Generator Function

• Generator 함수는 값을 Return 하기도 하면서 동시에 산출 (Yield)한다.
• Generator는 Iterator를 생성해주는 함수
• Generator 함수는 Generator object를 반환한다.

def generator_squares():
    for i in range(3):
        yield i ** 2

def return_squares():
    for i in range(3):
        return i ** 2

print("generator_squares=", end=""), print(generator_squares())

print("return_squares=", end=""), print(return_squares())

generator_squares=<generator object generator_squares at 0x7f217aed3c80>
return_squares=0

값을 yield 하는 함수와 return하는 함수를 둘다 출력했을때 Generator 함수는 generator object를 반환하며 일반적인 함수는 해당 함수의 처리 결과를 Return 하는것을 알 수 있다.

• Iterator와 다르게 __iter__를 호출 한 후에 __next__함수를 호출하지 않아도 바로 __next__를 호출 할 수 있다.

Generator 함수의 __iter__ & __next__ & Sand

__iter__

print("dir gen =", end=""), print(dir(generator_squares()))

dir gen =['__class__', '__del__', '__delattr__', '__dir__', '__doc__',
'__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__',
'__init__', '__init_subclass__', '__iter__', '__le__', '__lt__', '__name__',
'__ne__', '__new__', '__next__', '__qualname__', '__reduce__', '__reduce_ex__',
'__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__',
'close', 'gi_code', 'gi_frame', 'gi_running', 'gi_yieldfrom', 'send', 'throw']

Generator 함수를 dir로 호출해 함수 종류를 확인해 보면 __iter__와 __next__함수 둘다 포함되어 있는것을 확인 할 수 있다.

💡따라서 Generator 함수는 Iterator 함수와 다르게 __iter__를 호출 한 뒤 곧바로 __next__함수를 호출하는 것이 가능한 것이다.

__next__

Iterator와 마찬가지로 __next__함수로 값을 꺼내 올수 있고 더이상 꺼낼수 있는 값이 없으면 StopIteration이 발생한다.

gen = generator_squares()
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())

#출력결과
0
1
4
Traceback (most recent call last):
  File "generator.py", line 14, in <module>
    print(gen.__next__())
StopIteration

Send

Generator 함수는 실행 중에 send 함수를 통해 값을 전달 할 수 있다.

def generator_send():
    received_value = 0

    while True:

        received_value = yield
        print("received_value = ",end=""), print(received_value)
        yield received_value * 2

gen = generator_send()
next(gen)
print(gen.send(2))

next(gen)
print(gen.send(3))

# 출력결과
received_value = 2
4
received_value = 3
6

Generator 함수는 yield를 이용하여 Generator 함수 실행 중 값을 전달 할 수 있고 이를 응용 main 실행 루프에서 연산 결과에 따라 호출도 제어 할 수 있다.

Generator Expression

• Lazy Evaluation을 위해 사용될 수 있다.
  • 💡Lazy Evaluation : 실행을 지연 시키는 것을 의미

Generator Expression 문법

• List comprehension 문법과 비슷
• [] 가 아닌 ()를 사용하여 구현한다.

L = [ 1,2,3]

def generate_square_from_list():
    result = ( x*x for x in L ) # Generator Expression
    print(result)
    return result

def print_iter(iter):
    for element in iter:
        print(element)

print_iter( generate_square_from_list() )

<generator object generate_square_from_list.<locals>.<genexpr> at 0x7f2c1de20c80>
1
4
9

Lazy Evaluation

Lazy Evaluation은 무엇일까?

만약 내가 아이스크림 장사를 하는데 오늘 손님이 100명 들어올 것을 예상하여 아이스크림을 100개 준비했다. 그런데 오늘 하필 손님이 5명밖에 안오는 바람에 95개의 아이스크림이 악성 재고가 생겼다. 내가 만약 손님이 오는 데로 아이스크림을 준비 했더라면 95개의 재고가 발생하지 않을 수 있지 않을까? Eager evaluation과 Lazy evaluation은 바로 이런 차이이다.

• Eager evaluation : 손님이 100명 들어올 것을 예상하고 아이스크림을 100개 준비 하는 것.
• Lazy evaluation : 손님이 오는 데로 아이스크림을 준비 하는 것.

Python에서 Eager evaluation는 List Comprehension으로 구현하며 Lazy evaluation은 Generator Expression으로 구현한다.

Lazy Evaluation의 장점

Memory를 효율적으로 관리 할 수 있다.

• List Comprehension
  • 모든 데이터를 List에 저장해야 하므로 List의 크기가 커질 수록 Memory에 적재되는 데이터양이 늘어 나게 된다.
• Generator Expression
  • __next__함수를 통해 필요 할때 마다 데이터를 Memory에 적재하여 필요한 만큼만 Memory자원을 사용 가능하게 한다.

💡List Comprehension VS Generator Expression

import sys
sys.getsizeof([i for i in range(100) if i % 2]) # List Comprehension
4264
sys.getsizeof((i for i in range(100) if i % 2)) # Generator Expression
112

List Comprehension과 Generator Expression으로 각각 생성 했을 때 메모리 점유 상태를 보면 알 수 있듯 Generator Expression이 List Comprehension 보다 적은량의 메모리를 점유하고 있음을 확인 할 수 있다.

불필요한 연산을 피할 수 있다.

Code

import time

L = [1,2,3]

def print_iter(iter):
    for element in iter:
        print(element)

def lazy_return(num):
    print("sleep 1s")
    time.sleep(1)
    return num

print("comprehension_list=")
comprehension_list = [ lazy_return(i) for i in L ]
print_iter(comprehension_list)

print("generator_exp=")
generator_exp = ( lazy_return(i) for i in L )
print_iter(generator_exp)

Result

comprehension_list=
sleep 1s
sleep 1s
sleep 1s
1
2
3
generator_exp=
sleep 1s
1
sleep 1s
2
sleep 1s
3

List Comprehension

• 모든 연산이 한번에 수행됨을 확인 할 수 있다.
• 만약 수행해야 하는 연산의 시간이 매우 길거나 List의 크기가 매우 클 경우 수행하는 연산이 과부하가 걸릴수도 있을 것이다.

Generator Expression

• 필요할때마다 연산이 수행됨을 확인 할 수 있다.
• 따라서 연산이 필요할때만 실행되며 (수행 시간이 긴 연산을 필요한 순간 까지 늦출 수 있다.)
• 불필요한 값들이 계산되는 시간을 기다릴 필요가 없다.

💡Eager evaluation (List comprehension)의 연산 방법

💡Lazy evaluation (Generator expression)의 연산 방법