version 1.7 part 2

Author: hifly81

03_strutture_dati.ipynb

@@ -348,8 +348,8 @@
     "\n",
     "In Python, la maggior parte delle strutture dati, come liste, tuple e dizionari, sono **oggetti iterabili**. Un oggetto `iterable` è un contenitore che, quando gli viene richiesto, può produrre un **iteratore**.\n",
     "\n",
-    "- Un **Iterable** è un oggetto che consente di essere itereato (es. una lista).\n",
-    "- Un **Iteratore** è un oggetto che tiene traccia della posizione corrente mentre percorre l'oggetto iterable, e sa come passare all'elemento successivo.\n",
+    "- Un **Iterable** è un oggetto che implementa il metodo speciale `__iter__()`, che restituisce un **Iteratore**.\n",
+    "- Un **Iteratore** è un oggetto che implementa il metodo `__next__()` e che tiene traccia della posizione corrente mentre percorre l'oggetto iterable. Quando non ci sono più elementi, solleva l'eccezione `StopIteration`.\n",
     "\n",
     "### Come funziona il ciclo `for`?\n",
     "Quando scrivi un ciclo `for`, Python usa gli iteratori dietro le quinte. Ad esempio, `for elemento in lista:` esegue questi passaggi:\n",
@@ -385,11 +385,49 @@
     "---"
    ]
   },
+  {
+ "cell_type": "markdown",
+ "metadata": {},
+ "source": [
+  "---\n",
+  "## 6. La parola chiave `yield` 🔄\n",
+  "\n",
+  "In Python, la parola chiave **`yield`** viene usata all’interno di una funzione per trasformarla in un **generatore**.  \n",
+  "Un generatore è una funzione speciale che produce una sequenza di valori uno alla volta, **senza calcolare tutti i risultati in anticipo**.  \n",
+  "\n",
+  "- Ogni volta che la funzione incontra `yield`, restituisce un valore al chiamante e **sospende** la sua esecuzione.  \n",
+  "- Alla chiamata successiva, l’esecuzione riprende **dal punto esatto in cui era stata sospesa**, mantenendo lo stato interno (variabili locali).  \n",
+  "- Questo comportamento lo rende molto utile per lavorare con **grandi quantità di dati** o flussi infiniti, perché evita di occupare memoria creando subito liste complete.\n",
+  "\n",
+  "**Esempio:**\n",
+  "```python\n",
+  "def count_up_to(n):\n",
+  "    count = 1\n",
+  "    while count <= n:\n",
+  "        yield count   # return the current number\n",
+  "        count += 1\n",
+  "\n",
+  "for num in count_up_to(5):\n",
+  "    print(num)\n",
+  "```\n",
+  "\n",
+  "Output:\n",
+  "```\n",
+  "1\n",
+  "2\n",
+  "3\n",
+  "4\n",
+  "5\n",
+  "```\n",
+  "\n",
+  "In questo esempio, `count_up_to` non restituisce una lista, ma un **oggetto generatore**, che produce i numeri solo quando richiesti."
+ ]
+},
   {
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "## 6. Spacchettare le collezioni: gli operatori `*` e `**`\n",
+    "## 7. Spacchettare le collezioni: gli operatori `*` e `**`\n",
     "\n",
     "In Python, i caratteri `*` e `**` sono molto utili quando si lavora con le funzioni, specialmente per **spacchettare** (unpacking) il contenuto di collezioni come liste e dizionari, trasformandoli in argomenti singoli.\n",
     "\n",
@@ -448,7 +486,7 @@
 "metadata": {},
 "source": [
 "---\n",
-"## 7 Comprehensions ed Espressioni Generatrici \ud83c\udf1f\n",
+"## 8. Comprehensions ed Espressioni Generatrici \ud83c\udf1f\n",
 "\n",
 "Le *comprehensions* sono una sintassi compatta e leggibile per creare nuove collezioni a partire da iterabili esistenti. Sono molto usate in Python per scrivere codice conciso e veloce.\n",
 "\n",