Impara Applicazioni Pratiche dei Generatori: Casi d'Uso Reali | Padronanza di Iteratori e Generatori in Python

I generatori possono essere utilizzati come gestori di contesto leggeri per gestire le risorse in modo efficiente, come connessioni al database, operazioni sui file o meccanismi di locking. Con il modulo contextlib, i generatori possono gestire l'allocazione e il rilascio delle risorse in modo trasparente.


              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}")

Elaborazione efficiente di grandi quantità di dati

I generatori sono ideali per costruire pipeline di dati che elaborano grandi insiemi di dati in modo lazy. Ogni fase della pipeline può essere implementata come un generatore, consentendo un'elaborazione efficiente e a basso consumo di memoria.


              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)

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 6. Capitolo 5

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Scorri per mostrare il menu


              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}")

Elaborazione efficiente di grandi quantità di dati


              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)

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 6. Capitolo 5

Applicazioni Pratiche dei Generatori: Casi d'Uso Reali

Elaborazione efficiente di grandi quantità di dati

1. Cosa succede quando una funzione generatore esaurisce i valori da `yield`?

2. Quale sarà l'output del seguente codice?

3. Cosa fa il seguente codice?

Applicazioni Pratiche dei Generatori: Casi d'Uso Reali

Elaborazione efficiente di grandi quantità di dati

1. Cosa succede quando una funzione generatore esaurisce i valori da `yield`?

2. Quale sarà l'output del seguente codice?

3. Cosa fa il seguente codice?

Applicazioni Pratiche dei Generatori: Casi d'Uso Reali

Elaborazione efficiente di grandi quantità di dati

1. Cosa succede quando una funzione generatore esaurisce i valori da yield?

2. Quale sarà l'output del seguente codice?

3. Cosa fa il seguente codice?

Applicazioni Pratiche dei Generatori: Casi d'Uso Reali

Elaborazione efficiente di grandi quantità di dati

1. Cosa succede quando una funzione generatore esaurisce i valori da yield?

2. Quale sarà l'output del seguente codice?

3. Cosa fa il seguente codice?

1. Cosa succede quando una funzione generatore esaurisce i valori da `yield`?

1. Cosa succede quando una funzione generatore esaurisce i valori da `yield`?