🌀 Как работает yield в Python?

Когда вы пишете функцию с yield, она превращается в генератор.
Это не просто функция — это объект, который можно итерировать, и при каждой итерации он "просыпается", возвращает значение и снова засыпает.

Пример:

def squares():
    for i in range(3):
        yield i * i

for x in squares():
    print(x)

Вывод:

0
1
4

Подробнее тут.

Важно: yield не только возвращает значение, но и сохраняет состояние функции.
Это значит, что переменные не сбрасываются, цикл не начинается с начала — выполнение продолжается с того же места.

Зачем это нужно?
🟠Работать с большими объёмами данных
🟠Писать "ленивый" код, который экономит память
🟠Делать асинхронные пайплайны и обработчики

Крч если хочешь писать код, который не захлёбывается от объёмов — генераторы тебе в помощь 😢

Жизненная ситуация 🚬
Только не говорите, что у вас такого не было :3

Куда мы катимся ...

А чё всмысле 🚬

Как программисты бросают монетку 🚬

Делали так? :3

Python программисты, ваши оправдания? 🚬

Кто без гугла поймет почему так :3

Коротко о том, как я пишу ВЕСЬ СВОЙ КОД 🚬

Смейтесь, а то бан 🚬

Угадайте по скриншоту что я тут программирую ✏️

Как произносят PYTHON разные слои населения 🚬

А к какому типу относишься ты? :3

Действительно 🚬

А вы вообще тестили так? Пытались одно и то же написать на двух языках.
И не для примера, а реально какой-то проект/скрипт.

Делюсь с вами своей небольшой УТИЛИТОЙ на Python 🚬
Делал для себя, кста :3

Называется 📱 Backuper, позволяет настроить авто-резервное копирование нужных файлов/папок по расписанию.
Можно поставить на автозапуск через NSSM.

Винда г@вно, может слететь когда угодно.
А терять свои настройки или какие-то важные файлики не хочется (с системного диска, как правило).

Так что утилита будет кстати.
Кому надо — забирайте.

Оказывается, в Python есть ЛЕНИВЫЙ ИМПОРТ 🦥

Если в проекте есть тяжёлые библиотеки (pandas, torch, tensorflow), но ты используешь их не всегда — не загружай их раньше времени.
🐍 Python позволяет отложить импорт до момента первого обращения к модулю, с помощью importlib.

Пример кода:

import importlib

# Обёртка для ленивого импорта
def lazy_import(name):
    return importlib.util.LazyLoader(importlib.import_module(name))

# Теперь импорт будет отложен
np = lazy_import('numpy')  # numpy ещё не загружен

# Загрузка произойдёт только при первом вызове
print(np.array([1, 2, 3]))

💡 Такой подход помогает ускорить запуск кода и экономить память, особенно в CLI-утилитах, бэкендах и Jupyter-ноутбуках.