Generador. Python

#!/usr/bin/env python3
"""
Para aprender un poco más sobre el uso de 'Generadores' en Python, encontré
este excelente video creado por 'Corey Schafer'

    < https://www.youtube.com/watch?v=bD05uGo_sVI >

    "Tutorial de Python: Generadores - Como usarlos y los beneficios
    que obtienes"

El código esta escrito para 'python2.X', así que buscando, encontré el
código original en:

https://github.com/CoreyMSchafer/code_snippets/blob/master/Generators/people.py

y, basado en las respuestas a esta pregunta:

https://stackoverflow.com/questions/41191412/no-module-named-mem-profile

Hice las siguientes modificaciones para ejecutar el código en 'Python 3.8'
         =========================

    1.  Instalar el módulo < memory_profiler >

        $ pip3 install memory_profiler
        ...
        $ sudo updatedb
        ...

    2.  Cambios en el còdigo
        *   agregar '( )' a los print
        *   usar 'mem_profile.memory_usage()' en los print
        *   usar 'range' en lugar de 'xrange' en el bucle 'for'
        *   usar 'time.time()' para medir los tiempos 't1' y 't2'
        Con el módulo  < memory_profiler >, instalado:
        *   'import memory_profiler as mem_profile'

Hechos los cambios, el código funciona en 'Python 3.8'

El primer método, 'listando el generador', tiene un gran impacto en
la memoria, utiliza unos [270.8828125]Mb para almacenar el objeto
'lista' solicitado.

Si miramos los tiempos, emplea [0.9230213165283203]segs más que el
segundo método 'solo con el generador', el impacto del segundo método
en la memoria, es prácticamente nulo.

Los datos aquí expuestos pueden variar dependiendo de las características
de máquina y la arquitectura (32bits / 64 bits) de la misma, en que se
ejecute el código

En los dos casos, se prueba para un rango de 1 millón de datos.

Con el código 'adaptado', vamos al análisis

"""

import memory_profiler as mem_profile
import random
import time

names = ['John', 'Corey', 'Adam', 'Steve', 'Rick', 'Thomas']
majors = ['Math', 'Engineering', 'CompSci', 'Arts', 'Business']

print('Memory (Before): {}Mb'.format(mem_profile.memory_usage()))

def people_list(num_people):
    result = []
    for i in range(num_people):
        person = {
                    'id': i,
                    'name': random.choice(names),
                    'major': random.choice(majors)
                }
        result.append(person)
    return result

def people_generator(num_people):
    for i in range(num_people):
        person = {
                    'id': i,
                    'name': random.choice(names),
                    'major': random.choice(majors)
                }
        yield person


# Elimine los '#' para ejecutar este código, 'listando el generador'

# t1 = time.time()
# people = people_list(1000000)
# t2 = time.time()

"""
Resultado listando el generador
=================================

Memory (Before): [43.78125]Mb
Memory (After) : [314.6640625]Mb
Took 0.9230234622955322 Seconds
=================================
"""

# Elimine los '#' para ejecutar este código, 'solo con el generador'

# t1 = time.time()
# people = people_generator(1000000)
# t2 = time.time()

"""
Resultado solo con el generador
=================================

Memory (Before): [43.75]Mb
Memory (After) : [43.75]Mb
Took 2.1457672119140625e-06 Seconds
=================================
"""

print('Memory (After) : {}Mb'.format(mem_profile.memory_usage()))
print('Took {} Seconds'.format(t2 - t1))