జెనరేటర్‌లు మరియు yield కీవర్డ్ ఏమిటి?

Question

IT Interview Practice · Accepted Answer

**జెనరేటర్** అనేది `yield` కీవర్డ్‌ను `return` స్థానంలో ఉపయోగించి **నెమ్మదిగా, ఒక సమయంలో ఒకటి** విలువలను ఉత్పత్తి చేసే ఫంక్షన్. ఇది మొత్తం ఫలితాన్ని మెమరీలో నిర్మించకుండా ప్రతిটి విలువను డిమాండ్ ఆధారంగా లెక్కిస్తుంది — పెద్ద లేదా అనంత సీక్వెన్సుల కోసం ఆదర్శ.

## 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` ఫంక్షన్‌ను **పాజ్ చేస్తుంది**, విలువను రిటర్న్ చేస్తుంది, మరియు తదుపరి ఇటరేషన్‌లో ఆ సరిగ్గా ఉన్న బిందువు నుండి **మళ్లీ ప్రారంభిస్తుంది** — విలువల మధ్య స్థానిక స్థితిని సংరక్షిస్తుంది. అభ్యర్థన వచ్చే వరకు ఏదీ లెక్కించబడదు.

## మెమరీ ప్రయోజనం

```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)
```

పెద్ద డేటా కోసం, జెనరేటర్‌లు మెమరీని ఫ్లాట్‌గా ఉంచుతాయి; లిస్ట్ కాంప్రిహెన్షన్ ఎవరిదూ ఒక సారి నిర్మిస్తుంది.

## అనంత సీక్వెన్సులు (లిస్ట్‌తో అసాధ్యం)

```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
```

విలువలు డిమాండ్ ఆధారంగా ఉత్పత్తి చేయబడినందున, జెనరేటర్ *అనంత* స్ట్రీమ్‌ను సూచించగలదు — మీరు కోసిన చీజ్‌ను తీసుకోండి.

## హుడ్ కింద ఇటరేషన్ ఎలా పనిచేస్తుంది

```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
```

## జెనరేటర్ వ్యక్తీకరణలు

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

## ఇది ఎందుకు ముఖ్యమైనది

జెనరేటర్‌లు పెద్ద లేదా స్ట్రీమింగ్ డేటా యొక్క **మెమరీ-సమర్థ** ప్రసంస్కరణ కోసం అవసరం — భారీ ఫైల్‌లను లైన్ బై లైన్‌గా చదవడం, పెద్ద డేటాసెట్‌లను ప్రసంస్కరించడం, పైప్‌లైన్‌లు లేదా అనంత సీక్వెన్సులు — పూర్ణ జాబితాను నిర్మించడం మెమరీని రీసెట్ చేస్తుంది.

`yield` (పాజ్/రిజ్యూమ్ సంరక్షిత స్థితితో) మరియు నిర్ణీత మూల్యాంకనాన్ని అర్థం చేసుకోవడం మీరు స్కేలేబుల్ డేటా-ప్రసంస్కరణ కోడ్‌ను వ్రాయడానికి అనుమతిస్తుంది, మరియు జెనరేటర్ వ్యక్తీకరణలు సంక్షిప్తంగా ఒకే ప్రయోజనాన్ని అందిస్తాయి.

డేటా మెమరీలో ఫిట్ చేయడానికి చాలా పెద్దదిగా ఉన్నప్పుడు లేదా అభ్యర్థించిన వెంటనే అన్నీ ప్రసంస్కరించకుండా ఐటెమ్‌లను ప్రసంస్కరించాలనుకున్నప్పుడు అవి ఒక కీ టూల్.

yield vs return

మెమరీ ప్రయోజనం

అనంత సీక్వెన్సులు (లిస్ట్‌తో అసాధ్యం)

హుడ్ కింద ఇటరేషన్ ఎలా పనిచేస్తుంది

జెనరేటర్ వ్యక్తీకరణలు

ఇది ఎందుకు ముఖ్యమైనది

సంబంధిత ప్రశ్నలు