CATALOGUE Code & Data Formation Python Maîtriser Python - Techniques avancées Exploration Avancée des Structures de Données en Python

Exploration Avancée des Structures de Données en Python

Listes, tuples, set et deques
Vidéo non disponible ! Réessayez plus tard
Cette vidéo fait partie de la formation
Maîtriser Python - Techniques avancées
Revoir le teaser Je m'abonne
5,0
Transcription
Cette leçon fait partie de la formation
99,00€ Je commande
Formation incluse dans l'abonnement Elephorm Je m'abonne à Elephorm
DescriptionProgrammeAvis
5,0
Cette leçon fait partie de la formation
99,00€ Je commande
Formation incluse dans l'abonnement Elephorm Je m'abonne à Elephorm

Comprendre Listes, Tuples et Deque

Objectifs

Les objectifs de cette vidéo sont de :
- Comprendre la performance des listes en Python
- Apprendre à utiliser le Deque pour des opérations spécifiques
- Découvrir les avantages des tuples et leur utilisation dans les dictionnaires et sets

Résumé

Cette leçon aborde les performances et l'utilité des structures de données de base en Python, notamment les listes, les tuples et les Deque.

Description

Dans cette leçon, nous explorons en profondeur les structures de données de base en Python et découvrons des aspects souvent méconnus concernant les listes, tuples, et Deque. Commençant par les listes, qui sont un type fondamental en Python, nous abordons leur performance et la manière dont elles sont implémentées à travers des arrêts de pointeur. Une attention particulière est portée sur la complexité temporelle des opérations courantes, telles que append et insert. Nous voyons que si l’ajout d’un élément à la fin de la liste est très rapide (O(1)), insérer un élément au début ou au milieu peut être coûteux (O(n)).

Ensuite, nous découvrons le Deque, une alternative moins courante mais très efficace pour certaines opérations, notamment l’ajout ou la suppression d’éléments aux extrémités. Cette structure est idéale pour les file d’attente FIFO grâce à ses performances en temps constant (O(1)).

Enfin, nous abordons les tuples, ces séquences immuables qui non seulement consomment moins de mémoire que les listes mais sont également plus rapides à manipuler. Leur immutabilité les rend hachables, une caractéristique qui leur permet d’être utilisés comme clés de dictionnaires ou éléments de sets, contrairement aux listes et Deque.

Voir plus

Questions fréquentes

Quelle est la complexité temporelle de l'opération append pour une liste en Python ?
La complexité temporelle de l'opération append pour une liste en Python est O(1), ce qui signifie qu'elle est constante, peu importe le nombre d'éléments dans la liste.
Pourquoi les tuples sont-ils préférables aux listes dans certains cas ?
Les tuples sont préférables aux listes car ils sont immuables, plus rapides à manipuler et consomment moins de mémoire. De plus, ils sont hachables, ce qui permet de les utiliser comme clés dans les dictionnaires ou comme éléments dans les sets.
Dans quel type de structure est-il préférable d'ajouter des éléments à l'extrémité frontale fréquemment, liste ou Deque ?
Il est préférable d'utiliser un Deque lorsqu'on doit ajouter des éléments fréquemment à l'extrémité frontale, car le Deque permet des opérations d'ajout à cette position en temps constant O(1), contrairement aux listes.

Programme détaillé

3 commentaires
5,0
3 votes
5
4
3
2
1
xavier.leleu
Il y a 2 mois
Bonjour,
Les thèmes variés agrémentés d'exemples simples et clairs enrichissent toutes les notions exposées de façon particulièrement pédagogique. 👍
L'approche didactique m'a permis de beaucoup mieux comprendre tout un tas de concepts plus ou moins bien assimilés auparavant avec une vue d'ensemble nettement plus limpide aujourd'hui. 🤓
Merci pour cette belle prestation. 🙏
michelkreutner
Il y a 1 an
Les explications sont claires et concises. Ce cours sur l'utilisation avancée de Python est tres intéressant. Il vous apportera des connaissances que vous pourrez ensuite approfondir.
Je suis vraiment tres satisfait par cette première formation suivie sur Python.
yvan.vogel
Il y a 3 ans
Hello, sur la video autour de asyncio, vous utilisez python 2.7.12. J'utilise python 3.10, aussi je souhaite faire partager mon code (qui fonctionne) selon ma vision et compréhension sur le sujet d'étude que vous avez proposé. Yvan Vogel.

#CODE en python 3.10.0 64 bits (VScode 1.62.3)
import datetime
import asyncio
import aiohttp
import requests


# ----------------------------------------------------------------------------------------------------------------------------
def req_bloquante(num):
print(f"Get {num}")
uid = requests.get("https://httpbin.org/uuid").json()["uuid"]
print(f"Res {num}: {uid}")


def faire_toutes_les_requetes():
for x in range(51):
req_bloquante(x)


print("=====> ### Bloquant : ")
start = datetime.datetime.now()
faire_toutes_les_requetes()
exec_time = (datetime.datetime.now() - start).seconds
print(f"Downloading all take {exec_time} seconds\n")

# ----------------------------------------------------------------------------------------------------------------------------


async def requeteSansBloquer(semaphore, num, session):
print(f"Get {num}")
# await semaphore.acquire() # putting this await semaphore commande the Res is ordering but process very slow ~60 sec
async with session.get("https://httpbin.org/uuid") as response:
uid = (await response.json())["uuid"]
# await asyncio.sleep(delay=3) #delay = number of seconds
# semaphore.release()
print(f"Res {num}: {uid}")
# return uid # ?


async def main():
semaphore = asyncio.Semaphore(value=1)
tasks = []
async with aiohttp.ClientSession(
loop=loop, connector=aiohttp.TCPConnector(ssl=False)
) as session:
for x in range(51):
tasks.append(requeteSansBloquer(semaphore, x, session))
await asyncio.gather(*tasks)
print("This is after the loop...")


if __name__ == "__main__":
print("=====> ### Non Bloquant : ")
start = datetime.datetime.now()
loop = asyncio.get_event_loop()
loop.run_until_complete(main())
exec_time = (datetime.datetime.now() - start).microseconds
print(f"Downloading all take {exec_time} micro seconds\n")