CATALOGUE Code & Data Formation Python Maîtriser Python - Techniques avancées L'Itérabilité en Python : Un Concept Central

L'Itérabilité en Python : Un Concept Central

Introduction à l'itération
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

Comprendre l'Itération et son Importance

Objectifs

À la fin de cette vidéo, vous serez capable de :
- Comprendre le concept d'itérabilité en Python
- Identifier et utiliser des structures de données itérables
- Exploiter les outils Python pour travailler avec des itérables.

Résumé

L'itérabilité est un concept essentiel en Python, mettant en évidence comment ce langage de programmation est conçu pour gérer les collections de données de manière fluide et efficace.

Description

L'itérabilité est au cœur du fonctionnement de Python, car c'est une philosophie centrale du langage. En termes simples, l'itération consiste à prendre un élément d'une collection, le traiter, et ensuite passer au suivant jusqu'à ce que tous les éléments soient traités. Cette méthode est cruciale car la majorité des opérations effectuées dans un programme impliquent des actions répétitives.

Python est spécifiquement conçu pour faciliter ce genre d'opérations. Le langage propose de nombreuses structures de données qui acceptent les itérations, telles que les listes, les tuples, et bien d'autres. De plus, les fonctions en Python sont capables de traiter tout type d'itérable, offrant une grande flexibilité dans la manipulation des données.

De nombreux outils sont à disposition pour travailler efficacement avec ces itérables, et ils sont conçus pour être compatibles entre eux. Cela permet de créer des pipelines de données sophistiqués, où les données circulent continuellement sous forme de flux, optimisant ainsi le traitement des données.

Voir plus

Questions fréquentes

Pourquoi l'itérabilité est-elle un concept central en Python ?
L'itérabilité est au cœur de Python car elle facilite la manipulation des collections de données et permet une grande compatibilité entre les différentes structures de données et fonctions.
Quelles structures de données en Python sont itérables ?
En Python, les listes, les tuples, les ensembles, les dictionnaires et les chaînes de caractères sont des exemples de structures de données itérables.
Comment Python optimise-t-il le traitement des itérables ?
Python propose des outils et des fonctions compatibles entre eux, permettant de créer des pipelines de données qui traitent efficacement les flux de données continue.

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")