Python: задачки и вопросы

#ловушка

Приведенное далее списковое включение производит такой же результат, как показанные после него эквиваленты в форме тар из Python З.Х и генераторов, но создает два физических списка; остальные генерируют только по одному целому числу за раз с помощью вложенных генераторов, а форма генераторного выражения может более четко отражать свое намерение:

[х * 2 for х in [abs(x) for x in (-1, -2, 3, 4)]] # Вложенные включения

list(map(lambda x: x * 2, map(abs, (-1, -2, 3, 4)))) # Вложенные отображения

list(x * 2 for x in (abs(x) for x in (-1, -2, 3, 4))) # Вложенные генераторы

Хотя результатом всех трех форм является объединение операций, генераторы делают это, не создавая множество временных списков.

#ловушка

#ловушка

Генераторные выражения вместо построения результирующего списка в памяти возвращают объект генератора — автоматически созданный итерируемый объект. В свою очередь этот итерируемый объект поддерживает протокол итерации, чтобы выдавать по одной порции результирующего списка за раз в любом итерационном контексте. Итерируемый объект также сохраняет состояние генератора, пока он действует — переменную х в предшествующих выражениях наряду с местоположением в коде генератора. Мы получаем обратно объект, который запоминает оставленное им место после возвращения каждой части результата:

G = (х ** 2 for х in range (4))
next(G) is G # 0
next(G) is G # 1
next(G) is G # 4
next(G) is G # 9
next(G) is G # Остановка итерации

Обычно мы не видим внутренний итерационный механизм next генераторного выражения вроде показанного, т.к. циклы for запускают его автоматически:

for num in (х ** 2 for х in range (4)): # Автоматически вызывает next ()
    print (’%s, %s’ % (num, num / 2.0))

Так поступает каждый итерационный контекст: циклы for, встроенные функции sum, map и sorted, списковые включения и другие итерационные контексты, в том числе встроенные функции any, all и list. Будучи итерируемыми объектами, генераторные выражения могут появляться в любом итерационном контексте подобного рода в точности как результат вызова генераторной функции.

В задаче используется генератор, и происходит разбивка строки по запятой. 1. Разбивка строки:

"ааа,bbb,ссс".split(",") # ["ааа", "bbb", "ссс"]

Этот метод разбивает строку на список строк по разделителю. 2. Генератор:

(х + "\n" for х in ...)

Здесь создается генератор, который перебирает каждую строку из полученного списка ["ааа", "bbb", "ссс"] и добавляет к каждой строке символ новой строки "\n": — Для х = "ааа" будет "ааа\n" — х = "bbb" будет "bbb\n" — Для х = "ссс" будет "ссс\n" 3. Распаковка значений:

а, b, с = (х + "\n" for х in "ааа,bbb,ссс".split(","))

В этом выражении используется распаковка, чтобы присвоить значения переменным а, b и с. Генератор будет предоставлять значения по одному: — а получит значение "ааа\n" — b получит значение "bbb\n" — с получит значение "ссс\n"

#размяться

Понятия итерируемых объектов и списковых включений были объединены в новый инструмент — генераторные выражения. Синтаксически генераторные выражения похожи на нормальные списковые включения и поддерживают весь их синтаксис, в том числе фильтры if и вложение циклов, но они помещаются в круглые скобки, а не в квадратные (подобно кортежам объемлющие круглые скобки часто необязательны):

>>> (х ** 2 for х in range(4)) # Генераторное выражение создает итерируемый объект
... <generator object <genexpr> at 0x10250ab50>

Для принудительного вырабатывания всех результатов сразу можно использовать list():

>>> list(x ** 2 for х in range(4)) 
... [О, 1, 4, 9]

#размяться

1. Создание генератора:

G = gen()

В этой строке создается объект генератора G, но код внутри функции gen() не начинает выполняться, пока не будет вызван next(G). 2. Первый вызов next(G):

print(next(G)) # 0

Когда вы вызываете next(G) в первый раз, генератор начинает выполнение с начала функции gen(). Внутри функции запускается цикл for и выполняется первая итерация, где i становится равным 0. Затем происходит yield i, что означает, что значение 0 возвращается, и генератор приостанавливается. Значение 0 выводится на экран. 3. Второй вызов next(G):

print(next(G))  # None 1

Теперь, когда вы вызываете next(G) во второй раз, генератор продолжает выполнение с той точки, где он был приостановлен (после yield). В этот момент выполнение доходит до X = yield i, и так как вызывается next(G) без передачи аргумента, X будет установлено в значение None. Затем срабатывает print(X), и выводится None. Затем генератор продолжает выполнение, и значение X становится равным 1.

#ловушка

Эта задача — логическое продолжение предыдущей. Мы имеем дело с генераторной функцией. Значения отправляются генератору G путем вызова G.send(значение). Затем код генератора возобновляет выполнение, и выражение yield в генераторе возвращает значение, переданное send. Если вызывается обычный метод G.__next_() (или его эквивалент next(G)) для продвижения вперед, тогда yield просто возвращает None.

>>> next(G) # Сначала должен вызываться next(), чтобы запустить генератор
... 0
>>> G.send(77) 
... 77
... 1

Скажите рутине STOP✋ 👉 Ускорьте рабочие процессы и освободите время для более интересных дел — с помощью курса Слёрма «Python для инженеров». Это обучение, заточенное на инженеров — в нём нет ничего лишнего, только то, что необходимо именно вам. На курсе вы научитесь: 🔹 писать эффективный и поддерживаемый код; 🔹 писать Kubernetes-операторы и модули для Ansible; 🔹 создавать, использовать и тестировать свои API; 🔹 взаимодействовать с инструментами CI/CD, CVS и DevOps системами.

Для того, чтобы вы смогли «пощупать» курс изнутри, даём бесплатный пробный доступ на 3 дня. А при покупке даём в подарок мини-курс «Python, Чат-боты и DevOps» и видеокурс «Gitlab CI/CD».

Набор до 28 января. Познакомиться с программой и занять своё место на курсе — по ссылке. Реклама ООО «Слёрм» ИНН 3652901451