Correct the range(n) memory explanation
Mantenedores costumam responder em até 1 dia
Ninguém assumiu esta issue ainda.
Avaliação
- Dificuldade
- 1/5
- Tempo estimado
- Menos de uma hora
- Facilidade para iniciantes
- 95/100
- Tipo de issue
- Documentação
- Clareza
- Claramente especificada
- Status de atividade
- Ativa
- Stack de tecnologia
- markdown, python
- Domínio
- documentation
Direção de pesquisa
Leia lectures/python_advanced_features.md e localize a seção “Vantagens dos iteradores”, que descreve range(n) e draws. Revise essa explicação para afirmar que range(n) em Python 3 é lazy e não materializa todos os índices, enquanto a compreensão de lista cria a grande lista draws. A seção estará concluída quando distinguir corretamente os dois comportamentos de memória sem alterar o exemplo.
Escrita pelo modelo de indexação a partir do texto da issue.
Descrição
In lectures/python_advanced_features.md, the “Advantages of iterators” section says that the list-comprehension example creates two huge lists: range(n) and draws. In Python 3, range(n) is a lazy range object, not a materialized list. The list comprehension creates the large draws list; the range object itself does not allocate a list of all indices.
Please revise the explanation so it accurately distinguishes the memory-efficient range object from the list created by the comprehension.
- Linguagem predominante
- JavaScript
- Estrelas
- 72
- Forks
- 33
- Merge médio
- 22min
- PRs com merge (30d)
- 3
Preparar o ambiente
Este projeto não oferece contêiner de desenvolvimento, Dockerfile nem guia de contribuição, então a configuração fica por sua conta: comece pelo README e veja nosso guia da primeira contribuição para os passos gerais.
Primeiros passos
- Leia a issue inteira e depois o guia de contribuição do projeto.
- Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
- Faça um fork do repositório e trabalhe em uma branch.
- Abra um pull request que referencie o número da issue.
Mais de QuantEcon/lecture-python-programming
-
Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 95/100
QuantEcon/lecture-python-programming#650 ·
Mantenedores costumam responder em até 1 dia
-
Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 95/100
QuantEcon/lecture-python-programming#651 ·
Mantenedores costumam responder em até 1 dia
-
Dificuldade 1/5 1-3 horas Facilidade para iniciantes 95/100
QuantEcon/lecture-python-programming#652 ·
Mantenedores costumam responder em até 1 dia
-
Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 92/100
QuantEcon/lecture-python-programming#642 · 1 comentário ·
Mantenedores costumam responder em até 1 dia
-
Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 90/100
QuantEcon/lecture-python-programming#634 ·
Mantenedores costumam responder em até 1 dia
Todas as issues de QuantEcon/lecture-python-programming
Issues semelhantes
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 76/100
Mantenedores costumam responder em até 1 dia
-
enhancement good first issue help wanted
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 76/100
yunaremaia/jsonl-cli#1 · 1 comentário ·
-
agent-ready agent:in-progress backend/api
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 78/100
Mantenedores costumam responder em até 3 dias
-
bug
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 64/100
Mantenedores costumam responder em até 1 dia
-
bug needs-triage
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 76/100
apex-dev-tools/apex-log-parser#199 ·
Mantenedores costumam responder em até 1 dia