Summary  
This chapter explains generator functions that use `yield` to produce values one at a time, enabling memory-efficient, on-demand iteration over sequences.  

General domain of usage  
processing large datasets or streams of data

**ジェネレーター関数**は、`yield`の代わりに`return`キーワードを使用して値のシーケンスを生成する特別な種類の関数です。ジェネレーター関数を呼び出すと、イテレーターオブジェクトが返され、これを反復処理することで値を一つずつ取得できます。
ジェネレーター関数の主な利点は、**メモリ効率**の高さです。ジェネレーター関数は必要に応じて値をその場で生成するため、全てのシーケンスを事前に生成する必要がありません。これにより、大規模なデータセットや無限シーケンスを扱う際に特にメモリ効率が向上します。

簡単なジェネレーターの例を見てみましょう。この関数は、与えられたリストからログイン名を一つずつ生成します。

def unique_logins_from_list(login_list):
    # Iterate over each login in the list
    for login in login_list: 
        yield login  # `yield` the current login

# A predefined list of available logins
login_list = ["user1", "user2", "user3", "user4", "user5"]

# Creating a generator instance from the login list
login_generator = unique_logins_from_list(login_list)

# Generate and print 5 logins, one at a time
for _ in range(5):
    # Each call to `next()` gives the next login
    print(next(login_generator)) 


**ジェネレーター**の原理は、`yield`キーワードを使って値を一度に一つずつ返し、__すべてを一度にメモリに保持しない__ことにあります。この例では、`unique_logins_from_list`ジェネレーターは__ログイン名のリストを反復処理し、`yield`で一つずつ返してその時点で一時停止__します。`next()`が呼ばれると、ジェネレーターは中断した位置から再開し、__リスト全体を同時にメモリに保持することなく__効率的に値を生成します。これにより、ジェネレーターは大規模なデータセットやデータストリームの処理に特に有用です。

import unittest
import user_code  # ÐÐ¼Ð¿Ð¾ÑÑÐ¸ÑÑÐµÐ¼ ÑÐ°Ð¹Ð» Ñ ÑÑÐ½ÐºÑÐ¸ÐµÐ¹ id_generator

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 TestIdGenerator(unittest.TestCase):
    def test_first_five_ids(self):
        """Checks that the first five generated IDs are correct"""
        id_gen = user_code.id_generator()
        expected_output = ["ID_1", "ID_2", "ID_3", "ID_4", "ID_5"]
        result = [next(id_gen) for _ in range(5)]
        condition = result == expected_output
        failure_message = f"For input (first 5 IDs), expected {expected_output}, but got {result}."
        _dynamic_test(self, condition, "The function correctly generates the first five IDs.", failure_message)
    
    def test_continuous_generation(self):
        """Checks that the generator continues producing IDs sequentially"""
        id_gen = user_code.id_generator()
        for _ in range(10):
            next(id_gen)
        result = next(id_gen)
        expected_output = "ID_11"
        condition = result == expected_output
        failure_message = f"For input (after 10 iterations), expected {expected_output}, but got {result}."
        _dynamic_test(self, condition, "The function correctly continues generating sequential IDs.", failure_message)
    
    def test_generator_type(self):
        """Checks that the function returns a generator object"""
        result = isinstance(user_code.id_generator(), type((lambda: (yield))()))
        expected_output = True
        condition = result == expected_output
        failure_message = "Expected `id_generator` to return a generator object, but it did not."
        _dynamic_test(self, condition, "The function correctly returns a generator object.", failure_message)
    
    def test_id_gen_is_declared(self):
        import user_code
        _dynamic_test(
            self,
            hasattr(user_code, 'id_gen'),
            "The `id_gen` variable is declared.",
            "Expected `id_gen` to be declared."
        )
      
if __name__ == "__main__":
    unittest.main()

test_main.py

関数がPythonプログラミングにどのような影響を与えるかについての確かな理解を得ることができます。関数の定義と呼び出し、引数の操作、戻り値の処理、再帰やラムダ式を用いた柔軟で効率的なコードの作成を習得します。

関数とは何か、そしてなぜPythonで重要なのかを探求します。関数の作成方法、引数の定義、戻り値の処理、組み込み関数の効果的な使用方法について学びます。

Pythonにおける位置引数とオプション引数の仕組みを学びます。さまざまな入力に対応できる柔軟な関数を作成し、コードの柔軟性を向上させます。

可変長引数およびキーワード引数を使用して、入力サイズが異なる場合の処理方法を理解します。これらの手法によって、関数をより動的かつ整理されたものにする方法を学びます。

戻り値が関数の出力をどのように表すかを学びます。単一または複数の値の返却、Noneの使用、より高度なデータフロー制御のためのジェネレーターの活用について探求します。

再帰とラムダ関数による高度な関数の概念を習得します。再帰が繰り返しの問題をどのように解決するか、ラムダ式が簡潔な1行関数をどのように作成するかを学びます。

ジェネレーター関数

解答