En Python, los generadores son una herramienta poderosa que permite crear funciones iterables sin cargar todos los datos en memoria de una sola vez. Esto resulta especialmente útil para manejar grandes conjuntos de datos o secuencias infinitas, ya que el generador produce el siguiente valor solo cuando se solicita. En este artículo, exploraremos la transición de una implementación basada en listas a una basada en generadores, utilizando el clásico ejemplo de la sucesión de Fibonacci para entender sus ventajas.

1. La Sucesión de Fibonacci con Listas

La sucesión de Fibonacci es una secuencia matemática donde cada término es la suma de los dos anteriores: 0, 1, 1, 2, 3, 5, 8, 13, … En Python podemos almacenar los primeros n términos en una lista de la siguiente manera:

def fibonacci_lista(n):
    x = 0
    y = 1
    resultado = []
    for _ in range(n):
        resultado.append(x)
        x, y = y, x + y
    return resultado

print(fibonacci_lista(12))

La función recibe un entero n y devuelve una lista con los primeros n números de Fibonacci. Sin embargo, cuando se trabaja con valores grandes, esta aproximación consume memoria innecesaria: toda la secuencia debe estar almacanada aunque solo necesitemos un término específico.

2. Implementación con Generadores: Eficiencia de Memoria

Para evitar el problema anterior, podemos convertir la función en un generador usando la palabra clave yield en lugar de return. Cada iteración produce el siguiente valor de la secuencia sin guardar toda la lista en memoria:

def fibonacci_generador(n):
    a, b = 0, 1
    contador = 0
    while contador < n:
        yield a
        a, b = b, a + b
        contador += 1

for valor in fibonacci_generador(12):
    print(valor)

En esta versión eliminamos la lista y usamos yield en cada paso. Al llamar a fibonacci_generador(12) obtenemos un objeto generador, no una lista. Iteramos sobre él con un bucle for, y cada vuelta invoca __next__() para calcular el siguiente término bajo demanda.

3. Ventajas de los Generadores

Frente a la implementación clásica con listas, los generadores ofrecen:

• Eficiencia en memoria: No almacenan toda la secuencia, sino que generan valores uno a uno, ideal para grandes volúmenes.
• Cálculo perezoso (lazy evaluation): Solo se computa el siguiente valor cuando es necesario, permitiendo manejar secuencias infinitas o costosas de calcular.
• Código más limpio: La lógica suele ser más compacta y legible, al evitar la gestión explícita de listas.

4. Conclusión

Al transformar la sucesión de Fibonacci de una implementación con listas a una basada en generadores, no solo optimizamos el uso de la memoria, sino que también nos beneficiamos de la elegancia que los generadores aporten al manejo de secuencias. Dominar este concepto permite escribir código Python más eficiente y expresivo. En tus próximos proyectos, considera utilizar generadores para aprovechar al máximo sus ventajas.