翻译：《实用的Python编程》06_00_Overview

最新推荐文章于 2025-10-10 11:18:22 发布
原创 最新推荐文章于 2025-10-10 11:18:22 发布 · 213 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #生成器

本文深入探讨了Python中的生成器概念，包括迭代协议的基础知识、如何使用生成器自定义迭代过程、解决生产者/消费者问题的方法及工作流程，还介绍了生成器表达式的应用。通过本文的学习，读者可以掌握生成器的基本用法，并学会处理实时流数据。

目录 | 上一节 (5 Python对象的内部工作原理) | 下一节 (7 高级主题)

6. 生成器

在 Python 语言中，迭代（for 循环）是最常用的编程模式之一。程序执行大量的迭代来处理列表、读取文件、查询数据库…Python 最强大的特性之一就是能够以所谓的“生成器函数（generator function）”形式自定义和重新定义迭代。本节将对生成器主题进行介绍。最后，你将学习以一种有趣的方式编写程序来处理实时流数据。

目录 | 上一节 (5 Python对象的内部工作原理) | 下一节 (7 高级主题)

注：完整翻译见 https://github.com/codists/practical-python-zh

安全监控：危险区域警报_（15）.国际合作与交流
zhubeibei168的博客
03-15 689
国际合作与交流在计算机视觉技术的发展中起着至关重要的作用。通过数据共享、算法优化、研究成果发布和项目管理，研究人员可以加速技术的进步和应用。同时，解决伦理与法律问题、促进有效的沟通与协作、组织技术交流与培训，也是确保国际合作成功的重要因素。希望本节内容对进行国际合作的计算机视觉项目提供有益的参考和帮助。
一切皆是映射：实现神经网络的硬件加速技术：GPU、ASIC（专用集成电路）和FPGA（现场可编程门阵列）
AI天才研究院
07-06 2537
在人工智能和深度学习领域，神经网络已经成为一种revolutionary的技术，推动了诸如计算机视觉、自然语言处理和语音识别等领域的巨大进步。然而，随着神经网络模型变得越来越复杂和庞大，传统的CPU处理器在处理这些计算密集型任务时往往力不从心。这就催生了对专门的硬件加速技术的需求，以提高神经网络的训练和推理效率。在这篇文章中，我们将深入探讨三种主要的硬件加速技术：GPU（图形处理器）、ASIC（专用集成电路）和FPGA（现场可编程门阵列）。这些技术各有特点，都在神经网络加速领域发挥着重要作用。
翻译：《实用的Python编程》03_00_Overview
codists的博客
02-27 213
目录 | 上一节 (2 处理数据) | 下一节 (4 类和对象) 3. 程序组织 到目前为止，我们已经学习了一些 Python 基础知识并编写了一些简短的脚本。但是，当开始编写更大的程序时，我们会想要有条理地组织这些程序。本节将深入讨论关于函数编写，错误处理以及模块的更多细节。最后，您应该能够编写跨多个文件的，并细分为函数的程序。我们还将提供一些有用的代码模板，以编写更有用的脚本。 3.1 函数和脚本编写 3.2 关于函数的更多细节 3.3 异常处理 3.4 模块 3.5 主模块 3.6 关于拥抱灵活性的
两篇文章掌握Python语法和内置函数功能（第一篇）
踩风火轮的乌龟
03-17 1426
OverviewPython是一种动态，解释型语言。它的变量、参数、函数或者一些在源码中的方法都不需要类型声明。你并不需要编译时的类型检查，Python会在运行时确定所有值的类型和标记运行到的有错误的代码。字符串Python字符串像Java一样都是不可变的。当我们写这样一个表达式的时候，例如表达式(‘hello’ + ‘world’)，它会新构建一个字符串’hellothere’，而不会在先前的字符
两篇文章掌握Python语法和内置函数功能（第二篇）
踩风火轮的乌龟
03-25 869
Overview这篇文章是接着上篇文章写的，主要介绍Python的字典结构，操作文件，正则表达式。上篇文章链接如下：http://blog.youkuaiyun.com/xlinsist/article/details/50866079字典先看看下面的例子：## 构建一个字典 dict = {}## 向字典中存入键值对 dict['a'] = 'alpha' dict['g'] = 'gamma' dict['
翻译：《实用的Python编程》09_00_Overview
codists的博客
04-13 213
目录 | 上一节 (8 测试和调试) 9 包 我们将以“如何把代码组织成包结构”这一主题结束本课程。同时，也将对第三方包的安装、如何将自己的代码提供给其他人使用进行讨论。 在 Python 开发中，打包（packaging）是一个演进的，复杂的主题。本节主要关注一些通用的代码组织原则，而不是特定的工具。无论以后使用那种工具来分发代码或者管理依赖，这些通用的代码组织原则都是有用的。 9.1 包 9.2 第三方模块 9.3 将代码提供给其他人（使用） 目录 | 上一节 (8 测试和调试) 注：完整翻译见
翻译：《实用的Python编程》02_00_Overview
codists的博客
04-06 212
目录 | 上一节 (1 Ｐython 简介) | 下一节(3 程序组织) 2. 处理数据 要编写有用的程序，您需要能够处理数据。本节介绍 Ｐython的核心数据结构： 元组（tuple），列表（list），集合（set）和字典（dict），并讨论常见的数据处理习惯用法。本节的最后一部分深入探讨 Python 的底层对象模型。 2.1 数据类型和数据结构 2.2 容器 2.3 格式化输出 2.4 序列 2.5 collections 模块 2.6 列表推导式 2.7 对象模型 目录 | 上一节 (1
翻译：《实用的Python编程》08_00_Overview
codists的博客
04-08 232
目录 | 上一节 (7 高级主题) | 下一节 (9 包) 8. 测试和调试 本节介绍与测试、日志和调试有关的基本主题。 8.1 测试 8.2 日志，错误处理和诊断 8.3 调试 目录 | 上一节 (7 高级主题) | 下一节 (9 包) 注：完整翻译见 https://github.com/codists/practical-python-zh ...
翻译：《实用的Python编程》05_00_Overview
codists的博客
03-11 242
目录 | 上一节 (4 类和对象) | 下一节 (6 生成器) 5. Python 对象的内部工作原理 本节介绍 Python 对象的内部工作原理。来自其它语言的程序员通常会发现 Python 的类概念缺乏特性。例如，没有访问控制（access-control）的概念（如：private，protected），self 参数让人感觉很奇怪，并且，坦白地说，使用对象有时候让人感到“一切都是开放的”。虽然某种程度上来说也许是这样，但是我们要了解其工作原理，以及一些常见的编程习惯，以便更好的封装对象的内部。 虽然
翻译：《实用的Python编程》04_00_Overview
codists的博客
03-06 221
目录 | 上一节 (3 程序组织) | 下一节 (5 Python对象的内部工作原理) 4. 类和对象 到目前为止，我们的程序仅使用了内置的 Python 数据类型。本节，我们介绍类（class）和对象（object）的概念。你将学习 class 语句，该语句允许你创建新的对象。我们还将介绍继承（inheritance）的概念，继承通常用于构建可扩展的程序。最后，我们将研究类的一些其它特性，包括特殊方法，动态属性查找以及自定义异常。 4.1 类简介 4.2 继承 4.3 特殊方法 4.4 自定义异常 目
q#量子编程语言_Q＃简介-Microsoft的量子计算语言
cumian8165的博客
07-25 2923
q#量子编程语言In this article, I’ll introduce you to Q# — the new programming language from Microsoft for quantum computing. We will cover Q# data types, expressions, and statements with the help of code sn...
1、自然语言处理：Python 与 NLTK 入门
最新发布
t8u9v0的博客
10-10 17
本文介绍了自然语言处理（NLP）的基础知识及其在Python环境下的实现方法，重点讲解了使用NLTK库进行文本挖掘与语言分析的完整学习路径。内容涵盖从基础的文本清理、分词、词干提取到高级的句法解析、语义分析、情感分析和信息检索等核心技术。文章分为三个模块：NLTK基础、Python 3与NLTK 3实践、以及自然语言处理精通，适合具备中级Python技能的NLP初学者和语言学爱好者系统学习。同时提供了所需工具安装指南、代码资源链接及实践建议，帮助读者快速构建实际NLP应用。
【LangChain编程：从入门到实践】自定义提示模板原理与应用实战 系列文章
AI天才研究院
06-21 1398
随着人工智能技术的快速发展,特别是自然语言处理领域的突破,大语言模型(LLM)正在重塑人机交互的方式。LLM能够理解和生成接近人类水平的自然语言,为构建智能对话系统和知识应用带来了新的机遇。然而,直接使用LLM进行应用开发往往需要大量的prompt engineering工作,而且缺乏组合不同LLM能力的灵活性。这些挑战催生了一个新的编程范式—— LangChain。LangChain是一个面向LLM应用开发的开源框架,它提供了一系列工具和最佳实践,帮助开发者更轻松地构建LLM驱动的应用。
翻译：《实用的Python编程》03_03_Error_checking
codists的博客
03-02 397
目录 | 上一节 (3.2 深入函数) | 下一节 (3.4 模块) 3.3 错误检查 虽然前面已经介绍了异常，但本节补充一些有关错误检查和异常处理的其它细节。 程序是如何运行失败的 Python 不对函数参数类型或值进行检查或者校验。函数可以处理与函数内部语句兼容的任何数据。 def add(x, y): return x + y add(3, 4) # 7 add('Hello', 'World') # 'HelloWorld' add('3', '4')
翻译：《实用的Python编程》03_05_Main_module
codists的博客
03-04 395
目录 | 上一节 (3.4 模块) | 下一节 (3.6 设计讨论) 3.5 主模块 本节介绍主程序（主模块）的概念 主函数 在许多编程语言中，存在一个主函数或者主方法的概念。 // c / c++ int main(int argc, char *argv[]) { ... } // java class myprog { public static void main(String args[]) { ... } } 这是启动应用程序时执行的第一个函数。 Py
翻译：《实用的Python编程》01_02_Hello_world
codists的博客
02-12 375
目录 | 上一节 (1.1 Python) | 下一节 (1.3 数字) 1.2 第一个程序 本节讨论有关如何创建一个程序、运行解释器和调试的基础知识。 运行 Python Python 程序始终在解释器中运行。 解释器是一个“基于控制台”的应用程序，通常从命令行 shell 启动。 python3 Python 3.6.1 (v3.6.1:69c0db5050, Mar 21 2017, 01:21:04) [GCC 4.2.1 (Apple Inc. build 5666) (dot 3)] on da
翻译：《实用的Python编程》06_03_Producers_consumers
codists的博客
03-17 352
目录 | 上一节 (6.2 自定义迭代) | 下一节 (6.4 生成器表达式) 6.3 生产者，消费者和管道 生成器在设置各种生产者/消费者问题（producer/consumer problems）和数据流管道（pipeline）中非常有用。本节将对此进行讨论。 生产者消费者问题 生成器与各种形式的 生产者消费者 问题密切相关。 # Producer def follow(f): ... while True: ... yield line #
翻译：《实用的Python编程》01_04_Strings
codists的博客
02-16 347
目录 | 上一节 (1.3 数字) | 下一节 (1.5 列表) 1.4 字符串 本节介绍处理文本的方法。 表示字面量文本 在程序中字符串字面量使用引号来书写。 # 单引号（Single quote） a = 'Yeah but no but yeah but...' # 双引号（Double quote） b = "computer says no" # 三引号（Triple quotes） c = ''' Look into my eyes, look into my eyes, the eyes,
翻译：《实用的Python编程》02_04_Sequences
codists的博客
02-23 327
目录 | 上一节 (2.3 格式化) | 下一节 (2.5 Collections模块) 2.4 序列 序列数据类型 Python 有三种序列数据类型。 字符串：如 'Hello'。字符串是字符序列 列表：如 [1, 4, 5]。 元组：如 ('GOOG', 100, 490.1)。 所有的序列都是有序的，由整数进行索引，并且具有长度。 a = 'Hello' # String b = [1, 4, 5] # List c = ('GOOG', 100
Python深度学习在自然语言处理的应用概述
在实现这些深度学习模型时，Python作为一门高级编程语言，在数据科学和机器学习领域中的应用尤为广泛。Python的易读性和简洁的语法使其成为开发复杂模型的理想选择。Python的生态系统中有多个强大的库，如TensorFlow...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值