🔹 How to: как работают генераторы в Python

Генераторы — мощный инструмент для итераций, особенно при работе с большими данными. В отличие от обычных функций, они вычисляют значения лениво, выдавая их по запросу и экономя память. Это делает код более эффективным и удобным для повторного использования.

➡️ Принцип работы
Вместо возврата всех значений сразу, генератор использует yield, который приостанавливает выполнение функции, сохраняя её состояние:

def simple_generator():
    print("Первый yield")
    yield 1
    print("Второй yield")
    yield 2

gen = simple_generator()
print(next(gen))  # Первый yield → 1
print(next(gen))  # Второй yield → 2

При вызове next() выполнение продолжается с места, где остановилось. Это позволяет работать с последовательностями, не загружая их полностью в память.

➡️ Пример: Фибоначчи на генераторах

def fibonacci_generator(limit):
    a, b = 0, 1
    while a < limit:
        yield a
        a, b = b, a + b

Такой генератор можно использовать для обработки больших последовательностей без лишних затрат памяти.

➡️ Генераторы vs. списки
Генераторы экономят память, так как не хранят все элементы в памяти:

import sys

def list_numbers(n):
    return [i for i in range(n)]

def generator_numbers(n):
    return (i for i in range(n))

print(sys.getsizeof(list_numbers(1000000)))  # 8448728 байт
print(sys.getsizeof(generator_numbers(1000000)))  # 208 байт

Разница очевидна: генератор занимает всего 208 байт, тогда как список — 8+ мегабайт!

➡️ Генераторные выражения
Аналогично списковым включениям, но работают лениво:

squares_list = [x * x for x in range(10)]  # Обычный список
squares_gen = (x * x for x in range(10))  # Генератор

➡️ Комбинирование генераторов
С помощью itertools генераторы можно объединять и фильтровать:

from itertools import chain, filterfalse

result = chain((x * x for x in range(10)), (y + 10 for y in range(5)))
odd_squares = filterfalse(lambda x: x % 2 == 0, (x * x for x in range(10)))

➡️ Когда использовать генераторы
— Обработка больших данных без перегрузки памяти
— Потоковая обработка (например, чтение файлов)
— Создание бесконечных последовательностей
— Оптимизация скорости и эффективности кода

Proglib Academy #буст

🫡 Microsoft уволила 200 сотрудников King

— Их заменил ИИ, который они же и обучали.

Как вам такой поворот?👇

Proglib Academy #развлекалово

🗒 Ты не ленивый, у тебя просто нет среды — создай её сам

1. Проблема не в мотивации. Проблема в хаосе. Нет среды = нет привычки = нет прогресса.

2. У тебя может быть даже Mac за 200к, но без чёткой системы ты всё равно будешь прокрастинировать.

3. Начни с малого:
– Выдели 30 минут в день на код.
– Веди журнал — что учил, что пробовал.
– Учи 1 тему → решай 2 задачи → пиши 1 комментарий к чужому коду.

4. Создай пространство, где ты — разработчик:
– даже если это Telegram-чат с собой;
– даже если ты пишешь код в Google Keep или бумажной тетрадке.
Ритуал важнее инструмента.

5. Среда — это не железо. Это:
✅ время,
✅ фокус,
✅ повторяемость.

👇 Что вам мешает начать кодить?

Proglib Academy #буст

🤨 Vite или Webpack — что выбрать и почему

Частый вопрос от новичков: «Чем вообще отличается Vite от Webpack и зачем всё это нужно?»

➡️ Разобрали подробно в новой статье:

— Чем Vite ускоряет разработку в разы (и где подводные камни);

— Почему Webpack до сих пор топ для enterprise-проектов;

— Как настроить оба сборщика — пошагово, с примерами кода;

— Какую систему выбрать для своего pet-проекта, а какую — для продакшена.

⏩ Переходите читать статью

Proglib Academy #буст

Зацените топ языков программирования с 2002

Выглядит залипательно 🥰

Proglib Academy #развлекалово