Lære Praktiske Anvendelser af Generatorer: Virkelige Brugsscenarier | Mestring af Iteratorer og Generatorer i Python

Generatorer kan anvendes som letvægts-kontekstadministratorer til effektiv håndtering af ressourcer, såsom databasetilkoblinger, filoperationer eller låsemekanismer. Med modulet contextlib kan generatorer håndtere ressourceallokering og oprydning problemfrit.


              1234567891011121314
            
from contextlib import contextmanager

@contextmanager
def database_connection():
    print("Opening database connection")
    connection = "Database Connection"  # Simulated connection
    try:
        yield connection
    finally:
        print("Closing database connection")

# Using the generator as a context manager
with database_connection() as conn:
    print(f"Using {conn}")

Effektiv behandling af store datamængder

Generatorer er ideelle til opbygning af datapipelines, der behandler store datasæt på en doven måde. Hvert trin i pipelinen kan implementeres som en generator, hvilket muliggør effektiv og hukommelsesvenlig behandling.


              12345678910111213141516171819202122232425262728293031323334353637383940
            
import re

# Stage 1: Read lines lazily
def read_lines(text):
    for line in text.split("\n"):
        yield line

# Stage 2: Filter non-empty lines
def filter_lines(lines):
    for line in lines:
        if line.strip():
            yield line

# Stage 3: Extract words lazily
def extract_words(lines):
    for line in lines:
        for word in re.findall(r'\w+', line):
            yield word

# Stage 4: Transform words to lowercase
def lowercase_words(words):
    for word in words:
        yield word.lower()

# Input text
text = """Generators are powerful tools
They allow efficient data processing
This pipeline demonstrates their usage"""

# Build the pipeline
lines = read_lines(text)
filtered = filter_lines(lines)
words = extract_words(filtered)
lowercased = lowercase_words(words)

# Process the data
print("Processed words:")
for word in lowercased:
    print(word)

Var alt klart?

Tak for dine kommentarer!

Sektion 6. Kapitel 5

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Stryg for at vise menuen


              1234567891011121314
            
from contextlib import contextmanager

@contextmanager
def database_connection():
    print("Opening database connection")
    connection = "Database Connection"  # Simulated connection
    try:
        yield connection
    finally:
        print("Closing database connection")

# Using the generator as a context manager
with database_connection() as conn:
    print(f"Using {conn}")

Effektiv behandling af store datamængder


              12345678910111213141516171819202122232425262728293031323334353637383940
            
import re

# Stage 1: Read lines lazily
def read_lines(text):
    for line in text.split("\n"):
        yield line

# Stage 2: Filter non-empty lines
def filter_lines(lines):
    for line in lines:
        if line.strip():
            yield line

# Stage 3: Extract words lazily
def extract_words(lines):
    for line in lines:
        for word in re.findall(r'\w+', line):
            yield word

# Stage 4: Transform words to lowercase
def lowercase_words(words):
    for word in words:
        yield word.lower()

# Input text
text = """Generators are powerful tools
They allow efficient data processing
This pipeline demonstrates their usage"""

# Build the pipeline
lines = read_lines(text)
filtered = filter_lines(lines)
words = extract_words(filtered)
lowercased = lowercase_words(words)

# Process the data
print("Processed words:")
for word in lowercased:
    print(word)

Var alt klart?

Tak for dine kommentarer!

Sektion 6. Kapitel 5

Praktiske Anvendelser af Generatorer: Virkelige Brugsscenarier

Effektiv behandling af store datamængder

1. Hvad sker der, når en generatorfunktion løber tør for værdier at `yield`?

2. Hvad vil følgende kode udskrive?

3. Hvad gør følgende kode?

Praktiske Anvendelser af Generatorer: Virkelige Brugsscenarier

Effektiv behandling af store datamængder

1. Hvad sker der, når en generatorfunktion løber tør for værdier at `yield`?

2. Hvad vil følgende kode udskrive?

3. Hvad gør følgende kode?

Praktiske Anvendelser af Generatorer: Virkelige Brugsscenarier

Effektiv behandling af store datamængder

1. Hvad sker der, når en generatorfunktion løber tør for værdier at yield?

2. Hvad vil følgende kode udskrive?

3. Hvad gør følgende kode?

Praktiske Anvendelser af Generatorer: Virkelige Brugsscenarier

Effektiv behandling af store datamængder

1. Hvad sker der, når en generatorfunktion løber tør for værdier at yield?

2. Hvad vil følgende kode udskrive?

3. Hvad gør følgende kode?

1. Hvad sker der, når en generatorfunktion løber tør for værdier at `yield`?

1. Hvad sker der, når en generatorfunktion løber tør for værdier at `yield`?