jest różnica między generatorem a iteratorem?

Generator to szczególny przypadek iteratora; każdy obiekt z metodami iter i next jest iteratorem, ale generator tworzony jest za pomocą funkcji z yield.

Typowe błędy i antywzorce

Zapominają, że generatory są "jednorazowe": po wyczerpaniu nie można ich ponownie wykorzystać.
Mylą działanie return i yield wewnątrz funkcji generatorów.
Przechowują wyniki generacji w liście — tracą sens leniwych obliczeń.

Przykład z życia

Negatywny przypadek

Programista napisał funkcję, która wczytuje milion wierszy pliku do pamięci za pomocą list(fd) do analizy. Doprowadziło to do przepełnienia pamięci na serwerze.

Zalety:

Szybki dostęp do wszystkich wierszy.

Wady:

Wysokie zużycie pamięci.
Możliwe awarie z powodu braku pamięci.

Pozytywny przypadek

Użycie generatora do czytania pliku linia po linii i analizy danych w locie za pomocą yield.