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.
Questions - réponses
Programme détaillé
Module 1 - Les fonctions, des objets comme les autres
Module 2 - Structures de données avancées
Module 3 - L'itération en pratique
Module 4 - Partager le travail
Module 5 - Persistence
Facebook
Twitter
Linkedin
Email
Je suis vraiment tres satisfait par cette première formation suivie sur Python.
#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")