Darmowe wskazówki dotyczące recenzji Pythona — #PySeries#Odcinek 17

#GENERATORS W PYTONIE: Co to jest?

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.

Zacznijmy od funkcji Fibonacciego :

Wyjście (wprowadzanie 10):

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

02 #PyEx — Python — Funkcja — Fubonacci Uproszczony :

Uprośćmy kod tej lekcji, rozważmy ten fragment kodu (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]

Zdobądźmy jednego!

Teraz używam słowa kluczowego yield w drugiej funkcji fibo, aby zwiększyć wydajność pamięci :-)

03 #PyEx — Python — Funkcja — Fubonacci z wydajnością :

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>

Czy widzisz różnicę? Nie? Więc czytaj dalej…

Ta ostatnia funkcja to Generator. Czym w końcu jest generator?

A Generatory jest znacznie bardziej wydajny w stosunku do wykorzystania pamięci; nie ładujemy danych całkowicie, do pamięci, jak w kodzie z append();

Pracujemy tylko strumieniowo, to znaczy zapisujemy tylko te dane, które bezpośrednio go poprzedzają, a więc oszczędzamy pamięć; obiekt jest znacznie prostszy :)

Kolejna interaktywna funkcja:

Zobaczmy inny generator:

04 #PyEx — Python — Funkcja — Prosty generator :

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

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

Wyjście:

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

05 #PyEx — Python — String — Czy są interaktywne?

Zobaczmy teraz, czy obiekt tekstowy jest interakcyjny…

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

Do przekształcenia Strings w interaktywny obiekt użyj funkcji iter() :

s_iter = iter(s)
next(s_iter)

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

Oto ostateczny kod generatora dla naszej funkcji Fibonacciego:

Wyjście:

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

Ta notatka zawiera fragment podręcznika Python Data Science Handbook autorstwa Jake'a VanderPlas;

Zawartość jest dostępna w serwisie GitHub .

Tekst wydawany jest na licencji CC-BY-NC-ND , a kod na licencji MIT . Jeśli uznasz te treści za przydatne, rozważ wsparcie pracy poprzez zakup książki !

Teraz uruchom pip:

07 #PyEx — Python — String —Profilowanie i synchronizacja

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:)

Do następnego razu!

Życzę miłego dnia!

Bądź bezpieczny!

Twoje zdrowie!

Notatniki Google Colab są tutaj:

Link do notatnika Colab :)

Link do Dysku Google :)

Posty powiązane:

00Episode# PySeries — Python — Jupiter Notebook — szybki start z VSCode — Jak skonfigurować środowisko Win10 do korzystania z programu Jupiter Notebook

01Odcinek# PySeries — Python — Python 4 Engineers — Ćwiczenia! Przegląd możliwości oferowanych przez Python w inżynierii!

02Episode# PySeries — Python — Geogebra Plus Programowanie liniowe — Stworzymy program Geogebra, który pomoże nam w naszym programowaniu liniowym

03Odcinek# PySeries — Python — Python 4 Engineers — Więcej ćwiczeń! — Kolejna runda, aby upewnić się, że Python jest naprawdę niesamowity!

04Odcinek# PySeries — Python — Regresje liniowe — Podstawy — Jak zrozumieć regresję liniową raz na zawsze!

05Odcinek# PySeries — Python — NumPy Init i przegląd Pythona — Przegląd i inicjalizacja Crash Pythona w bibliotece NumPy.

06Episode# PySeries — Python — Tablice NumPy i Notatnik Jupyter — Operacje arytmetyczne, indeksowanie i cięcie oraz zaznaczanie warunkowe z tablicami np.

07Episode# PySeries — Python — Pandy — Intro & Series — Co to jest? Jak tego użyć?

08Episode# PySeries — Python — Pandas DataFrames — Podstawowa struktura danych Pand! Jest to kontener podobny do dyktatu dla obiektów serii

09Odcinek# PySeries — Python — Python 4 Engineers — Jeszcze więcej ćwiczeń! — Więcej praktycznych pytań dotyczących kodowania w Pythonie!

10Episode# PySeries — Python — Pandy — Indeks hierarchiczny i przekrój — Otwórz swój notatnik Colab i oto ćwiczenia uzupełniające!

11Odcinek# PySeries — Python — Pandy — Brakujące dane — Kontynuujmy ćwiczenia w Pythonie — Uzupełnianie i usuwanie brakujących danych

12Episode# PySeries — Python — Pandy — Group By — Grupowanie dużych ilości danych i operacje obliczeniowe na tych grupach

13Episode# PySeries — Python — Pandy — Łączenie, łączenie i konkatenacje — Udogodnienia do łatwego łączenia serii lub DataFrame

14Episode# PySeries — Python — Pandas — Pandas Dataframe Przykłady: Operacje na kolumnach

15Episode# PySeries — Python — Python 4 Engineers — Przechowywanie w pamięci krótkotrwałej — Sprawdź sam! Kodowanie w Pythonie, znowu!

16Episode# PySeries — NumPy — NumPy Review, znowu;) — Python Review Darmowe ćwiczenia

17Episode# PySeries — Generatory w Pythonie — Python Review Darmowe wskazówki (ten)