CATALOGUE Code & Data Formation Python Maîtriser Python - Techniques avancées Utilisation des Itérables avec les Fonctions Bultines en Python

Utilisation des Itérables avec les Fonctions Bultines en Python

Les fonctions qui acceptent des itérables
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

Exploration des Fonctions et Techniques

Objectifs

Les objectifs de cette vidéo sont de :
- Comprendre et utiliser diverses fonctions bultines de Python pour manipuler les itérables.
- Appliquer les fonctions map et filter pour transformer et filtrer des itérables.
- Utiliser enumerate et zip pour améliorer les boucles et manipuler plusieurs itérables simultanément.

Résumé

Apprenez à exploiter des itérables en Python en utilisant des fonctions bultines telles que sorted, max, min, sum, et bien plus.

Description

Cette leçon couvre l'utilisation des itérables en Python avec divers outils et fonctions. Vous découvrirez des fonctions bultines offertes par Python qui ne requièrent aucune importation additionnelle. Parmi les fonctions abordées, nous explorerons sorted, max, min, et sum, qui acceptent toutes des itérables. Vous comprendrez comment map et filter peuvent transformer et filtrer vos données, et comment enumerate et zip ajoutent de la flexibilité et de la clarté à vos boucles. En utilisant des exemples pratiques, vous apprendrez à appliquer ces concepts pour optimiser votre code. La leçon mettra aussi en lumière l'usage de any et all pour effectuer des tests booléens sur des itérables et illustrera la création de dictionnaires à partir de n'importe quel itérable avec des valeurs par défaut.

Voir plus

Questions fréquentes

Quelle est l’utilité principale de la fonction 'map' en Python ?
La fonction 'map' permet d’appliquer une fonction à chaque élément d’un itérable, renvoyant un objet map qui peut être converti en liste pour une manipulation plus aisée.
Comment fonctionne la fonction 'enumerate' dans une boucle for en Python ?
La fonction 'enumerate' permet d’itérer sur des itérables tout en gardant la numérotation des éléments, ce qui facilite l’accès à l’indice et à la valeur en même temps.
Quel est l’avantage d’utiliser 'zip' en Python ?
La fonction 'zip' permet de parcourir plusieurs itérables simultanément en regroupant les éléments par position, ce qui est utile pour des opérations parallèles sur des listes.

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")