Dicas gratuitas de revisão do Python — #PySeries#Episódio 17

#GERADORES EM PYTHON: O que é?

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.

Vamos começar com uma função de fibonacci :

Saída (Inserindo 10):

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

02 #PyEx — Python —Função — Fubonacci Simplificado :

Vamos simplificar o código para esta lição, considere este pedaço de código (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]

Vamos pegar um!

Agora usando a palavra-chave yield na segunda função fibo para torná-la mais eficiente em memória :-)

03 #PyEx — Python — Função — Fubonacci w/ yield :

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>

Você vê a diferença? Não? Então continue lendo…

Esta última função é um Gerador. Afinal, o que é um Gerador?

A Geradores é muito mais eficiente em relação ao uso de memória; não estamos carregando os dados completamente, na memória, como no código com append();

Trabalhamos apenas em streams, ou seja, salvamos apenas os dados que o precedem imediatamente, e assim estamos economizando memória; o objeto é muito mais simples :)

Outra função interativa:

Vamos ver outro gerador:

04 #PyEx — Python — Função — Gerador Simples :

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

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

A saída:

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

05 #PyEx — Python — String — São interativos?

Agora, vamos ver se um objeto string é interativo…

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

Para transformar Strings em um objeto interativo, use a função iter() :

s_iter = iter(s)
next(s_iter)

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

Então, aqui está o código gerador final para nossa função fibonacci:

A saída:

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

Esta nota contém um trecho do Python Data Science Handbook de Jake VanderPlas;

O conteúdo está disponível no GitHub .

O texto é liberado sob a licença CC-BY-NC-ND e o código é liberado sob a licença MIT . Se você achar este conteúdo útil, considere apoiar o trabalho comprando o livro !

Agora execute pip:

07 #PyEx — Python — String — Criação de perfil e tempo

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:)

Até a próxima vez!

Desejo um excelente dia!

Ser seguro!

Felicidades!

Os blocos de anotações do Google Colab estão aqui:

Link do Notebook do Colab :)

Links do Google Drive :)

Postagens relacionadas:

00Episode# PySeries — Python — Jupiter Notebook Quick Start com VSCode — Como definir seu ambiente Win10 para usar o Jupiter Notebook

01Episode# PySeries — Python — Python 4 Engineers — Exercícios! Uma visão geral das oportunidades oferecidas pelo Python na engenharia!

02Episode# PySeries — Python — Geogebra Plus Linear Programming- Vamos criar um programa Geogebra para nos ajudar com nossa programação linear

03Episode# PySeries — Python — Python 4 Engineers — Mais exercícios! — Outra rodada para garantir que o Python seja realmente incrível!

04Episode# PySeries — Python — Regressões lineares — O básico — Como entender a regressão linear de uma vez por todas!

05Episode# PySeries — Python — NumPy Init & Python Review — Uma revisão e inicialização do Crash Python no NumPy lib.

06Episode# PySeries — Python — NumPy Arrays e Jupyter Notebook — Operações aritméticas, indexação e fatiamento e seleção condicional com arrays np.

07Episode# PySeries — Python — Pandas — Intro & Series — O que é? Como usá-lo?

08Episode# PySeries — Python — Pandas DataFrames — A estrutura de dados primária do Pandas! É um contêiner do tipo dict para objetos Series

09Episode# PySeries — Python — Python 4 Engineers — Ainda mais exercícios! — Mais questões de codificação praticando em Python!

10Episode# PySeries — Python — Pandas — Hierarchical Index & Cross-section — Abra seu notebook Colab e aqui estão os exercícios de acompanhamento!

11Episode# PySeries — Python — Pandas — Dados ausentes — Vamos continuar os exercícios de Python — Preenchendo e descartando dados ausentes

12Episode# PySeries — Python — Pandas — Group By — Agrupando grandes quantidades de dados e operações de computação nesses grupos

13Episode# PySeries — Python — Pandas — Merging, Joining & Concatenations — Facilidades para combinar facilmente séries ou DataFrame

14Episode# PySeries — Python — Pandas — Pandas Dataframe Exemplos: operações de coluna

15Episode# PySeries — Python — Python 4 Engineers — Mantendo-o na memória de curto prazo — Teste você mesmo! Codificando em Python, de novo!

16Episode# PySeries — NumPy — NumPy Review, Again;) — Python Review Free Exercises

17Episode# PySeries —Generators in Python — Python Review Free Hints (este)