Comprendre la Différence entre les Fonctions Normales et les Générateurs
Objectifs
Comprendre les générateurs en Python et savoir utiliser le mot-clé YIELD pour créer des itérables efficaces et performants.
Résumé
Apprenez à utiliser le mot-clé YIELD en Python pour créer des générateurs, qui offrent des performances améliorées et une gestion optimisée des itérables.
Description
Les générateurs et le mot-clé YIELD en Python apportent une révolution dans la gestion des itérables. Contrairement aux fonctions normales, un générateur en Python permet d’arrêter et de reprendre l'exécution, facilitant ainsi la gestion de grandes quantités de données. Dans cette leçon, nous explorons les aspects suivants :
Les différences fondamentales : Contrairement à RETURN, YIELD n’interrompt pas définitivement l'exécution. Il permet de reprendre là où l’on s’était arrêté.
Exemples pratiques : En comparant une fonction traditionnelle et un générateur, nous visualisons leur comportement distinct via des exemples de code et des impressions de suivi.
Utilisation avancée : Découvrez comment intégrer des générateurs dans des boucles et itérer efficacement à l’aide de ‘for’ et ‘next’.
Transformation des listes avec YIELD : Apprenez à reformuler des list comprehensions en générateurs pour des traitements plus souples et puissants.
Fonctions et documentations : Utilisez la puissance des fonctions pour documenter, passer des paramètres et créer des générateurs dynamiques et réutilisables.
Cette leçon met en lumière les avantages et l’importance des générateurs pour tout programmeur Python souhaitant optimiser son code.
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
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")