Generator

โดยปรกติแล้ว ในฟังก์ชันหนึ่งๆ จะจบการทำงานทันทีที่เจอ return ตัวแรก นั่นคือการคืนค่าเพียง 1 เดียวของมัน

โดยถ้าเราไม่ต้องการให้ฟังก์ชันของเราจบการทำงานทันที แต่ก็ยังต้องการผลลัพท์ระหว่างการทำงานเป็นรอบๆ ออกมาเรื่อยๆ นี่คือแนวคิดของ generator นั่นเอง ซึ่งสามารถสร้างได้ง่ายๆ โดยการเปลี่ยน keyword จาก return เป็น yield เช่นตัวอย่างนี้

    def gen_prime():
        yield 2
        yield 3
        yield 5
        yield 7

ในการใช้งาน generator นั้น ปรกติเราจะเรียกมันผ่าน iterator ทั้งหลายอยู่แล้ว เช่น

    for p in gen_prime():
        print(p**2)

แต่ถ้าต้องการเรียก generator เป็น object ตรงๆ เพื่อควบคุมการดึงค่าออกมาให้ได้มากขึ้น ก็สามารถทำได้โดย

    gen_obj = gen_prime()

    print(next(gen_obj))
    # get: 2
    print(next(gen_obj))
    # get: 3
    print(next(gen_obj))
    # get: 5
    print(next(gen_obj))
    # get: 7
    print(next(gen_obj))
    # get exception: StopIteration

ข้อดีของมันเหนือการสร้างฟังก์ชันที่วิ่งวนหาค่าที่ต้องการทุกตัวแล้วส่งคืนมาเป็น list คือ generator จะทำงานเท่าที่ร้องขอเท่านั้น lazy evaluation ในรอบการทำงานหนึ่งๆ เมื่อเจอ keyword yield ก็จะหยุดพัก จนกว่าจะถูกเรียกอีกโดย next() มันถึงจะวิ่งไปหา yield ตัวถัดไป ทำให้ประหยัดหน่วยความจำมากกว่าการเตรียมทุกค่าไว้ก่อน แถมยังประหยัดเวลาอีกด้วยในกรณีที่มีการ break ออกจาก iterator

และจะยิ่งเห็นข้อดีเด่นชัดขึ้นอีกอย่าง เมื่อเราสามารถนิยาม generator ให้อยู่ในรูปของ iterator ได้ เช่นจากตัวอย่างข้างบน เขียนใหม่สำหรับกรณีทั่วไปได้ดังนี้

    def gen_prime(stop=0):
        n = 2
        while n < stop or not stop:
            for i in range(2, n):
                if n%i == 0:
                    break
            else:
                yield n
            n += 1

ข้อเสียของมันคงเป็นการที่ไม่สามารถระบุตำแหน่งของข้อมูลได้ เช่นตามตัวอย่างนี้ เราไม่สามารถบอกได้ว่าจำนวนเฉพาะตัวที่ 15 คืออะไร จนกว่าเราจะแปลง generator ไปอยู่ในรูปของข้อมูลแบบอื่นๆ อย่างเช่น list ครับ