Python 이터레이터와 제너레이터

배추·2026년 1월 1일

python

🐍 Python

목록 보기

22/23

Python의 이터레이터와 제너레이터에 대해 알아봅니다.

반복 가능(iterable) 객체: for 문과 같은 반복 구문에 적용할 수 있는 리스트와 같은 객체.

▶︎이터레이터

이터레이터: 데이터를 하나씩 순서대로 꺼내올 수 있는 객체.
- next() 함수를 사용하여 값을 하나씩 가져올 수 있다.
- 모든 값을 다 가져오면 StopIteration 예외가 발생한다.
반복 가능하다고 해서 이터레이터는 아니다.

a = [1, 2, 3]
next(a) # 오류

하지만 반복 가능하다면 다음과 같이 iter 함수를 이용해 이터레이터로 만들 수 있다.

a = [1, 2, 3]
ia = iter(a)
type(ia) # <class 'list_iterator'>

next(ia) # 1
next(ia) # 2
next(ia) # 3
next(ia) # StopIteration 예외

next 함수를 호출할 때마다 이터레이터 객체의 요소를 차례대로 반환한다. 하지만 더는 반환할 값이 없다면 StopIteration 예외가 발생한다.
이터레이터의 값을 가져오는 가장 일반적인 방법은 for 문을 이용.
- for 문을 이용하면 자동으로 값을 가져오므로 next 함수를 직접 호출하거나 StopIteration 예외를 처리할 필요가 없다.
- 이터레이터는 for 문을 이용하여 반복하고 난 후에는 다시 반복하더라도 더는 그 값을 가져오지 못한다. 즉, for문이나 next로 그 값을 한 번 읽으면 그 값을 다시는 읽을 수 없다.

a = [1, 2, 3]
ia = iter(a)
for i in ia:
    print(i)

# 1
# 2
# 3

이터레이터 만들기

이터레이터 클래스를 만드는 핵심 규칙

__iter__ 메서드: 이터레이터 객체 자신을 반환.
__next__ 메서드: 다음 값을 반환하고, 더 이상 값이 없으면 StopIteration 예외를 발생.
이 두 메서드만 구현하면 for 문이나 next() 함수에서 사용할 수 있는 이터레이터가 된다.

MyIterator 클래스의 동작 원리

# iterator.py
class MyIterator:
    def __init__(self, data):
        self.data = data
        self.position = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.position >= len(self.data):
            raise StopIteration
        result = self.data[self.position]
        self.position += 1
        return result

if __name__ == "__main__":
    i = MyIterator([1,2,3])
    for item in i:
        print(item)

1. __init__ 메서드: 이터레이터를 초기화.
- self.data: 반복할 데이터를 저장.
- self.position: 현재 위치를 추적하는 변수 (0부터 시작).
1. __iter__ 메서드: 이터레이터 객체 자신을 반환한다
- 이 메서드가 있어야 파이썬이 해당 객체를 반복 가능한 객체로 인식한다.
- for 문, iter() 함수, next() 함수 등에서 사용하기 위해 필수.
- 보통 return self로 자기 자신을 반환한다.
1. __next__ 메서드: 다음 값을 반환.

self.position을 이용해 현재 위치의 값을 가져온다.
위치를 하나씩 증가시킨다.
더 이상 값이 없으면 StopIteration 예외를 발생시킨다.

=> 이렇게 구현하면 next() 함수나 for 문에서 사용할 수 있는 이터레이터 완성!

입력받은 데이터를 역순으로 출력

# reviterator.py
class ReverseIterator:
    def __init__(self, data):
        self.data = data
        self.position = len(self.data) -1

    def __iter__(self):
        return self

    def __next__(self):
        if self.position < 0:
            raise StopIteration
        result = self.data[self.position]
        self.position -= 1
        return result

if __name__ == "__main__":
    i = ReverseIterator([1,2,3])
    for item in i:
        print(item)

▶︎제너레이터

제너레이터: 간단하게 이터레이터를 만드는 특별한 함수.
이터레이터를 클래스로 만들려면 __iter__와 __next__ 메서드를 구현해야 하는 등 복잡하다. 하지만 제너레이터를 사용하면 함수 하나만으로 간단하게 이터레이터를 만들 수 있다.

제너레이터의 핵심 특징

일반 함수와 비슷하지만 return 대신 yield 키워드를 사용한다.
yield를 만나면 값을 반환하고 함수 실행을 일시정지한다.
다시 호출하면 일시정지했던 지점부터 계속 실행한다.
마치 음악 플레이어의 재생/일시정지 기능처럼 동작.

제너레이터 만들기

def mygen():
    yield 'a'
    yield 'b'
    yield 'c'

g = mygen()
type(g) # <class 'generator'>

next(g) # 'a'
next(g) # 'b'
next(g) # 'c'
next(g) # StopIteration 오류

mygen 함수는 yield 구문을 포함하므로 제너레이터이다.
제너레이터 객체는 g = mygen()과 같이 제너레이터 함수를 호출하여 만들 수 있다.
type 명령어로 확인하면 g 객체는 제너레이터 타입의 객체.
제너레이터 객체 g로 next 함수를 실행하면 mygen 함수의 첫 번째 yield 문에 따라 'a' 값을 반환한다.
제너레이터는 yield라는 문장을 만나면 그 값을 반환하되 현재 상태를 그대로 기억한다.
다시 next() 함수를 실행 시 두 번째 yield 문에 따라 'b' 값을 반환한다.
계속해서 next 함수를 호출하면 StopIteration 오류.

제너레이터 표현식

mygen 함수는 1부터 1,000까지 각각의 숫자를 제곱한 값을 순서대로 반환하는 제너레이터.

# generator.py
def mygen():
    for i in range(1, 1000):
        result = i * i
        yield result

gen = mygen()

print(next(gen)) # 1
print(next(gen)) # 4
print(next(gen)) # 9

제너레이터 표현식(generator expression): 제너레이터는 def를 이용한 함수로 만들 수 있지만, 튜플 표현식으로 좀 더 간단하게 만들 수도 있다.

gen = (i * i for i in range(1, 1000))

이 표현식은 mygen 함수로 만든 제너레이터와 완전히 똑같이 기능한다.
여기서 사용한 표현식은 리스트 컴프리헨션(list comprehension) 구문과 비슷. 다만 리스트 대신 튜플을 이용한 점이 다르다.

제너레이터와 이터레이터

제너레이터는 이터레이터와 서로 상당히 비슷.
클래스를 이용해 이터레이터를 작성하면 좀 더 복잡한 행동을 구현할 수 있다.
이와 달리 제너레이터를 이용하면 간단하게 이터레이터를 만들 수 있다.
- 간단한 경우라면 제너레이터 함수나 제너레이터 표현식을 사용하는 것이 가독성이나 유지 보수 측면에서 유리.
=> 이터레이터의 성격에 따라 클래스로 만들 것인지, 제너레이터로 만들 것인지를 선택해야 한다.

제너레이터 활용하기

상황: 시간이 오래 걸리는 작업을 처리해야 하는데, 모든 결과가 필요하지 않은 경우.

일반적인 리스트 컴프리헨션

import time

def longtime_job():
    print("job start")
    time.sleep(1)  # 1초 지연 - 실제로는 데이터베이스 조회, 파일 처리 등을 시뮬레이션
    return "done"

# 리스트 컴프리헨션: 5번의 작업을 모두 실행해서 리스트로 만든다
list_job = [longtime_job() for i in range(5)]
print(list_job[0])  # 첫 번째 결과만 필요한 상황

문제점
- longtime_job() 함수는 1초씩 걸린다.
- 리스트를 만들 때 5번의 함수를 모두 미리 실행한다.
- 첫 번째 결과만 필요한데도 5초를 기다려야 한다.

제너레이터를 사용한 해결책

import time

def longtime_job():
    print("job start")
    time.sleep(1)
    return "done"

# 제너레이터 표현식: 함수를 미리 실행하지 않고 필요할 때만 실행
list_job = (longtime_job() for i in range(5))
print(next(list_job))  # 첫 번째 값만 요청

핵심 차이점
- [ ] (리스트 컴프리헨션) → ( ) (제너레이터 표현식)으로 변경
- list_job[0] → next(list_job)으로 값을 가져오는 방식 변경.
제너레이터의 동작 방식
- (longtime_job() for i in range(5))는 함수를 즉시 실행하지 않는다.
- next(list_job)을 호출할 때 비로소 첫 번째 longtime_job()만 실행한다.
- 나머지 4개는 실행되지 않는다.
결과 분석: 제너레이터를 사용함으로써 놀라운 성능 개선.
- 실행 시간이 5초에서 1초로 대폭 단축되었다. 이는 리스트 컴프리헨션에서는 5개의 함수를 모두 실행했지만, 제너레이터에서는 필요한 첫 번째 함수만 실행했기 때문.
- "job start"가 5번 출력되던 것이 1번만 출력되는 것을 보면, 실제로 함수 호출 횟수가 줄어든 것을 확인할 수 있다.
- 이와 함께 메모리 사용량도 크게 절약되는데, 리스트는 모든 결과를 메모리에 저장하지만 제너레이터는 필요할 때만 값을 생성하기 때문.
이런 방식을 '느긋한 계산법(lazy evaluation)'이라고 한다.

제너레이터는 다음과 같은 상황에서 매우 유용하다

대용량 데이터 처리 시 메모리 절약
시간이 오래 걸리는 작업을 필요할 때만 실행
무한한 데이터 스트림 처리

배추

난 🥬

이전 포스트

Python 클로저, 데코레이터

다음 포스트

Python 이터레이터와 제너레이터

🐍 Python

▶︎이터레이터

이터레이터 만들기

이터레이터 클래스를 만드는 핵심 규칙

MyIterator 클래스의 동작 원리

입력받은 데이터를 역순으로 출력

▶︎제너레이터

제너레이터의 핵심 특징

제너레이터 만들기

제너레이터 표현식

제너레이터와 이터레이터

제너레이터 활용하기

일반적인 리스트 컴프리헨션

제너레이터를 사용한 해결책

제너레이터는 다음과 같은 상황에서 매우 유용하다

Python 클로저, 데코레이터

Python 타입 어노테이션

0개의 댓글