ஜெனரேட்டர்கள் என்றால் என்ன மற்றும் yield கீவோர்ட் என்றால் என்ன?

Question

Accepted Answer

**ஜெனரேட்டர்** என்பது ஒரு செயல்பாடு ஆகும், இது `yield` கீவோர்ட்டைப் பயன்படுத்தி `return` க்கு பதிலாக **மெதுவாக, ஒரு நேரத்தில் ஒன்று** மதிப்புகளை உற்பత்தி செய்கிறது. இது முழு முடிவையும் நினைவகத்தில் கட்டிக்கொள்ளாமல் ஒவ்வொரு மதிப்பையும் தேவைக்கேற்ப கணக்கிடுகிறது — பெரிய அல்லது எல்லையற்ற வரிசைகளுக்கு சிறந்தது.

## yield vs return

```python
# a regular function builds the WHOLE list in memory
def get_squares(n):
    return [i ** 2 for i in range(n)]   # all n values created at once

# a generator yields values ONE AT A TIME, on demand
def gen_squares(n):
    for i in range(n):
        yield i ** 2                     # pause here, return one value, resume on next()

for sq in gen_squares(1_000_000):        # uses almost NO memory
    print(sq)
```

`yield` செயல்பாட்டை **நிறுத்துகிறது**, ஒரு மதிப்பைத் திருப்பி, அடுத்த iteration இல் அந்த சரியான புள்ளியிலிருந்து **மீண்டும் தொடங்குகிறது** — மதிப்புகளுக்கு இடையில் உள்ளூர் நிலையைப் பாதுகாக்கிறது. கோரப்படும் வரை எதுவும் கணக்கிடப்படுவதில்லை.

## நினைவக நன்மை

```python
sum(i ** 2 for i in range(10_000_000))   # generator expression — constant memory
sum([i ** 2 for i in range(10_000_000)]) # list — builds a huge list first (wasteful)
```

பெரிய தரவுக்கு, ஜெனரேட்டர்கள் நினைவகத்தை தட்டையாக வைத்திருக்கின்றன; ஒரு பட்டியல் புரிதல் எல்லாவற்றையும் ஒரே சமயத்தில் உறுதிப்படுத்துகிறது.

## எல்லையற்ற வரிசைகள் (பட்டியலுடன் சாத்தியமற்றது)

```python
def count_up():
    n = 0
    while True:        # infinite — but lazy, so it's fine
        yield n
        n += 1

gen = count_up()
next(gen)   # 0
next(gen)   # 1  — only computes when asked
```

மதிப்புகள் தேவைக்கேற்ப உற்பத்தி செய்யப்படுவதால், ஜெனரேட்டர் *எல்லையற்ற* ஸ்ட்ரீமைப் பிரதிநிதித்துவப்படுத்த முடியும் — நீங்கள் தேவையான ஒன்றை மட்டும் எடுக்கிறீர்கள்.

## Iteration எவ்வாறு பின்னணியில் செயல்படுகிறது

```python
gen = gen_squares(3)
next(gen)   # 0  — runs until the first yield
next(gen)   # 1  — resumes, runs to the next yield
next(gen)   # 4
next(gen)   # StopIteration — generator exhausted
```

## ஜெனரேட்டர் வெளிப்பாடுகள்

```python
(x ** 2 for x in range(10))   # like a list comprehension but lazy (parentheses)
```

## ஏன் இது முக்கியம்

ஜெனரேட்டர்கள் பெரிய அல்லது ஸ்ட்ரீமிங் தரவின் **நினைவக-திறமையான** செயலாக்கத்திற்கு அপরிহார்யம் — பিशালான ফাইல்களை வரிக்கு வரி படிக்க, பெரிய தரவுசெட்டுகளை செயலாக்க, பைப்லைன்கள் அல்லது எல்லையற்ற வரிசைகள் — முழு பட்டியல் তৈரி செய்வது நினைவகத்தை அழிக்கும் இடங்களில்.

`yield` (நிறுத்த/மீண்டும் தொடங்க பாதுகாக்கப்பட்ட நிலையுடன்) மற்றும் மெதுவான மதிப்பீட்டைப் புரிந்துகொள்வது உங்களை scalable தரவு-செயலாக்க குறியீட்டை எழுத அனுமதிக்கிறது, மற்றும் ஜெனரேட்டர் வெளிப்பாடுகள் একே பலனை சுருக்கமாக வழங்குகின்றன.

தரவு நினைவகத்தில் பொருந்த மிகவும் பெரியதாக இருக்கும்போது அல்லது அனைத்தையும் முன்னுரிமையாக செயலாக்க விரும்பாமல் உற்பத்தி செய்யப்படும் போது வருடங்களைக் கட்டுப்படுத்த இவை ஒரு முக்கிய கருவிகளாகும்.