CATALOGUE Code & Data Formation Python Maîtriser Python - Techniques avancées Introduction à la Programmation Orientée Flux en Python

Introduction à la Programmation Orientée Flux en Python

Programmation orientée flux
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€ Ajouter au panier

Formation incluse dans l'abonnement Elephorm

Je m'abonne à Elephorm
DescriptionProgrammeAvis
5,0
Cette leçon fait partie de la formation
99,00€ Ajouter au panier

Formation incluse dans l'abonnement Elephorm

Je m'abonne à Elephorm

Concepts et Applications Pratiques

Objectifs

Les objectifs de cette vidéo sont :

  • Comprendre la notion de programmation orientée flux en Python.
  • Apprendre à utiliser les générateurs et les itérateurs.
  • Développer une application pratique en Python pour manipuler des fichiers et des données.

Résumé

Apprenez à transformer vos programmes Python en chaînes de traitements de flux de données, à l'aide des générateurs et de l'itération.

Description

La programmation orientée flux consiste à concevoir des programmes basés sur des chaînes de traitements de données, semblables à l'utilisation de pipes en bash. Python, bien que n'étant pas un langage purement fonctionnel, permet une approche similaire grâce à l'utilisation des générateurs et des itérateurs.

Dans cette leçon, nous explorerons comment ouvrir un fichier en Python en utilisant la fonction open, qui retourne un objet fichier itérable. Nous montrerons comment appliquer les filtres pour écarter les commentaires et les lignes vides, avant de manipuler les champs des lignes pour extraire uniquement les informations nécessaires.

L'objectif est de démontrer que même si GNU et bash sont optimisés pour la manipulation des fichiers, Python peut se montrer relativement concis et puissant pour des tâches similaires grâce à une approche systématique des flux de données.

Voir plus

Questions fréquentes

Qu'est-ce que la programmation orientée flux ?
La programmation orientée flux consiste à concevoir des programmes où les données passent à travers une suite de traitements, similaires aux pipes utilisés en bash.
Comment un fichier est-il traité en Python en utilisant la programmation orientée flux ?
Un fichier est ouvert avec la fonction open, puis chaque ligne est traitée individuellement à travers des filtres comme le retrait des commentaires et des lignes vides, et des opérations spécifiques comme le split pour extraire des champs.
Quels sont les bénéfices d'utiliser des générateurs pour la programmation orientée flux ?
Les générateurs permettent de traiter les données de manière paresseuse, en ne chargeant qu'une petite partie des données en mémoire à la fois, ce qui améliore l'efficacité mémoire et la performance.

Programme détaillé

3 commentaires
5,0
3 votes
5
4
3
2
1
LELEU X.
Il y a 7 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. 🙏
Profile picture for user michelkreutner
Michel K.
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 V.
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")