Python Review Kostenlose Hinweise – #PySeries#Episode 17

#GENERATOREN IN PYTHON: Was ist das?

Generators in Python allows us to write a function that can send back a value and then later resume to pick up where it left off.

Beginnen wir mit einer Fibonacci - Funktion:

Ausgabe (Eingabe 10):

How many terms? 10 Fibonacci sequence: 
0 
1 
1 
2 
3 
5 
8 
13 
21 
34

02 #PyEx — Python —Funktion — Fubonacci Vereinfacht :

Vereinfachen wir den Code für diese Lektion, betrachten Sie dieses Stück Code (Zero out:)

def gen_fibo(n):
a = 1
b = 1
output = []
for i in range(n):
output.append(a)
a,b = b, a + b
return output

gen_fibo(10)
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

Holen wir uns eins!

Verwenden Sie jetzt das Schlüsselwort yield in der zweiten Fibo-Funktion, um es speichereffizienter zu machen :-)

03 #PyEx — Python — Funktion — Fubonacci mit Ausbeute :

def gen_fibo(n):
a = 1
b = 1
for i in range(n - 1):
yield a
a, b = a, a + b

g = gen_fibo(10)
g
<generator object gen_fibo at 0x7f0cecb33ed0>

Sehen Sie den Unterschied? Nein? Also weiterlesen …

Diese letzte Funktion ist ein Generator. Was ist überhaupt ein Generator?

Ein Generator ist viel effizienter in Bezug auf die Verwendung von Speicher; Wir laden die Daten nicht vollständig in den Speicher, wie im Code mit append();

Wir arbeiten nur in Streams, das heißt, wir speichern nur die unmittelbar vorangegangenen Daten und sparen somit Speicherplatz; das Objekt ist viel einfacher :)

Eine weitere interaktive Funktion:

Sehen wir uns einen anderen Generator an:

04 #PyEx — Python — Funktion — Einfacher Generator :

def simple_gen():
for x in range (4):
yield x

g = simple_gen()
g
<generator object simple_gen at 0x7f0cecb334d0>

Die Ausgabe:

next(g)
0
next(g)
1
next(g)
2
next(g)
3

05 #PyEx — Python — String — Sind interaktiv?

Sehen wir uns nun an, ob ein String-Objekt interaktiv ist …

s = ‘hello’
for letter in s:
print(letter)
h
e
l
l
o

next(s)
---------------------------------------------------------------TypeError                           Traceback (most recent call last)
<ipython-input-262-46f008985a16> in <module>()
      1 # String is not interactable:/
----> 2 next(s)
TypeError: 'str' object is not an iterator

Um Strings in ein interaktives Objekt umzuwandeln, verwenden Sie die Funktion iter() :

s_iter = iter(s)
next(s_iter)

next(s_iter)
'h'
next(s_iter)
'e'
(...)

Hier ist also der endgültige Generatorcode für unsere Fibonacci-Funktion:

Die Ausgabe:

g = prog_fibo_2(10)
g
<generator object gen_fibo_ef at 0x7f0cecb34350>
next(g)
1
next(g)
1
next(g)
2
(...)

Dieser Hinweis enthält einen Auszug aus dem Python Data Science Handbook von Jake VanderPlas;

Der Inhalt ist auf GitHub verfügbar .

Der Text wird unter der CC-BY-NC-ND-Lizenz veröffentlicht, und der Code wird unter der MIT-Lizenz veröffentlicht . Wenn Sie diesen Inhalt nützlich finden, erwägen Sie bitte, die Arbeit zu unterstützen, indem Sie das Buch kaufen !

Führen Sie nun pip aus:

07 #PyEx – Python – String – Profiling & Timing

pip install memory_profiler
Requirement already satisfied: memory_profiler in /usr/local/lib/python3.7/dist-packages (0.58.0) Requirement already satisfied: psutil in /usr/local/lib/python3.7/dist-packages (from memory_profiler) (5.4.8)

%load_ext memory_profiler
The memory_profiler extension is already loaded. To reload it, use:   %reload_ext memory_profiler

def gen_fibo(n):
a = 1
b = 1
output = []
for i in range(n):
output.append(a)
a,b = b, a + b
return output

%timeit gen_fibo(10)
1000000 loops, best of 5: 1.31 µs per loop

def prog_fibo_2(n):
 a = 1
 b = 1
 for i in range(n):
    yield a
    a, b = b, a + b

%timeit prog_fibo_2(10)
1000000 loops, best of 5: 236 ns per loop

print(“That’s it! thank you for reading his episode about the wonders of Python:) “)
That's it! thank you for reading his episode about the wonders of Python:)

Bis zum nächsten Mal!

Ich wünsche Ihnen einen ausgezeichneten Tag!

Sicher sein!

Prost!

Google Colab Notebooks sind hier:

Colab Notebook- Link :)

Google Drive - Link :)

Ähnliche Beiträge:

00Episode# PySeries – Python – Jupiter Notebook Schnellstart mit VSCode – So richten Sie Ihre Win10-Umgebung für die Verwendung von Jupiter Notebook ein

01Episode# PySeries – Python – Python 4 Ingenieure – Übungen! Ein Überblick über die Möglichkeiten, die Python im Ingenieurwesen bietet!

02Episode# PySeries – Python – Geogebra Plus Lineare Programmierung – Wir erstellen ein Geogebra-Programm, das uns bei unserer linearen Programmierung hilft

03Episode# PySeries – Python – Python 4-Ingenieure – Mehr Übungen! – Eine weitere Runde, um sicherzustellen, dass Python wirklich erstaunlich ist!

04Episode# PySeries – Python – Lineare Regressionen – Die Grundlagen – Wie man die lineare Regression ein für alle Mal versteht!

05Episode# PySeries – Python – NumPy Init & Python Review – Ein Crash Python Review & Initialisierung bei NumPy lib.

06Episode# PySeries – Python – NumPy-Arrays & Jupyter-Notebook – Arithmetische Operationen, Indizierung und Slicing sowie bedingte Auswahl mit np-Arrays.

07Episode# PySeries – Python – Pandas – Intro & Serie – Was ist das? Wie benutzt man es?

08Episode# PySeries – Python – Pandas DataFrames – Die primäre Pandas-Datenstruktur! Es ist ein dict-ähnlicher Container für Series-Objekte

09Episode# PySeries – Python – Python 4 Engineers – Noch mehr Übungen! — Mehr Programmierfragen in Python üben!

10Episode# PySeries – Python – Pandas – Hierarchischer Index & Querschnitt – Öffnen Sie Ihr Colab-Notizbuch und hier sind die Folgeübungen!

11Episode# PySeries – Python – Pandas – Fehlende Daten – Fahren wir mit den Python-Übungen fort – Füllen und Löschen fehlender Daten

12Episode# PySeries – Python – Pandas – Gruppieren nach – Gruppieren großer Datenmengen und Rechenoperationen für diese Gruppen

13Episode# PySeries – Python – Pandas – Merging, Joining & Concatenations – Möglichkeiten zum einfachen Kombinieren von Serien oder DataFrames

14Episode# PySeries – Python – Pandas – Pandas Dataframe-Beispiele: Spaltenoperationen

15Episode# PySeries – Python – Python 4-Ingenieure – Bewahren Sie es im Kurzzeitgedächtnis auf – Testen Sie sich selbst! Codieren in Python, wieder!

16Episode# PySeries – NumPy – NumPy Review, Again;) – Python Review Kostenlose Übungen

17Episode# PySeries – Generatoren in Python – Python Review Kostenlose Hinweise (dieser)