Agora Metin2 1
Agora Metin2
berzahx 1
berzahx
Aliyldrim 1
Aliyldrim
-ECD- 1
-ECD-
Reklam vermek için turkmmo@gmail.com

Python Generator'lar: yield, Tembel İterasyon ve Generator İfadeleri

  • Konuyu başlatan Konuyu başlatan Agora Metin2
  • Başlangıç tarihi Başlangıç tarihi
  • Cevaplar Cevaplar 0
  • Görüntüleme Görüntüleme 13
image3b57beb29d949ebf.jpg


Duraklatılabilir Fonksiyon Mantığı

Bir generator yapısı, dış görünüşü itibarıyla standart bir fonksiyona benzer. Ancak tüm sonucu bellekte hesaplayıp bir kerede döndürmek yerine, değerleri ihtiyaç duyuldukça yield anahtar kelimesi ile tek tek dışarı aktarır. Bir sonraki değer istenene kadar fonksiyonun çalışması duraklatılır.

En temel kullanım örneği şöyledir:

Python:
def count_up_to(n):
    current = 1
    while current <= n:
        yield current
        current += 1

for number in count_up_to(5):
    print(number)

Burada return yerine yield kullanımına dikkat edin. Kod çalıştırıldığında, for döngüsü ilk değeri talep eder etmez Python fonksiyonun içine girer ve yield 1 satırına ulaşana kadar işlemleri gerçekleştirir. Fonksiyon tam bu noktada dondurulur; 1 değeri döngüye iletilir ve fonksiyon o anki tüm değişken durumlarını hafızasında saklar. Bir sonraki adımda, current += 1 satırından itibaren kaldığı yerden devam eder ve while döngüsüne dönerek yield 2 çıktısını üretir. Bu süreç, koşul sağlanmayana kadar devam eder ve sonunda generator kendini sonlandırır.

Bu durdur-devam et mekanizması, generator'ların sunduğu temel avantajdır.

Neden Liste Yerine Generator?

Liste yapısı kullandığınızda, tüm veriler önceden belleğe alınır:

Python:
def count_up_to_list(n):
    return list(range(1, n + 1))

print(count_up_to_list(5))

Küçük çaplı verilerde bu bir sorun değildir. Ancak 50 milyon tam sayı içeren bir küme hayal edin ve siz sadece belirli bir kritere uyan ilk sayıyı arıyorsunuz. Liste yaklaşımı bellekte 50 milyon öğe için yer açarken, generator yaklaşımı sadece ihtiyacınız olanı üretir. for döngüsü aradığını bulup break yaptığı an, generator çalışmayı bırakır ve fazladan işlem yapmaz.

Bu noktadaki ana fikir şudur: Generator'lar, verinin tamamını kullanıp kullanmayacağınızı bilmenize gerek kalmadan esnek iterasyon kodu yazmanıza olanak tanır.

Generator İfadeleri

Liste comprehension söz dizimine aşinaysanız, generator ifadelerini kavramak çok kolaydır; tek yapmanız gereken köşeli parantezleri normal parantezlerle değiştirmektir:

Python:
# List comprehension: sonucun tamamını bellekte ayırır.
squares_list = [n * n for n in range(10)]

# Generator ifadesi: talep üzerine hesaplar.
squares_gen = (n * n for n in range(10))

print(squares_list)
print(squares_gen)

for s in squares_gen:
    print(s)

squares_gen değişkeni, kod çalıştırıldığında hemen hesaplama yapmaz; sadece nasıl hesaplanacağına dair bir "tarife" barındırır. Üzerinde dönmeye başladığınızda tarifi adım adım uygular.

Generator ifadeleri, iterable kabul eden fonksiyonlar için oldukça verimlidir:

Python:
numbers = [3, 8, 1, 5, 4, 9, 2]

print(sum(n * n for n in numbers))
print(max(n for n in numbers if n % 2 == 0))
print(any(n > 7 for n in numbers))

Burada ara bir liste oluşturulmaz. sum, max veya any gibi fonksiyonlar değerleri tek tek tüketir, bu da belleği yormaz.

Büyük Dosyaları İşlemek

Generator'ların en pratik kullanım alanı, belleğe sığmayacak kadar büyük dosyaların satır satır işlenmesidir:

Python:
def parse_log_lines(path):
    with open(path) as f:
        for line in f:
            if line.startswith("ERROR"):
                yield line.rstrip()

for error in parse_log_lines("app.log"):
    print(error)

Dosya içeriği "tembel" bir şekilde okunur. Generator'a her ihtiyaç duyulduğunda diskten tek bir satır alınır, işlenir ve iletilir. Dosyanın boyutu ne olursa olsun, uygulama üzerindeki bellek yükü hep sabit kalır.

Tek Kullanımlık Akışlar

Generator'lar tek geçişliktir. Son öğeye ulaşıldığında artık tükenmiş kabul edilirler:

Python:
def first_three():
    yield 1
    yield 2
    yield 3

gen = first_three()

for n in gen:
    print("first time:", n)

for n in gen:
    print("second time:", n)

Tüketilmiş bir generator üzerinde ikinci bir döngü kurarsanız, hiçbir sonuç alamazsınız. Birden fazla kez iterate etmeniz gerekiyorsa, ya fonksiyonu tekrar çağırıp yeni bir generator oluşturun ya da list(...) ile veriyi belleğe alıp tekrar kullanılabilir bir liste elde edin. İhtiyacınıza göre maliyeti tartarak karar verin.

next() ile Manuel İterasyon

Döngü kullanmadan da generator'dan değer çekebilirsiniz; next() fonksiyonu bu işi yapar:

Python:
def ticks():
    yield "first"
    yield "second"
    yield "third"

gen = ticks()

print(next(gen))
print(next(gen))
print(next(gen))

# Dördüncü bir çağrı StopIteration fırlatır.

StopIteration hatası, generator'ın artık üretecek verisi kalmadığını gösterir. for döngüleri bu sinyali otomatik yönetir. Manuel kullanımda hatadan kaçınmak isterseniz, next(gen, default) yapısını kullanarak varsayılan bir değer atayabilirsiniz.

Sonsuz Döngü Potansiyeli

Generator'lar değerleri talep üzerine ürettiği için, teorik olarak sonsuz bir diziyi temsil edebilirler:

Python:
def naturals():
    n = 1
    while True:
        yield n
        n += 1

for n in naturals():
    if n > 5:
        break
    print(n)

yield içeren bir while True bloğu programı kilitlemez; sadece tüketici veri istediği sürece üretim yapmaya devam eder. Tüketici ne zaman duracağına kendisi karar verir. Bu yapı; veri akışlarında, olay yönetiminde ve uzunluğu belirsiz kaynaklarda sıklıkla karşımıza çıkar.

yield from ile Veri Aktarımı

Bir generator başka bir iterable içindeki her öğeyi yield etmek istediğinde, yield from bunu en kısa yoldan yapar:

Python:
def chain(*iterables):
    for it in iterables:
        yield from it

combined = chain([1, 2, 3], (4, 5, 6), "ab")
for x in combined:
    print(x)

yield from kullanımı, iç içe for döngüleri yazma zahmetini ortadan kaldırır ve send() veya throw() gibi ileri seviye iletim işlemlerini doğru şekilde yönetir.

Ne Zaman Kullanmalı?

Şu üç durum generator'ların doğru tercih olduğunu gösterir:

1. Veri seti çok büyük, sonsuz veya üretilmesi maliyetli.
2. Tüketici işlemin tamamlanmasını beklemeden durabilir (örneğin break).
3. Ara listeler oluşturmadan veriyi filtreleyip dönüştürerek zincirleme işlemek istiyorsunuz.

Şu durumlarda ise tercih etmemelisiniz:

• Rastgele erişime (seq[42]) ihtiyacınız varsa; generator'lar sadece ileri gider.
• Aynı veriyi birkaç kez iterate etmeniz gerekiyorsa liste kullanın.
• Dizi zaten küçük ve bellekte hazırsa, liste comprehension daha okunur ve basittir.

Generator'lar, liste comprehension'lar ve listeler farklı ihtiyaçlara cevap veren araçlardır. Doğru olanı sezgisel olarak seçebilmek için, iterasyon yaparken "hepsini bir kerede mi üretmeliyim?" yoksa "birer birer mi ilerlemeliyim?" diye sormanız yeterlidir.

Sırada: Bağlam Yöneticileri

Python'daki iterasyon mantığını büyük ölçüde çözdünüz. Bir sonraki konu olan bağlam yöneticileri (with deyimi), özellikle dosya ve ağ bağlantıları gibi kaynakları yönetirken generator'larla mükemmel bir uyum içinde çalışır.
 

Şu an konuyu görüntüleyenler (Toplam : 0, Üye: 0, Misafir: 0)

Geri
Üst