Funcion generadora-2

 en el ejemplo simple no se ve la diferencia. Te muestro dónde está la verdadera diferencia:

Diferencia clave: Memoria y ejecución

Función normal (lista):

python
def numeros_cuadrados(n):
    resultado = []
    for i in range(n):
        resultado.append(i**2)
    return resultado

# Esto crea TODOS los valores de una vez y los guarda en memoria
lista = numeros_cuadrados(1000000)  # ¡Ocupa mucha memoria!

Generador (lazy evaluation):

python
def numeros_cuadrados_gen(n):
    for i in range(n):
        yield i**2

# Esto NO crea los valores hasta que los pidas
generador = numeros_cuadrados_gen(1000000)  # Ocupa casi nada de memoria

Ejemplo práctico donde SÍ se ve la diferencia:

python
import sys

def numeros_cuadrados(n):
    resultado = []
    for i in range(n):
        resultado.append(i**2)
    return resultado

def numeros_cuadrados_gen(n):
    for i in range(n):
        yield i**2

# Comparación de memoria
lista_grande = numeros_cuadrados(100000)
generador_grande = numeros_cuadrados_gen(100000)

print(f"Tamaño lista: {sys.getsizeof(lista_grande)} bytes")
print(f"Tamaño generador: {sys.getsizeof(generador_grande)} bytes")

Output:

text
Tamaño lista: 824456 bytes
Tamaño generador: 104 bytes

Ejemplo real de "bajo demanda":

python
def procesar_datos_grande():
    print("Iniciando procesamiento...")
    for i in range(5):
        print(f"Procesando item {i}...")
        yield f"Resultado {i}"
    print("Procesamiento completado")

# Uso del generador
procesador = procesar_datos_grande()

print("No se ha procesado nada todavía...")
input("Presiona Enter para procesar el primer elemento:")

primer_elemento = next(procesador)
print(f"Primer elemento: {primer_elemento}")

input("Presiona Enter para procesar el segundo elemento:")
segundo_elemento = next(procesador)
print(f"Segundo elemento: {segundo_elemento}")

# O procesar el resto
print("Procesando el resto...")
for elemento in procesador:
    print(f"Elemento: {elemento}")

Output:

text
No se ha procesado nada todavía...
Presiona Enter para procesar el primer elemento:
Iniciando procesamiento...
Procesando item 0...
Primer elemento: Resultado 0
Presiona Enter para procesar el segundo elemento:
Procesando item 1...
Segundo elemento: Resultado 1
Procesando el resto...
Procesando item 2...
Elemento: Resultado 2
Procesando item 3...
Elemento: Resultado 3
Procesando item 4...
Elemento: Resultado 4
Procesamiento completado

¿Cuándo usar generadores?

  1. Datos grandes que no caben en memoria

  2. Streaming de datos (archivos grandes, datos de red)

  3. Procesamiento pipeline donde quieres procesar mientras produces

  4. Infinite sequences (secuencias infinitas)

python
# Ejemplo: Secuencia infinita
def numeros_fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

fib = numeros_fibonacci()
print([next(fib) for _ in range(10)])  # Solo 10 números

¡La magia está en que el generador produce valores UNO por UNO solo cuando se los pides! 

Comentarios

Publicar un comentario

Entradas populares de este blog

¿Qué es un Closure?

CÓDIGO SIMPLIFICADO python def contador_llamadas ( funcion_original ) : contador = 0 def funcion_envoltura ( ) : nonlocal contador contador += 1 print ( f"Llamada número: { contador } " ) return funcion_original ( ) # ← Ejecuta saludar() return funcion_envoltura # Definimos UNA sola función-funcion_original ) def saludar ( ) : return "¡Hola!" # Aplicamos el contador saludar_contador = contador_llamadas ( saludar ) # Usamos la función print ( saludar_contador ( ) ) # Llamada 1 print ( saludar_contador ( ) ) # Llamada 2 print ( saludar_contador ( ) ) # Llamada 3 🎯   SALIDA: text Llamada número: 1 ¡Hola! Llamada número: 2 ¡Hola! Llamada número: 3 ¡Hola! LA CLAVE ESTÁ EN ESTA LÍNEA: python return funcion_envoltura # ← ¡NO lleva paréntesis! 🔍  ¿QUÉ PASA PASO A PASO? PASO 1:  Cuando haces: python saludar_contador = contador_llamadas ( saludar ) contador_llamadas  crea  c...
Leer más

Calculadora de edad

    Calculadora de edad Trabajas en una compañía que ofrece seguros de vida y de gastos médicos. La empresa está desarrollando una herramienta tecnológica, para que los agentes puedan calcular el monto de una póliza. Para dicho cálculo, se consideran varios factores de riesgo, entre los que se encuentra la edad. Por ello, el contratante debe llenar un formulario, incluyendo su fecha de nacimiento. Como primer reto, deberás calcular la edad del cliente al momento de la cotización.     • La captura de la fecha de nacimiento debe ser en una sola cadena de texto con formato DD-MM-AAAA.  • Validar que sea una fecha existente, si supera los 31 días o menor a 1 día de un mes, se deberá marcar como inválido.  • El año de nacimiento debe ser mayor de 1900. • Validar si el cliente ya cumplió años en la fecha de captura o aún no.  • Validar que no se puede dejar información en blanco o campos vacíos.    Análisis del problema Necesitamos: ...
Leer más

Funciones en Python: con y sin paréntesis

  Funciones en Python: con y sin paréntesis Te explico la diferencia fundamental entre usar funciones con y sin paréntesis en Python: 1. Función CON paréntesis:  Ejecución Cuando usas paréntesis después del nombre de una función,  estás ejecutando o llamando  esa función: python def saludar ( ) : return "¡Hola!" # Con paréntesis - EJECUTA la función mensaje = saludar ( ) print ( mensaje ) # Output: ¡Hola! 2. Función SIN paréntesis:  Referencia Cuando usas el nombre sin paréntesis,  estás haciendo referencia  a la función como objeto: python def saludar ( ) : return "¡Hola!" # Sin paréntesis - REFERENCIA a la función mi_funcion = saludar print ( mi_funcion ) # Output: <function saludar at 0x...> # Ahora puedes ejecutarla usando la referencia print ( mi_funcion ( ) ) # Output: ¡Hola! Ejemplos prácticos Ejemplo 1: Funciones como objetos de primera clase python def sumar ( a , b ) : return a + b def multipli...
Leer más