Python 반복자에 대한 깊은 이해: `__iter__` 및 `__next__`를 사용하여 데이터 탐색

반복자는 두 가지 메소드를 구현하는 객체입니다.

• __iter__(): 반복자 객체 자체를 반환합니다.
• __next__(): 시퀀스의 다음 항목을 반환합니다. 더 이상 사용할 수 있는 항목이 없으면 StopIteration 예외가 발생합니다.

기본 반복자 만들기:

class Counter:
    def __init__(self, start, end):
        self.current = start
        self.end = end

    def __iter__(self):
        return self  # Returns itself as an iterator

    def __next__(self):
        if self.current >= self.end:
            raise StopIteration
        self.current += 1
        return self.current - 1

counter = Counter(1, 4)
for number in counter:
    print(number)  # Outputs: 1, 2, 3

이 클래스는 next() 호출을 수동으로 제어하여 끝에 도달하면 중지됩니다. 반복자는 각 요소가 주문형으로 처리되는 시퀀스 작업에 유용합니다.

---

2. Python 생성기: 대용량 데이터를 효율적으로 처리

생성기는 반복자를 만드는 더 간단한 방법입니다. Yield 키워드를 사용하는 함수로 정의되며, Yield에서 함수 실행을 일시 중지하고 next()가 호출되면 다시 시작합니다. 각 항복 문은 함수의 상태를 저장합니다. 즉, 중단된 위치부터 다시 시작할 수 있습니다.

기본 생성기 예:

def countdown(num):
    while num > 0:
        yield num
        num -= 1

for n in countdown(3):
    print(n)  # Outputs: 3, 2, 1

yield가 호출되면 함수는 현재 값을 반환하고 일시 중지된 후 next()가 재개될 때까지 기다립니다.

---

3. 생성기가 메모리 효율적인 이유

생성기는 즉시 값을 계산하는데, 이를 지연 평가라고 합니다. 모든 항목을 메모리에 저장하는 목록과 달리 생성기는 필요한 경우에만 항목을 생성하므로 다음과 같은 경우에 이상적입니다.

• 스트리밍 데이터(예: 대용량 파일에서 줄 읽기).
• 메모리 과부하 없이 대규모 또는 무한 시퀀스를 처리합니다.

예: 생성기를 사용하여 대용량 파일 읽기:

def read_large_file(file_path):
    with open(file_path) as file:
        for line in file:
            yield line  # Only processes one line at a time

이 접근 방식은 전체 파일을 메모리에 로드하는 것을 방지하므로 대용량 파일에 특히 유용합니다.

---

4. 생성기 표현식: 컴팩트 구문

생성기 표현식은 목록 이해와 같은 대괄호 대신 괄호를 사용하여 생성기를 생성하는 간결한 방법입니다.

예:

squares = (x * x for x in range(5))
print(next(squares))  # Outputs: 0
print(list(squares))  # Outputs remaining: [1, 4, 9, 16]

여기서 Squares는 요청이 있을 때만 값을 계산하므로 메모리 효율성이 높습니다.

---

5. 의 생산량을 갖춘 고급 발전기

yield from 문은 발전기 작업의 일부를 다른 발전기에 위임하는 데 유용합니다. 이는 모듈화를 위해 발전기를 하위 발전기로 분리하려는 경우에 유용합니다.

예:

def generator_a():
    yield 1
    yield 2

def generator_b():
    yield from generator_a()
    yield 3

for val in generator_b():
    print(val)  # Outputs: 1, 2, 3

특히 복잡하거나 중첩된 생성기 체인에서 코드를 간소화하여 결과를 얻을 수 있습니다.

---

6. 성능 고려 사항: 생성기 대 목록

발전기는 다음과 같은 경우에 특히 유용합니다.

• 데이터가 너무 커서 한꺼번에 메모리에 담을 수 없습니다.
• 데이터의 일부만 필요할 수 있습니다.
• 큰 목록을 미리 초기화하는 데 따른 오버헤드를 피하고 싶습니다.

반면에 목록은 다음과 같은 경우에 더 좋습니다.

• 데이터에 반복적으로 액세스해야 합니다.
• 데이터세트가 한 번에 모두 로드될 만큼 작습니다.
• 랜덤 액세스가 필요합니다(생성기는 인덱싱을 지원하지 않음).

---

결론: 강력한 데이터 도구로서의 반복자와 생성기

Python은 반복자와 생성기를 사용하여 메모리 효율성과 유연성을 바탕으로 데이터 처리를 제어할 수 있습니다. 대규모 데이터 세트를 처리하고, 데이터를 스트리밍하고, 사용자 정의 반복 가능한 객체를 구축하는 데 필수적입니다.
이것을 익히면 Python 전문가처럼 데이터를 처리하게 될 것입니다! ?

위 내용은 Python 반복자에 대한 깊은 이해: `__iter__` 및 `__next__`를 사용하여 데이터 탐색의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!