Summary  
This chapter covers generator functions that use `yield` to pause and resume execution for memory-efficient, on-the-fly value production and support iteration via `next()` or `for` loops.

General domain of usage  
data stream processing

**Generaattorifunktio** on erityinen funktiotyyppi, joka käyttää `yield`-avainsanaa `return`-avainsanan sijaan tuottaakseen arvojonoja. Kun generaattorifunktiota kutsutaan, se palauttaa iteraattori-olion, jota voidaan iteroida arvojen hakemiseksi yksi kerrallaan.

Määritelmä

Generaattorifunktioiden tärkein etu on niiden **muistitehokkuus**. Sen sijaan, että koko jono luotaisiin etukäteen ja tallennettaisiin muistiin, generaattorit tuottavat arvot **tarvittaessa**.

## Miten `yield` toimii

Toisin kuin `return`, joka lopettaa funktion suorittamisen kokonaan, `yield` **keskeyttää** funktion ja tallentaa sen tilan. Kun `next()` kutsutaan seuraavan kerran, generaattori jatkaa täsmälleen siitä kohdasta, mihin se jäi:


def count_up(start, stop):
    while start <= stop:
        yield start  # Pause and return the current value
        start += 1   # Resume from here on the next call

counter = count_up(1, 3)

print(next(counter))  # 1
print(next(counter))  # 2
print(next(counter))  # 3

Generaattoria voi myös iteroida `for`-silmukalla – se kutsuu automaattisesti `next()`-funktiota, kunnes generaattori on tyhjä:

def count_up(start, stop):
    while start <= stop:
        yield start
        start += 1

for value in count_up(1, 5):
    print(value)  # 1, 2, 3, 4, 5

Kun generaattori on käytetty loppuun (ei ole enää arvoja palautettavana), sen kutsuminen `next()`-funktiolla aiheuttaa `StopIteration`-virheen. `for`-silmukka käsittelee tämän automaattisesti.

Huomio

import unittest
import re

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

class TestEvenNumbers(unittest.TestCase):

    def test_even_numbers_is_generator(self):
        import user_code
        import types
        try:
            result = user_code.even_numbers(1, 10)
            condition = isinstance(result, types.GeneratorType)
            failure_message = "Expected `even_numbers` to return a generator object."
        except AttributeError:
            condition = False
            failure_message = "The function `even_numbers` is not defined."
        _dynamic_test(self, condition, "The `even_numbers` function returns a generator object.", failure_message)

    def test_even_numbers_correct_values(self):
        import user_code
        try:
            result = list(user_code.even_numbers(1, 10))
            expected = [2, 4, 6, 8, 10]
            condition = result == expected
            failure_message = f"Expected `{expected}`, but got `{result}`."
        except AttributeError:
            condition = False
            failure_message = "The function `even_numbers` is not defined."
        _dynamic_test(self, condition, f"The `even_numbers` generator yields `[2, 4, 6, 8, 10]` for range 1 to 10.", failure_message)

    def test_even_numbers_no_odd_values(self):
        import user_code
        try:
            result = list(user_code.even_numbers(1, 10))
            condition = all(n % 2 == 0 for n in result)
            failure_message = f"Expected only even numbers, but got `{result}`."
        except AttributeError:
            condition = False
            failure_message = "The function `even_numbers` is not defined."
        _dynamic_test(self, condition, "The `even_numbers` generator yields only even numbers.", failure_message)

    def test_even_numbers_different_range(self):
        import user_code
        try:
            result = list(user_code.even_numbers(5, 20))
            expected = [6, 8, 10, 12, 14, 16, 18, 20]
            condition = result == expected
            failure_message = f"Expected `{expected}` for range 5 to 20, but got `{result}`."
        except AttributeError:
            condition = False
            failure_message = "The function `even_numbers` is not defined."
        _dynamic_test(self, condition, f"The `even_numbers` generator correctly handles the range 5 to 20.", failure_message)

if __name__ == '__main__':
    unittest.main()

test_main.py

Saavuta vankka ymmärrys siitä, miten funktiot muovaavat Python-ohjelmointia. Hallitse funktioiden määrittely ja kutsuminen, argumenttien käsittely, palautusarvojen hallinta sekä joustavan ja tehokkaan koodin luominen rekursion ja lambda-lausekkeiden avulla.

Tutustu siihen, mitä funktiot ovat ja miksi ne ovat olennaisia Pythonissa. Opiskele, kuinka funktioita luodaan, määritellään argumentteja, käsitellään paluuarvoja ja käytetään sisäänrakennettuja funktioita tehokkaasti.

Opi, miten positionaaliset ja valinnaiset argumentit toimivat Pythonissa. Rakenna mukautuvia funktioita, jotka käsittelevät erilaisia syötteitä ja parantavat koodisi joustavuutta.

Ymmärrä, kuinka käsitellä mielivaltaisia ja avainsana-argumentteja vaihtelevan syötteen hallitsemiseksi. Opi, miten nämä tekniikat tekevät funktioistasi dynaamisempia ja järjestelmällisempiä.

Opi, miten paluuarvot edustavat funktion tuotosarvoa. Palauta yksi tai useampi arvo, käytä None-arvoa ja tutustu generaattoreihin edistyneemmän tietovirran hallinnan saavuttamiseksi.

Avaa edistyneet funktiokäsitteet rekursion ja lambda-funktioiden avulla. Opiskele, kuinka rekursio ratkaisee toistuvia ongelmia ja kuinka lambda-lausekkeilla luodaan tiiviitä, yhdellä rivillä kirjoitettuja funktioita.

Generaattorifunktiot

Miten `yield` toimii

Ratkaisu

Generaattorifunktiot

Miten yield toimii

Ratkaisu

Miten `yield` toimii