Summary  
This chapter covers generator functions and how the `yield` keyword pauses and resumes execution to produce values lazily and maintain state across iterations without storing the entire sequence in memory.

General domain of usage  
Data streaming and large-sequence processing

**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。ジェネレーター関数が呼び出されると、イテレーターオブジェクトを返し、このオブジェクトを反復処理することで値を一度に一つずつ取得可能。

定義

**イテレーターオブジェクト**は、`__iter__()`および`__next__()`メソッドを定義することでイテレーター・プロトコルを実装するオブジェクト。これにより、`next()`で要素を一つずつ取得でき、シーケンスやジェネレーター関数内の項目をループ処理することが可能。

ジェネレーター関数の主な利点は、**メモリ効率**の高さ。シーケンス全体を事前に生成してメモリに保存するのではなく、必要に応じて**オンデマンド**で値を生成。

## `yield` の仕組み

関数を完全に終了させる `return` とは異なり、`yield` は関数の実行を**一時停止**し、その状態を保存します。次に `next()` が呼び出されると、ジェネレーターは中断した場所から正確に再開されます:


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

ジェネレーターは `for` ループでも反復処理できます。for ループは自動的に `next()` を呼び出し、ジェネレーターが尽きるまで繰り返します:

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

ジェネレーターが使い尽くされる（yieldする値がなくなる）と、`next()`を呼び出すと`StopIteration`例外が発生します。`for`ループはこれを自動的に処理します。

注意

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

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かつ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で重要なのかを探ります。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利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動作について学習します。さまざまな入力に対応できる柔軟な関数を構築し、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解説します。単一または複数の値の返却、Noneの使用、さらに高度なデータフロー制御のためのジェネレータについて学びます。

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。再帰が反復的な問題をどのように解決するか、ラムダ式が簡潔な一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

yield の仕組み

解答

`yield` の仕組み