Pitone è un linguaggio di programmazione ampiamente utilizzato che offre numerose caratteristiche e vantaggi unici rispetto a linguaggi come Giava E C++. Il nostro tutorial su Python spiega in modo approfondito le basi e i concetti avanzati di Python, a partire dall'installazione, dichiarazioni condizionali , loop , strutture dati integrate , programmazione orientata agli oggetti , generatori , gestione delle eccezioni , Python RegEx e molti altri concetti. Questo tutorial è progettato per principianti e professionisti.
Alla fine degli anni '80, Guido van Rossum sognavo di sviluppare Python. La prima versione di Python 0.9.0 è stato rilasciato nel 1991 . Dal suo rilascio, Python ha iniziato a guadagnare popolarità. Secondo i rapporti, Python è oggi il linguaggio di programmazione più popolare tra gli sviluppatori a causa delle sue elevate esigenze nel campo della tecnologia.
Cos'è Python
Python è un linguaggio di programmazione generico, tipizzato dinamicamente, di alto livello, compilato e interpretato, garbage collection e puramente orientato agli oggetti che supporta la programmazione procedurale, orientata agli oggetti e funzionale.
Caratteristiche di Python:
Python ne ha molti risorse basate sul web , progetti open source , E una comunità vivace . Imparare la lingua, lavorare insieme ai progetti e contribuire all'ecosistema Python è tutto reso molto semplice per gli sviluppatori.
Grazie alla sua struttura linguistica semplice, Python è più facile da comprendere e da scrivere codice. Ciò lo rende un linguaggio di programmazione fantastico per i principianti. Inoltre, aiuta i programmatori esperti a scrivere codice chiaro e privo di errori.
Python ha molte librerie di terze parti che possono essere utilizzate per semplificare le sue funzionalità. Queste librerie coprono molti settori, ad esempio sviluppo web, calcolo scientifico, analisi dei dati e altro ancora.
Java contro Python
Python è una scelta eccellente per attività di sviluppo rapido e scripting. Mentre Java enfatizza un forte sistema di tipi e una programmazione orientata agli oggetti.
Ecco alcuni programmi di base che illustrano le principali differenze tra loro.
Stampa di 'Ciao mondo'
Codice Python:
print('Hello World)'
In Python, è una riga di codice. Richiede una sintassi semplice per stampare 'Hello World'
Codice Java:
public class HelloWorld { public static void main(String[] args) { System.out.println('Hello, World!'); } } In Java dobbiamo dichiarare classi, strutture di metodi e molte altre cose.
Sebbene entrambi i programmi forniscano lo stesso output, possiamo notare la differenza di sintassi nell'istruzione print.
forma completa pvr
- In Python è facile imparare e scrivere codice. Mentre in Java, richiede più codice per eseguire determinate attività.
- Python è tipizzato dinamicamente, il che significa che non è necessario dichiarare la variabile, mentre Java è tipizzato statisticamente, il che significa che è necessario dichiarare il tipo di variabile.
- Python è adatto a vari domini come scienza dei dati, apprendimento automatico, sviluppo Web e altro ancora. Mentre Java è adatto per lo sviluppo web, lo sviluppo di app mobili (Android) e altro ancora.
Sintassi di base di Python
Non è previsto l'uso di parentesi graffe o punto e virgola nel linguaggio di programmazione Python. È una lingua simile all'inglese. Ma Python usa il rientro per definire un blocco di codice. Il rientro non è altro che aggiungere spazi prima dell'istruzione quando è necessario.
Per esempio -
def func(): statement 1 statement 2 ………………… ………………… statement N
Nell'esempio precedente, le istruzioni che sono allo stesso livello a destra appartengono alla funzione. In generale, possiamo utilizzare quattro spazi bianchi per definire il rientro.
Invece del punto e virgola usato in altri linguaggi, Python termina le sue istruzioni con un carattere NewLine.
Python è un linguaggio con distinzione tra maiuscole e minuscole, il che significa che le lettere maiuscole e minuscole vengono trattate in modo diverso. Ad esempio, 'name' e 'Name' sono due variabili diverse in Python.
In Python, i commenti possono essere aggiunti utilizzando il simbolo '#'. Qualsiasi testo scritto dopo il simbolo '#' è considerato un commento e viene ignorato dall'interprete. Questo trucco è utile per aggiungere note al codice o disabilitare temporaneamente un blocco di codice. Aiuta anche a comprendere meglio il codice da parte di altri sviluppatori.
'Se' , 'altrimenti', 'for' , 'mentre' , 'provare', 'eccetto' e 'finalmente' sono alcune parole chiave riservate in Python che non possono essere utilizzate come nomi di variabili. Questi termini sono usati nella lingua per ragioni particolari e hanno significati fissi. Se utilizzi queste parole chiave, il tuo codice potrebbe includere errori o l'interprete potrebbe rifiutarli come potenziali nuove variabili.
Storia di Python
Python è stato creato da Guido van Rossum . Alla fine degli anni '80, Guido van Rossum, un programmatore olandese, iniziò a lavorare su Python mentre era al Centrum Wiskunde & Informatica (CWI) nei Paesi Bassi. Voleva creare un successore del Linguaggio di programmazione ABC sarebbe facile da leggere ed efficiente.
Nel febbraio 1991 fu rilasciata la prima versione pubblica di Python, la versione 0.9.0. Ciò segnò la nascita ufficiale di Python come progetto open source . La lingua prende il nome dalla serie comica britannica ' Il circo volante dei Monty Python '.
Lo sviluppo di Python ha attraversato diverse fasi. Nel gennaio 1994, Python 1.0 fu rilasciato come linguaggio di programmazione utilizzabile e stabile. Questa versione includeva molte delle funzionalità che sono ancora presenti in Python oggi.
Dagli anni '90 agli anni 2000 , Python ha guadagnato popolarità per la sua semplicità, leggibilità e versatilità. Nell'ottobre del 2000 è stato rilasciato Python 2.0 . Python 2.0 ha introdotto la comprensione delle liste, la garbage collection e il supporto per Unicode.
Nel dicembre 2008 è stato rilasciato Python 3.0. Python 3.0 ha introdotto diverse modifiche incompatibili con le versioni precedenti per migliorare la leggibilità e la manutenibilità del codice.
Nel corso degli anni 2010, la popolarità di Python è aumentata, in particolare in campi come l'apprendimento automatico e lo sviluppo web. Il suo ricco ecosistema di librerie e framework lo ha reso uno dei preferiti tra gli sviluppatori.
IL La Python Software Foundation (PSF) è stata fondata nel 2001 promuovere, proteggere e far avanzare il linguaggio di programmazione Python e la sua comunità.
Perché imparare Python?
Python fornisce molte funzionalità utili al programmatore. Queste caratteristiche lo rendono il linguaggio più popolare e ampiamente utilizzato. Di seguito abbiamo elencato alcune funzionalità essenziali di Python.
- Linguaggio orientato agli oggetti : Supporta la programmazione orientata agli oggetti, semplificando la scrittura di codice riutilizzabile e modulare.
Dove viene utilizzato Python?
Python è un linguaggio di programmazione popolare e di uso generale, utilizzato in quasi tutti i campi tecnici. Le varie aree di utilizzo di Python sono riportate di seguito.
- Intelligenza artificiale : L'intelligenza artificiale è una tecnologia emergente e Python è un linguaggio perfetto per l'intelligenza artificiale e l'apprendimento automatico grazie alla disponibilità di potenti librerie come TensorFlow, Keras e PyTorch.
- DevOps : Python è ampiamente utilizzato in DevOps per l'automazione e lo scripting della gestione dell'infrastruttura, della configurazione e dei processi di distribuzione.
- Richieste : una libreria per effettuare richieste HTTP
- SQLAlchemy : una libreria per lavorare con i database SQL
- Disperato : un framework per la creazione di applicazioni multi-touch
- Pygame : una libreria per lo sviluppo di giochi
- struttura REST : un toolkit per creare API RESTful
- API veloce : un framework web moderno e veloce per la creazione di API
- Illuminato : una libreria per la creazione di app Web interattive per l'apprendimento automatico e la scienza dei dati
- NLTK : una libreria per l'elaborazione del linguaggio naturale
Python dispone di un'ampia gamma di librerie e framework ampiamente utilizzati in vari campi come l'apprendimento automatico, l'intelligenza artificiale, le applicazioni Web, ecc. Di seguito definiamo alcuni framework e librerie popolari di Python.
Funzione stampa() di Python
La funzione Python print() viene utilizzata per visualizzare l'output sulla console o sul terminale. Ci consente di visualizzare testo, variabili e altri dati in un formato leggibile dall'uomo.
Sintassi:
print(oggetto(i), sep=separatore, fine=fine, file=file, flush=flush)
Richiede uno o più argomenti separati da virgola(,) e aggiunge un 'ritorno a capo' alla fine per impostazione predefinita.
parametri:
- oggetto(i): tutti i dati che desideri vengano visualizzati, verranno prima convertiti in stringhe e stampati sulla console.
- sep - Separa gli oggetti tramite un separatore passato, valore predefinito = ' '.
- end - Termina una riga con un carattere di nuova riga
- file - un oggetto file con metodo di scrittura, valore predefinito = sys.stdout
Esempio:
# Displaying a string print('Hello, World!') # Displaying multiple values name = 'Aman' age = 21 print('Name:', name, 'Age:', age) # Printing variables and literals x = 5 y = 7 print('x =', x, 'y =', y, 'Sum =', x + y) # Printing with formatting percentage = 85.75 print('Score: {:.2f}%'.format(percentage)) Produzione:
Hello, World! Name: Aman Age: 21 X = 5 y = 7 Sum = 12 Score: 85.75%
In questo esempio, l'istruzione print viene utilizzata per stampare valori stringa, interi e float in un formato leggibile dall'uomo.
L'istruzione print può essere utilizzata per il debug, la registrazione e per fornire informazioni all'utente.
Istruzioni condizionali Python
Le istruzioni condizionali ci aiutano a eseguire un blocco particolare per una condizione particolare. In questo tutorial impareremo come utilizzare l'espressione condizionale per eseguire un diverso blocco di istruzioni. Python fornisce le parole chiave if ed else per impostare le condizioni logiche. IL Elif La parola chiave viene utilizzata anche come istruzione condizionale.
Codice di esempio per l'istruzione if..else
x = 10 y = 5 if x > y: print('x is greater than y') else: print('y is greater than or equal to x')
Produzione:
x is greater than y
Nel codice precedente abbiamo due variabili, x e y, rispettivamente con 10 e 5. Quindi abbiamo utilizzato un'istruzione if..else per verificare se x è maggiore di y o viceversa. Se la prima condizione è vera, viene stampata l'affermazione 'x è maggiore di y'. Se la prima condizione è falsa, viene invece stampata l'affermazione 'y è maggiore o uguale a x'.
La parola chiave if verifica che la condizione sia vera ed esegue il blocco di codice al suo interno. Il codice all'interno del blocco else viene eseguito se la condizione è falsa. In questo modo, l'istruzione if..else ci aiuta a eseguire diversi blocchi di codice in base a una condizione.
Impareremo questo in modo più dettagliato nell'ulteriore articolo per il tutorial Python.
Loop Python
A volte potrebbe essere necessario modificare il flusso del programma. Potrebbe essere necessario ripetere più volte l'esecuzione di un codice specifico. A questo scopo i linguaggi di programmazione mettono a disposizione diversi loop capaci di ripetere più volte qualche specifico codice. Considera il seguente tutorial per comprendere le dichiarazioni in dettaglio.
Python per ciclo
fruits = ['apple', 'banana', 'cherry'] for x in fruits: print(x, end=' ')
Produzione:
apple banana cherry
Ciclo Python While
i = 1 while i<5: print(i, end=" " ) i +="1" < pre> <p> <strong>Output:</strong> </p> <pre> 1 2 3 4 </pre> <p>In the above example code, we have demonstrated using two types of loops in Python - For loop and While loop.</p> <p>The For loop is used to iterate over a sequence of items, such as a list, tuple, or string. In the example, we defined a list of fruits and used a for loop to print each fruit, but it can also be used to print a range of numbers.</p> <p>The While loop repeats a code block if the specified condition is true. In the example, we have initialized a variable i to 1 and used a while loop to print the value of i until it becomes greater than or equal to 6. The i += 1 statement is used to increment the value of i in each iteration.</p> <p>We will learn about them in the tutorial in detail.</p> <h2>Python Data Structures</h2> <p> <strong>Python offers four built-in data structures:</strong> <strong>lists</strong> , <strong>tuples</strong> , <strong>sets</strong> , and <strong>dictionaries</strong> that allow us to store data in an efficient way. Below are the commonly used data structures in Python, along with example code:</p> <h3>1. Lists </h3> <ul> <li>Lists are <strong>ordered collections</strong> of data elements of different data types.</li> <li>Lists are <strong>mutable</strong> meaning a list can be modified anytime.</li> <li>Elements can be <strong>accessed using indices</strong> .</li> <li>They are defined using square bracket ' <strong>[]</strong> '.</li> </ul> <p> <strong>Example:</strong> </p> <pre> # Create a list fruits = ['apple', 'banana', 'cherry'] print('fuirts[1] =', fruits[1]) # Modify list fruits.append('orange') print('fruits =', fruits) num_list = [1, 2, 3, 4, 5] # Calculate sum sum_nums = sum(num_list) print('sum_nums =', sum_nums) </pre> <p> <strong>Output:</strong> </p> <pre> fuirts[1] = banana fruits = ['apple', 'banana', 'cherry', 'orange'] sum_nums = 15 </pre> <h3>2. Tuples </h3> <ul> <li>Tuples are also <strong>ordered collections</strong> of data elements of different data types, similar to Lists.</li> <li>Elements can be <strong>accessed using indices</strong> .</li> <li>Tuples are <strong>immutable</strong> meaning Tuples can't be modified once created.</li> <li>They are defined using open bracket ' <strong>()</strong> '.</li> </ul> <p> <strong>Example:</strong> </p> <pre> # Create a tuple point = (3, 4) x, y = point print('(x, y) =', x, y) # Create another tuple tuple_ = ('apple', 'banana', 'cherry', 'orange') print('Tuple =', tuple_) </pre> <p> <strong>Output:</strong> </p> <pre> (x, y) = 3 4 Tuple = ('apple', 'banana', 'cherry', 'orange') </pre> <h3>3. Sets </h3> <ul> <li>Sets are <strong>unordered</strong> collections of immutable data elements of different data types.</li> <li>Sets are <strong>mutable</strong> .</li> <li>Elements can't be accessed using indices.</li> <li>Sets <strong>do not contain duplicate elements</strong> .</li> <li>They are defined using curly braces ' <strong>{}</strong> '</li> </ul> <p> <strong>Example:</strong> </p> <pre> # Create a set set1 = {1, 2, 2, 1, 3, 4} print('set1 =', set1) # Create another set set2 = {'apple', 'banana', 'cherry', 'apple', 'orange'} print('set2 =', set2) </pre> <p> <strong>Output:</strong> </p> <pre> set1 = {1, 2, 3, 4} set2 = {'apple', 'cherry', 'orange', 'banana'} </pre> <h3>4. Dictionaries </h3> <ul> <li>Dictionary are <strong>key-value pairs</strong> that allow you to associate values with unique keys.</li> <li>They are defined using curly braces ' <strong>{}</strong> ' with key-value pairs <strong>separated by colons ':'</strong> .</li> <li>Dictionaries are <strong>mutable</strong> .</li> <li>Elements can be accessed using keys.</li> </ul> <p> <strong>Example:</strong> </p> <pre> # Create a dictionary person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} print('person =', person) print(person['name']) # Modify Dictionary person['age'] = 27 print('person =', person) </pre> <p> <strong>Output:</strong> </p> <pre> person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} Umesh person = {'name': 'Umesh', 'age': 27, 'city': 'Noida'} </pre> <p>These are just a few examples of Python's built-in data structures. Each data structure has its own characteristics and use cases.</p> <h2>Python Functional Programming</h2> <p>This section of the Python tutorial defines some important tools related to functional programming, such as lambda and recursive functions. These functions are very efficient in accomplishing complex tasks. We define a few important functions, such as reduce, map, and filter. Python provides the functools module that includes various functional programming tools. Visit the following tutorial to learn more about functional programming.</p> <p>Recent versions of Python have introduced features that make functional programming more concise and expressive. For example, the 'walrus operator':= allows for inline variable assignment in expressions, which can be useful when working with nested function calls or list comprehensions.</p> <h2>Python Function</h2> <ol class="points"> <li> <strong>Lambda Function</strong> - A lambda function is a small, <strong>anonymous function</strong> that can take any number of arguments but can only have one expression. Lambda functions are often used in functional programming to create functions 'on the fly' without defining a named function.</li> <li> <strong>Recursive Function</strong> - A recursive function is a function that calls itself to solve a problem. Recursive functions are often used in functional programming to perform complex computations or to traverse complex data structures.</li> <li> <a href="/python-map-function"> <strong>Map Function</strong> </a> - The map() function applies a given function to each item of an iterable and returns a new iterable with the results. The input iterable can be a list, tuple, or other.</li> <li> <a href="/python-filter-function"> <strong>Filter Function</strong> </a> - The filter() function returns an iterator from an iterable for which the function passed as the first argument returns True. It filters out the items from an iterable that do not meet the given condition.</li> <li> <a href="/reduce-python"> <strong>Reduce Function</strong> </a> - The reduce() function applies a function of two arguments cumulatively to the items of an iterable from left to right to reduce it to a single value.</li> <li> <strong>functools Module</strong> - The functools module in Python provides higher-order functions that operate on other functions, such as partial() and reduce().</li> <li> <strong>Currying Function</strong> - A currying function is a function that takes multiple arguments and returns a sequence of functions that each take a single argument.</li> <li> <strong>Memoization Function</strong> - Memoization is a technique used in functional programming to cache the results of expensive function calls and return the cached Result when the same inputs occur again.</li> <li> <strong>Threading Function</strong> - Threading is a technique used in functional programming to run multiple tasks simultaneously to make the code more efficient and faster.</li> </ol> <h2>Python Modules</h2> <p> Python modules are the program files that contain Python code or functions. Python has two types of modules - User-defined modules and built-in modules. A module the user defines, or our Python code saved with .py extension, is treated as a user-define module.</p> <p>Built-in modules are predefined modules of Python. To use the functionality of the modules, we need to import them into our current working program.</p> <p>Python modules are essential to the language's ecosystem since they offer reusable code and functionality that can be imported into any Python program. Here are a few examples of several Python modules, along with a brief description of each:</p> <p> <strong>Math</strong> : Gives users access to mathematical constants and pi and trigonometric functions.</p> <p> <strong>Datetime</strong> : Provides classes for a simpler way of manipulating dates, times, and periods.</p> <p> <a href="/python-os-module"> <strong>OS</strong> </a> : Enables interaction with the base operating system, including administration of processes and file system activities.</p> <p> <a href="/python-random-module"> <strong>Random</strong> </a> : The random function offers tools for generating random integers and picking random items from a list.</p> <p> <strong>JSON</strong> : JSON is a data structure that can be encoded and decoded and is frequently used in online APIs and data exchange. This module allows dealing with JSON. <br> <strong>Re</strong> : Supports regular expressions, a potent text-search and text-manipulation tool.</p> <p> <strong>Collections</strong> : Provides alternative data structures such as sorted dictionaries, default dictionaries, and named tuples.</p> <p> <strong>NumPy</strong> : NumPy is a core toolkit for scientific computing that supports numerical operations on arrays and matrices.</p> <p> <strong>Pandas</strong> : It provides high-level data structures and operations for dealing with time series and other structured data types.</p> <p> <strong>Requests</strong> : Offers a simple user interface for web APIs and performs HTTP requests.</p> <h2>Python File I/O</h2> <p>Files are used to store data in a computer disk. In this tutorial, we explain the built-in file object of Python. We can open a file using Python script and perform various operations such as writing, reading, and appending. There are various ways of opening a file. We are explained with the relevant example. We will also learn to perform read/write operations on binary files.</p> <p> <strong>Python's file input/output (I/O) system</strong> offers programs to communicate with files stored on a disc. Python's built-in methods for the file object let us carry out actions like reading, writing, and adding data to files.</p> <p>The <strong>open()</strong> method in Python makes a file object when working with files. The name of the file to be opened and the mode in which the file is to be opened are the two parameters required by this function. The mode can be used according to work that needs to be done with the file, such as ' <strong>r</strong> ' for reading, ' <strong>w</strong> ' for writing, or ' <strong>a</strong> ' for attaching.</p> <p>After successfully creating an object, different methods can be used according to our work. If we want to write in the file, we can use the write() functions, and if you want to read and write both, then we can use the append() function and, in cases where we only want to read the content of the file we can use read() function. Binary files containing data in a binary rather than a text format may also be worked with using Python. Binary files are written in a manner that humans cannot directly understand. The <strong>rb</strong> and <strong>wb</strong> modes can read and write binary data in binary files.</p> <h2>Python Exceptions</h2> <p>An exception can be defined as an unusual condition in a program resulting in an interruption in the flow of the program.</p> <p>Whenever an exception occurs, the program stops the execution, and thus the other code is not executed. Therefore, an exception is the run-time errors that are unable to handle to Python script. An exception is a Python object that represents an error.</p> <p> <strong>Python Exceptions</strong> are an important aspect of error handling in Python programming. When a program encounters an unexpected situation or error, it may raise an exception, which can interrupt the normal flow of the program.</p> <p>In Python, exceptions are represented as objects containing information about the error, including its type and message. The most common type of Exception in Python is the Exception class, a base class for all other built-in exceptions.</p> <p>To handle exceptions in Python, we use the <strong>try</strong> and <strong>except</strong> statements. The <strong>try</strong> statement is used to enclose the code that may raise an exception, while the <strong>except</strong> statement is used to define a block of code that should be executed when an exception occurs.</p> <p> <strong>For example, consider the following code:</strong> </p> <pre> try: x = int ( input ('Enter a number: ')) y = 10 / x print ('Result:', y) except ZeroDivisionError: print ('Error: Division by zero') except ValueError: print ('Error: Invalid input') </pre> <p> <strong>Output:</strong> </p> <pre> Enter a number: 0 Error: Division by zero </pre> <p>In this code, we use the try statement to attempt to perform a division operation. If either of these operations raises an exception, the matching except block is executed.</p> <p>Python also provides many built-in exceptions that can be raised in similar situations. Some common built-in exceptions include <strong>IndexError, TypeError</strong> , and <strong>NameError</strong> . Also, we can define our custom exceptions by creating a new class that inherits from the Exception class.</p> <h2>Python CSV</h2> <p>A CSV stands for 'comma separated values', which is defined as a simple file format that uses specific structuring to arrange tabular data. It stores tabular data such as spreadsheets or databases in plain text and has a common format for data interchange. A CSV file opens into the Excel sheet, and the rows and columns data define the standard format.</p> <p>We can use the CSV.reader function to read a CSV file. This function returns a reader object that we can use to repeat over the rows in the CSV file. Each row is returned as a list of values, where each value corresponds to a column in the CSV file.</p> <p> <strong>For example, consider the following code:</strong> </p> <pre> import csv with open('data.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row) </pre> <p>Here, we open the file data.csv in read mode and create a <strong>csv.reader</strong> object using the <strong>csv.reader()</strong> function. We then iterate over the rows in the CSV file using a for loop and print each row to the console.</p> <p>We can use the <strong>CSV.writer()</strong> function to write data to a CSV file. It returns a writer object we can use to write rows to the CSV file. We can write rows by calling the <strong>writer ()</strong> method on the writer object.</p> <p> <strong>For example, consider the following code:</strong> </p> <pre> import csv data = [ ['Name', 'Age', 'Country'], ['Alice', '25', 'USA'], ['Bob', '30', 'Canada'], ['Charlie', '35', 'Australia'] ] with open('data.csv', 'w') as file: writer = csv.writer(file) for row in data: writer.writerow(row) </pre> <p>In this program, we create a list of lists called data, where each inner list represents a row of data. We then open the file data.csv in write mode and create a <strong>CSV.writer</strong> object using the CSV.writer function. We then iterate over the rows in data using a for loop and write each row to the CSV file using the writer method.</p> <h2>Python Sending Mail</h2> <p>We can send or read a mail using the Python script. Python's standard library modules are useful for handling various protocols such as PoP3 and IMAP . Python provides the <a href="/python-sending-email-using-smtp">smtplib</a> module for sending emails using SMTP (Simple Mail Transfer Protocol). We will learn how to send mail with the popular email service SMTP from a Python script.</p> <h3>Python Magic Methods</h3> <p>The Python magic method is the special method that adds 'magic' to a class. It starts and ends with double underscores, for example, <strong>_init_</strong> or <strong>_str_</strong> .</p> <p>The built-in classes define many magic methods. The <strong>dir()</strong> function can be used to see the number of magic methods inherited by a class. It has two prefixes and suffix underscores in the method name.</p> <ul> <li>Python magic methods are also known as <strong>dunder methods</strong> , short for ' double underscore ' methods because their names start and end with a double underscore.</li> <li> <strong>Magic methods</strong> are automatically invoked by the Python interpreter in certain situations, such as when an object is created, compared to another object, or printed.</li> <li>Magic methods can be used to customize the behavior of classes, such as defining how objects are compared, converted to strings, or accessed as containers.</li> <li>Some commonly used magic methods include <strong>init</strong> for initializing an object, str for converting an object to a string, <strong>eq</strong> for comparing two objects for equality, and <strong>getitem</strong> and <strong>setitem</strong> for accessing items in a container object.</li> </ul> <p>For example, the <strong>str</strong> magic method can define how an object should be represented as a string. Here's an example</p> <pre> class Person: def __init__(self, name, age): self.name = name self.age = age def __str__(self): return f'{self.name} ({self.age})' person = Person('Vikas', 22) print(person) </pre> <p> <strong>Output:</strong> </p> <pre> Vikas (22) </pre> <p>In this example, the str method is defined to return a formatted string representation of the Person object with the person's name and age.</p> <p>Another commonly used magic method is <strong>eq</strong> , which defines how objects should be compared for equality. Here's an example:</p> <pre> class Point: def __init__(self, x, y): self.x = x self.y = y def __eq__(self, other): return self.x == other.x and self.y == other.y point1 = Point(2, 3) point2 = Point(3, 4) point3 = Point(2, 3) print(point1 == point2) print(point1 == point3) </pre> <p> <strong>Output:</strong> </p> <pre> False True </pre> <p>In this example, the <strong>eq</strong> method is defined to return True if two Point objects have the same x and y coordinates and False otherwise.</p> <h2>Python Oops Concepts</h2> <p>Everything in Python is treated as an object, including integer values, floats, functions, classes, and none. Apart from that, Python supports all oriented concepts. Below is a brief introduction to the Oops concepts of Python.</p> <ul> <li> <a href="/classes-objects-python"> <strong>Classes and Objects</strong> </a> - Python classes are the blueprints of the Object. An object is a collection of data and methods that act on the data.</li> <li> <a href="/python-inheritance"> <strong>Inheritance</strong> </a> - An inheritance is a technique where one class inherits the properties of other classes.</li> <li> <a href="/python-constructor"> <strong>Constructor</strong> </a> - Python provides a special method __init__() which is known as a constructor. This method is automatically called when an object is instantiated.</li> <tr><td>Data Member</td> - A variable that holds data associated with a class and its objects. <li> <strong>Polymorphism</strong> - Polymorphism is a concept where an object can take many forms. In Python, polymorphism can be achieved through method overloading and method overriding.</li> </tr><tr><td>Method Overloading</td> - In Python, method overloading is achieved through default arguments, where a method can be defined with multiple parameters. The default values are used if some parameters are not passed while calling the method. <li> <strong>Method Overriding</strong> - Method overriding is a concept where a subclass implements a method already defined in its superclass.</li> <li> <strong>Encapsulation</strong> - Encapsulation is wrapping data and methods into a single unit. In Python, encapsulation is achieved through access modifiers, such as public, private, and protected. However, Python does not strictly enforce access modifiers, and the naming convention indicates the access level.</li> <li> <strong>Data Abstraction</strong> : A technique to hide the complexity of data and show only essential features to the user. It provides an interface to interact with the data. Data abstraction reduces complexity and makes code more modular, allowing developers to focus on the program's essential features.</li> </tr></ul> <p>To read the Oops concept in detail, visit the following resources.</p> <ul> <li> Python Oops Concepts - In Python, the object-oriented paradigm is to design the program using classes and objects. The object is related to real-word entities such as book, house, pencil, etc. and the class defines its properties and behaviours.</li> <li> <a href="/classes-objects-python">Python Objects and classes</a> - In Python, objects are instances of classes and classes are blueprints that defines structure and behaviour of data.</li> <li> <a href="/python-constructor">Python Constructor</a> - A constructor is a special method in a class that is used to initialize the object's attributes when the object is created.</li> <li> <a href="/python-inheritance">Python Inheritance</a> - Inheritance is a mechanism in which new class (subclass or child class) inherits the properties and behaviours of an existing class (super class or parent class).</li> <li> Python Polymorphism - Polymorphism allows objects of different classes to be treated as objects of a common superclass, enabling different classes to be used interchangeably through a common interface.</li> </ul> <h2>Python Advance Topics</h2> <p>Python includes many advances and useful concepts that help the programmer solve complex tasks. These concepts are given below.</p> <h3> Python Iterator </h3> <p>An iterator is simply an object that can be iterated upon. It returns one Object at a time. It can be implemented using the two special methods, <strong>__iter__()</strong> and __next__().</p> <p>Iterators in Python are objects that allow iteration over a collection of data. They process each collection element individually without loading the entire collection into memory.</p> <p>For example, let's create an iterator that returns the squares of numbers up to a given limit:</p> <pre> def __init__(self, limit): self.limit = limit self.n = 0 def __iter__(self): return self def __next__(self): if self.n <= 2 self.limit: square="self.n" ** self.n +="1" return else: raise stopiteration numbers="Squares(5)" for n in numbers: print(n) < pre> <p> <strong>Output:</strong> </p> <pre> 0 1 4 9 16 25 </pre> <p>In this example, we have created a class Squares that acts as an iterator by implementing the __iter__() and __next__() methods. The __iter__() method returns the Object itself, and the __next__() method returns the next square of the number until the limit is reached.</p> <p>To learn more about the iterators, visit our Python Iterators tutorial.</p> <h3> Python Generators </h3> <p> <strong>Python generators</strong> produce a sequence of values <strong>using a yield statement</strong> rather than a return since they are functions that return iterators. Generators terminate the function's execution while keeping the local state. It picks up right where it left off when it is restarted. Because we don't have to implement the iterator protocol thanks to this feature, writing iterators is made simpler. Here is an illustration of a straightforward generator function that produces squares of numbers:</p> <pre> # Generator Function def square_numbers(n): for i in range(n): yield i**2 # Create a generator object generator = square_numbers(5) # Print the values generated by the generator for num in generator: print(num) </pre> <p> <strong>Output:</strong> </p> <pre> 0 1 4 9 16 </pre> <h2>Python Modifiers</h2> <p> <strong>Python Decorators</strong> are functions used to modify the behaviour of another function. They allow adding functionality to an existing function without modifying its code directly. Decorators are defined using the <strong>@</strong> symbol followed by the name of the decorator function. They can be used for logging, timing, caching, etc.</p> <p>Here's an example of a decorator function that adds timing functionality to another function:</p> <pre> import time from math import factorial # Decorator to calculate time taken by # the function def time_it(func): def wrapper(*args, **kwargs): start = time.time() result = func(*args, **kwargs) end = time.time() print(f'{func.__name__} took {end-start:.5f} seconds to run.') return result return wrapper @time_it def my_function(n): time.sleep(2) print(f'Factorial of {n} = {factorial(n)}') my_function(25) </pre> <p> <strong>Output:</strong> </p> <pre> </pre> <p>In the above example, the time_it decorator function takes another function as an argument and returns a wrapper function. The wrapper function calculates the time to execute the original function and prints it to the console. The @time_it decorator is used to apply the time_it function to the my_function function. When my_function is called, the decorator is executed, and the timing functionality is added.</p> <h2>Python MySQL</h2> <p>Python MySQL is a powerful relational database management system. We must set up the environment and establish a connection to use MySQL with Python. We can create a new database and tables using SQL commands in Python.</p> <ul> <li> <strong>Environment Setup</strong> : Installing and configuring MySQL Connector/Python to use Python with MySQL.</li> <li> <strong>Database Connection</strong> : Establishing a connection between Python and MySQL database using MySQL Connector/Python.</li> <li> <strong>Creating New Database</strong> : Creating a new database in MySQL using Python.</li> <li> <strong>Creating Tables</strong> : Creating tables in the MySQL database with Python using SQL commands.</li> <li> <strong>Insert Operation</strong> : Insert data into MySQL tables using Python and SQL commands.</li> <li> <strong>Read Operation</strong> : Reading data from MySQL tables using Python and SQL commands.</li> <li> <strong>Update Operation</strong> : Updating data in MySQL tables using Python and SQL commands.</li> <li> <strong>Join Operation</strong> : Joining two or more tables in MySQL using Python and SQL commands.</li> <li> <strong>Performing Transactions</strong> : Performing a group of SQL queries as a single unit of work in MySQL using Python.</li> </ul> <p>Other relative points include handling errors, creating indexes, and using stored procedures and functions in MySQL with Python.</p> <h2>Python MongoDB</h2> <p> Python MongoDB is a popular NoSQL database that stores data in JSON-like documents. It is schemaless and provides high scalability and flexibility for data storage. We can use MongoDB with Python using the PyMongo library, which provides a simple and intuitive interface for interacting with MongoDB.</p> <p>Here are some common tasks when working with MongoDB in Python:</p> <ol class="points"> <li> <strong>Environment Setup</strong> : Install and configure MongoDB and PyMongo library on your system.</li> <li> <strong>Database Connection</strong> : Connect to a MongoDB server using the MongoClient class from PyMongo.</li> <li> <strong>Creating a new database</strong> : Use the MongoClient Object to create a new database.</li> <li> <strong>Creating collections</strong> : Create collections within a database to store documents.</li> <li> <strong>Inserting documents</strong> : Insert new documents into a collection using the insert_one() or insert_many() methods.</li> <li> <strong>Querying documents</strong> : Retrieve documents from a collection using various query methods like find_one(), find(), etc.</li> <li> <strong>Updating documents</strong> : Modify existing documents in a collection using update_one() or update_many() methods.</li> <li> <strong>Deleting documents</strong> : Remove documents from a collection using the delete_one() or delete_many() methods.</li> <li> <strong>Aggregation</strong> : Perform aggregation operations like grouping, counting, etc., using the aggregation pipeline framework.</li> <tr><td>Indexing:</td> Improve query performance by creating indexes on fields in collections. </tr></ol> <p>There are many more advanced topics in MongoDB, such as data sharding, replication, and more, but these tasks cover the basics of working with MongoDB in Python.</p> <h2> Python SQLite </h2> <p>Relational databases are built and maintained using Python SQLite, a compact, serverless, self-contained database engine. Its mobility and simplicity make it a popular option for local or small-scale applications. Python has a built-in module for connecting to SQLite databases called SQLite3, enabling developers to work with SQLite databases without difficulties.</p> <p>Various API methods are available through the SQLite3 library that may be used to run SQL queries, insert , select , update , and remove data, as well as get data from tables. Additionally, it allows transactions, allowing programmers to undo changes in case of a problem. Python SQLite is a fantastic option for creating programs that need an embedded database system, including desktop, mobile, and modest-sized web programs. SQLite has become popular among developers for lightweight apps with database functionality thanks to its ease of use, portability, and smooth connection with Python.</p> <h2> Python CGI </h2> <p> <strong>Python CGI</strong> is a technology for running scripts through web servers to produce dynamic online content. It offers a communication channel and a dynamic content generation interface for external CGI scripts and the web server. Python CGI scripts may create HTML web pages, handle form input, and communicate with databases. Python CGI enables the server to carry out Python scripts and provide the results to the client, offering a quick and effective approach to creating dynamic online applications.</p> <p>Python CGI scripts may be used for many things, including creating dynamic web pages, processing forms, and interacting with databases. Since Python, a potent and popular programming language, can be utilized to create scripts, it enables a more customized and flexible approach to web creation. Scalable, safe, and maintainable online applications may be created with Python CGI. Python CGI is a handy tool for web developers building dynamic and interactive online applications.</p> <h2> Asynchronous Programming in Python </h2> <p> <strong>Asynchronous programming</strong> is a paradigm for computer programming that enables independent and concurrent operation of activities. It is frequently used in applications like web servers, database software, and network programming, where several tasks or requests must be handled concurrently.</p> <p>Python has asyncio, Twisted, and Tornado among its libraries and frameworks for asynchronous programming. Asyncio, one of these, offers a simple interface for asynchronous programming and is the official asynchronous programming library in Python.</p> <p>Coroutines are functions that may be halted and restarted at specific locations in the code and are utilized by asyncio. This enables numerous coroutines to operate simultaneously without interfering with one another. For constructing and maintaining coroutines, the library offers several classes and methods, including <strong>asyncio.gather(),</strong> <strong>asyncio.wait(),</strong> and <strong>asyncio.create_task().</strong> </p> <p>Event loops, which are in charge of planning and operating coroutines, are another feature of asyncio. By cycling between coroutines in a non-blocking way, the event loop controls the execution of coroutines and ensures that no coroutine blocks another. Additionally, it supports timers and scheduling callbacks, which may be helpful when activities must be completed at specified times or intervals.</p> <h2> Python Concurrency </h2> <p>The term ' <strong>concurrency</strong> ' describes a program's capacity to carry out several tasks at once, enhancing the program's efficiency. Python offers several modules and concurrency-related methods, including asynchronous programming, multiprocessing, and multithreading. While multiprocessing involves running many processes simultaneously on a system, multithreading involves running numerous threads concurrently inside a single process.</p> <p>The <strong>threading module</strong> in Python enables programmers to build multithreading. It offers classes and operations for establishing and controlling threads. Conversely, the multiprocessing module allows developers to design and control processes. Python's asyncio module provides asynchronous programming support, allowing developers to write non-blocking code that can handle multiple tasks concurrently. Using these techniques, developers can write highperformance, scalable programs that can handle multiple tasks concurrently.</p> <p>Python's threading module enables the concurrent execution of several threads within a single process, which is helpful for I/O-bound activities.</p> <p>For CPU-intensive operations like image processing or data analysis, multiprocessing modules make it possible to execute numerous processes concurrently across multiple CPU cores.</p> <p>The asyncio module supports asynchronous I/O and permits the creation of single-threaded concurrent code using coroutines for high-concurrency network applications.</p> <p>With libraries like Dask , <a href="/pyspark-tutorial">PySpark</a> , and MPI, Python may also be used for parallel computing. These libraries allow workloads to be distributed across numerous nodes or clusters for better performance.</p> <h2> Web Scrapping using Python </h2> <p>The process of web scraping is used to retrieve data from websites automatically. Various tools and libraries extract data from HTML and other online formats. Python is among the most widely used programming languages for web scraping because of its ease of use, adaptability, and variety of libraries.</p> <p>We must take a few steps to accomplish web scraping using Python. We must first decide which website to scrape and what information to gather. Then, we can submit a request to the website and receive the HTML content using Python's requests package. Once we have the HTML text, we can extract the needed data using a variety of parsing packages, like <strong>Beautiful Soup and lxml</strong> .</p> <p>We can employ several strategies, like slowing requests, employing user agents, and using proxies, to prevent overburdening the website's server. It is also crucial to abide by the terms of service for the website and respect its robots.txt file.</p> <p>Data mining, lead creation, pricing tracking, and many more uses are possible for web scraping. However, as unauthorized web scraping may be against the law and unethical, it is essential to utilize it professionally and ethically.</p> <h2>Natural Language Processing (NLP) using Python</h2> <p>A branch of artificial intelligence (AI) called 'natural language processing' (NLP) studies how computers and human language interact. Thanks to NLP, computers can now understand, interpret, and produce human language. Due to its simplicity, versatility, and strong libraries like NLTK (Natural Language Toolkit) and spaCy, Python is a well-known programming language for NLP.</p> <p> <strong>For NLP tasks, including tokenization, stemming, lemmatization, part-of-speech tagging, named entity identification, sentiment analysis, and others, NLTK provides a complete library.</strong> It has a variety of corpora (big, organized text collections) for developing and evaluating NLP models. Another well-liked library for NLP tasks is spaCy , which offers quick and effective processing of enormous amounts of text. It enables simple modification and expansion and comes with pre-trained models for various NLP workloads.</p> <p>NLP may be used in Python for various practical purposes, including chatbots, sentiment analysis, text categorization, machine translation, and more. NLP is used, for instance, by chatbots to comprehend and reply to user inquiries in a natural language style. Sentiment analysis, which may be helpful for brand monitoring, customer feedback analysis, and other purposes, employs NLP to categorize text sentiment (positive, negative, or neutral). Text documents are categorized using natural language processing (NLP) into pre-established categories for spam detection, news categorization, and other purposes.</p> <p>Python is a strong and useful tool when analyzing and processing human language. Developers may carry out various NLP activities and create useful apps that can communicate with consumers in natural language with libraries like NLTK and spaCy.</p> <h2>Conclusion:</h2> <p>In this tutorial, we've looked at some of Python's most important features and ideas, including variables, data types, loops, functions, modules, and more. More complex subjects, including web scraping, natural language processing, parallelism, and database connection, have also been discussed. You will have a strong basis to continue learning about Python and its applications using the information you have learned from this lesson.</p> <p>Remember that practicing and developing code is the best method to learn Python. You may find many resources at javaTpoint to support your further learning, including documentation, tutorials, online groups, and more. You can master Python and use it to create wonderful things if you work hard and persist.</p> <h2>Prerequisite</h2> <p>Before learning Python, you must have the basic knowledge of programming concepts.</p> <h2>Audience</h2> <p>Our Python tutorial is designed to help beginners and professionals.</p> <h2>Problem</h2> <p>We assure that you will not find any problem in this Python tutorial. But if there is any mistake, please post the problem in contact form.</p> <hr></=></pre></5:> Nel codice di esempio sopra, abbiamo dimostrato l'utilizzo di due tipi di cicli in Python: ciclo For e ciclo While.
Il ciclo For viene utilizzato per scorrere una sequenza di elementi, ad esempio una lista, una tupla o una stringa. Nell'esempio, abbiamo definito un elenco di frutti e utilizzato un ciclo for per stampare ciascun frutto, ma può anche essere utilizzato per stampare un intervallo di numeri.
Il ciclo While ripete un blocco di codice se la condizione specificata è vera. Nell'esempio, abbiamo inizializzato una variabile i su 1 e utilizzato un ciclo while per stampare il valore di i finché non diventa maggiore o uguale a 6. L'istruzione i += 1 viene utilizzata per incrementare il valore di i in ogni iterazione .
Li impareremo nel dettaglio nel tutorial.
Strutture dati Python
Python offre quattro strutture dati integrate: elenchi , tuple , imposta , E dizionari che ci consentono di archiviare i dati in modo efficiente. Di seguito sono riportate le strutture dati comunemente utilizzate in Python, insieme al codice di esempio:
1. Elenchi
- Le liste sono raccolte ordinate di elementi di dati di diversi tipi di dati.
- Le liste sono mutevole ciò significa che un elenco può essere modificato in qualsiasi momento.
- Gli elementi possono essere accessibile tramite indici .
- Sono definiti utilizzando la parentesi quadra ' [] '.
Esempio:
# Create a list fruits = ['apple', 'banana', 'cherry'] print('fuirts[1] =', fruits[1]) # Modify list fruits.append('orange') print('fruits =', fruits) num_list = [1, 2, 3, 4, 5] # Calculate sum sum_nums = sum(num_list) print('sum_nums =', sum_nums)
Produzione:
fuirts[1] = banana fruits = ['apple', 'banana', 'cherry', 'orange'] sum_nums = 15
2. Tuple
- Anche le tuple lo sono raccolte ordinate di elementi di dati di diversi tipi di dati, simili agli elenchi.
- Gli elementi possono essere accessibile tramite indici .
- Le tuple lo sono immutabile il che significa che le tuple non possono essere modificate una volta create.
- Sono definiti utilizzando la parentesi aperta ' () '.
Esempio:
# Create a tuple point = (3, 4) x, y = point print('(x, y) =', x, y) # Create another tuple tuple_ = ('apple', 'banana', 'cherry', 'orange') print('Tuple =', tuple_)
Produzione:
(x, y) = 3 4 Tuple = ('apple', 'banana', 'cherry', 'orange')
3. Insiemi
- I set sono non ordinato raccolte di elementi di dati immutabili di diversi tipi di dati.
- I set sono mutevole .
- Non è possibile accedere agli elementi utilizzando gli indici.
- Imposta non contenere elementi duplicati .
- Sono definiti utilizzando le parentesi graffe ' {} '
Esempio:
# Create a set set1 = {1, 2, 2, 1, 3, 4} print('set1 =', set1) # Create another set set2 = {'apple', 'banana', 'cherry', 'apple', 'orange'} print('set2 =', set2) Produzione:
set1 = {1, 2, 3, 4} set2 = {'apple', 'cherry', 'orange', 'banana'} 4. Dizionari
- Il dizionario è coppie chiave-valore che consentono di associare valori a chiavi univoche.
- Sono definiti utilizzando le parentesi graffe ' {} ' con coppie chiave-valore separati dai due punti ':' .
- I dizionari lo sono mutevole .
- È possibile accedere agli elementi utilizzando i tasti.
Esempio:
# Create a dictionary person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} print('person =', person) print(person['name']) # Modify Dictionary person['age'] = 27 print('person =', person) Produzione:
person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} Umesh person = {'name': 'Umesh', 'age': 27, 'city': 'Noida'} Questi sono solo alcuni esempi delle strutture dati integrate di Python. Ogni struttura dati ha le proprie caratteristiche e casi d'uso.
caratteristiche di una serie di panda
Programmazione funzionale Python
Questa sezione del tutorial Python definisce alcuni strumenti importanti relativi alla programmazione funzionale, come lambda e funzioni ricorsive. Queste funzioni sono molto efficienti nell'esecuzione di compiti complessi. Definiamo alcune funzioni importanti, come ridurre, mappare e filtrare. Python fornisce il modulo functools che include vari strumenti di programmazione funzionale. Visita il seguente tutorial per saperne di più sulla programmazione funzionale.
Le versioni recenti di Python hanno introdotto funzionalità che rendono la programmazione funzionale più concisa ed espressiva. Ad esempio, l''operatore tricheco':= consente l'assegnazione di variabili in linea nelle espressioni, che può essere utile quando si lavora con chiamate di funzioni annidate o comprensioni di liste.
Funzione Python
- Funzione Lambda - Una funzione lambda è piccola, funzione anonima che può accettare un numero qualsiasi di argomenti ma può avere solo un'espressione. Le funzioni lambda vengono spesso utilizzate nella programmazione funzionale per creare funzioni 'al volo' senza definire una funzione con nome.
- Funzione ricorsiva - Una funzione ricorsiva è una funzione che richiama se stessa per risolvere un problema. Le funzioni ricorsive vengono spesso utilizzate nella programmazione funzionale per eseguire calcoli complessi o per attraversare strutture dati complesse.
- Funzione mappa - La funzione map() applica una determinata funzione a ciascun elemento di un iterabile e restituisce un nuovo iterabile con i risultati. L'iterabile in input può essere una lista, una tupla o altro.
- Funzione filtro - La funzione filter() restituisce un iteratore da un iterabile per il quale la funzione passata come primo argomento restituisce True. Filtra gli elementi da un iterabile che non soddisfano la condizione specificata.
- Ridurre la funzione - La funzione reduce() applica una funzione di due argomenti cumulativamente agli elementi di un iterabile da sinistra a destra per ridurlo a un singolo valore.
- Modulo funtools - Il modulo functools in Python fornisce funzioni di ordine superiore che operano su altre funzioni, come partial() e reduce().
- Funzione di curry - Una funzione currying è una funzione che accetta più argomenti e restituisce una sequenza di funzioni che accettano ciascuna un singolo argomento.
- Funzione di memorizzazione - La memorizzazione è una tecnica utilizzata nella programmazione funzionale per memorizzare nella cache i risultati di chiamate di funzioni costose e restituire il risultato memorizzato nella cache quando si verificano nuovamente gli stessi input.
- Funzione di filettatura - Il threading è una tecnica utilizzata nella programmazione funzionale per eseguire più attività contemporaneamente per rendere il codice più efficiente e veloce.
Moduli Python
I moduli Python sono i file di programma che contengono codice o funzioni Python. Python ha due tipi di moduli: moduli definiti dall'utente e moduli integrati. Un modulo definito dall'utente, o il nostro codice Python salvato con estensione .py, viene trattato come un modulo definito dall'utente.
I moduli integrati sono moduli predefiniti di Python. Per utilizzare le funzionalità dei moduli, dobbiamo importarli nel nostro attuale programma di lavoro.
I moduli Python sono essenziali per l'ecosistema del linguaggio poiché offrono codice e funzionalità riutilizzabili che possono essere importati in qualsiasi programma Python. Ecco alcuni esempi di diversi moduli Python, insieme ad una breve descrizione di ciascuno:
Matematica : Fornisce agli utenti l'accesso alle costanti matematiche e alle funzioni pi greco e trigonometriche.
Appuntamento : fornisce classi per un modo più semplice di manipolare date, ore e periodi.
VOI : consente l'interazione con il sistema operativo di base, inclusa l'amministrazione dei processi e delle attività del file system.
casuale : La funzione casuale offre strumenti per generare numeri interi casuali e selezionare elementi casuali da un elenco.
JSON : JSON è una struttura dati che può essere codificata e decodificata e viene spesso utilizzata nelle API online e nello scambio di dati. Questo modulo consente di gestire JSON.
Rif : Supporta le espressioni regolari, un potente strumento di ricerca e manipolazione del testo.
Collezioni : fornisce strutture dati alternative come dizionari ordinati, dizionari predefiniti e tuple denominate.
NumPy : NumPy è un toolkit fondamentale per il calcolo scientifico che supporta operazioni numeriche su array e matrici.
Panda : Fornisce strutture di dati e operazioni di alto livello per gestire serie temporali e altri tipi di dati strutturati.
Richieste : offre un'interfaccia utente semplice per le API Web ed esegue richieste HTTP.
I/O di file Python
I file vengono utilizzati per archiviare dati sul disco del computer. In questo tutorial, spieghiamo l'oggetto file integrato di Python. Possiamo aprire un file utilizzando lo script Python ed eseguire varie operazioni come scrittura, lettura e aggiunta. Esistono vari modi per aprire un file. Ci viene spiegato con l'esempio pertinente. Impareremo anche ad eseguire operazioni di lettura/scrittura su file binari.
Il sistema di input/output (I/O) di file di Python offre programmi per comunicare con i file memorizzati su un disco. I metodi integrati di Python per l'oggetto file ci consentono di eseguire azioni come leggere, scrivere e aggiungere dati ai file.
IL aprire() Il metodo in Python crea un oggetto file quando si lavora con i file. Il nome del file da aprire e la modalità con cui il file verrà aperto sono i due parametri richiesti da questa funzione. La modalità può essere utilizzata in base al lavoro da eseguire con il file, ad esempio ' R ' per leggere, ' In ' per scrivere, o ' UN ' per allegare.
Dopo aver creato con successo un oggetto, è possibile utilizzare diversi metodi a seconda del nostro lavoro. Se vogliamo scrivere nel file possiamo usare la funzione write(), se vogliamo leggere e scrivere entrambe allora possiamo usare la funzione append() e, nei casi in cui vogliamo solo leggere il contenuto di il file possiamo usare la funzione read(). Anche i file binari contenenti dati in formato binario anziché in formato testo possono essere gestiti utilizzando Python. I file binari sono scritti in un modo che gli esseri umani non possono comprendere direttamente. IL RB E wb le modalità possono leggere e scrivere dati binari in file binari.
Eccezioni Python
Un'eccezione può essere definita come una condizione insolita in un programma che comporta un'interruzione del flusso del programma.
Ogni volta che si verifica un'eccezione, il programma interrompe l'esecuzione e quindi l'altro codice non viene eseguito. Pertanto, un'eccezione sono gli errori di runtime che non sono in grado di gestire lo script Python. Un'eccezione è un oggetto Python che rappresenta un errore.
Eccezioni Python sono un aspetto importante della gestione degli errori nella programmazione Python. Quando un programma incontra una situazione o un errore imprevisto, può sollevare un'eccezione, che può interrompere il normale flusso del programma.
In Python, le eccezioni sono rappresentate come oggetti contenenti informazioni sull'errore, inclusi il tipo e il messaggio. Il tipo più comune di eccezione in Python è la classe Exception, una classe base per tutte le altre eccezioni integrate.
Per gestire le eccezioni in Python, usiamo il file Tentativo E tranne dichiarazioni. IL Tentativo viene utilizzata per racchiudere il codice che può sollevare un'eccezione, mentre l' tranne viene utilizzata per definire un blocco di codice che deve essere eseguito quando si verifica un'eccezione.
Ad esempio, considera il seguente codice:
try: x = int ( input ('Enter a number: ')) y = 10 / x print ('Result:', y) except ZeroDivisionError: print ('Error: Division by zero') except ValueError: print ('Error: Invalid input')
Produzione:
Enter a number: 0 Error: Division by zero
In questo codice utilizziamo l'istruzione try per tentare di eseguire un'operazione di divisione. Se una di queste operazioni solleva un'eccezione, viene eseguito il blocco tranne corrispondente.
Python fornisce anche molte eccezioni integrate che possono essere sollevate in situazioni simili. Alcune eccezioni integrate comuni includono Errore indice, Errore tipo , E NomeErrore . Inoltre, possiamo definire le nostre eccezioni personalizzate creando una nuova classe che eredita dalla classe Exception.
CSV Python
Un CSV sta per 'valori separati da virgola', che è definito come un formato di file semplice che utilizza una strutturazione specifica per organizzare i dati tabulari. Memorizza dati tabulari come fogli di calcolo o database in testo semplice e ha un formato comune per lo scambio di dati. Un file CSV si apre nel foglio Excel e i dati di righe e colonne definiscono il formato standard.
Possiamo usare la funzione CSV.reader per leggere un file CSV. Questa funzione restituisce un oggetto lettore che possiamo usare per ripetere le righe nel file CSV. Ogni riga viene restituita come un elenco di valori, dove ciascun valore corrisponde a una colonna nel file CSV.
Ad esempio, considera il seguente codice:
import csv with open('data.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)
Qui apriamo il file data.csv in modalità lettura e creiamo un file csv.reader oggetto utilizzando il csv.lettore() funzione. Quindi iteriamo sulle righe nel file CSV utilizzando un ciclo for e stampiamo ogni riga sulla console.
Possiamo usare il CSV.writer() funzione per scrivere dati in un file CSV. Restituisce un oggetto scrittore che possiamo usare per scrivere righe nel file CSV. Possiamo scrivere righe chiamando il metodo scrittore () metodo sull'oggetto writer.
Ad esempio, considera il seguente codice:
import csv data = [ ['Name', 'Age', 'Country'], ['Alice', '25', 'USA'], ['Bob', '30', 'Canada'], ['Charlie', '35', 'Australia'] ] with open('data.csv', 'w') as file: writer = csv.writer(file) for row in data: writer.writerow(row)
In questo programma creiamo un elenco di elenchi chiamati dati, in cui ciascun elenco interno rappresenta una riga di dati. Apriamo quindi il file data.csv in modalità scrittura e creiamo un file CSV.writer oggetto utilizzando la funzione CSV.writer. Quindi iteriamo sulle righe nei dati utilizzando un ciclo for e scriviamo ogni riga nel file CSV utilizzando il metodo writer.
Python invio di posta
Possiamo inviare o leggere una mail utilizzando lo script Python. I moduli della libreria standard di Python sono utili per gestire vari protocolli come PoP3 e IMAP. Python fornisce il smtplib modulo per l'invio di email tramite SMTP (Simple Mail Transfer Protocol). Impareremo come inviare posta con il popolare servizio di posta elettronica SMTP da uno script Python.
Metodi magici di Python
Il metodo magico Python è il metodo speciale che aggiunge 'magia' a una classe. Inizia e finisce con un doppio carattere di sottolineatura, ad esempio: _caldo_ O _str_ .
Le classi integrate definiscono molti metodi magici. IL Voi() La funzione può essere utilizzata per vedere il numero di metodi magici ereditati da una classe. Ha due prefissi e caratteri di sottolineatura del suffisso nel nome del metodo.
- I metodi magici di Python sono anche conosciuti come metodi più stupidi , abbreviazione di metodi 'double underscore' perché i loro nomi iniziano e finiscono con un doppio carattere di sottolineatura.
- Metodi magici vengono automaticamente invocati dall'interprete Python in determinate situazioni, come quando un oggetto viene creato, confrontato con un altro oggetto o stampato.
- I metodi magici possono essere utilizzati per personalizzare il comportamento delle classi, ad esempio definendo il modo in cui gli oggetti vengono confrontati, convertiti in stringhe o accessibili come contenitori.
- Alcuni metodi magici comunemente usati includono Calore per inizializzare un oggetto, str per convertire un oggetto in una stringa, eq per confrontare due oggetti per l'uguaglianza, e intitolato E setitem per accedere agli elementi in un oggetto contenitore.
Ad esempio, il stra Il metodo magic può definire come un oggetto dovrebbe essere rappresentato come una stringa. Ecco un esempio
class Person: def __init__(self, name, age): self.name = name self.age = age def __str__(self): return f'{self.name} ({self.age})' person = Person('Vikas', 22) print(person) Produzione:
Vikas (22)
In questo esempio, il metodo str è definito per restituire una rappresentazione di stringa formattata dell'oggetto Person con il nome e l'età della persona.
Un altro metodo magico comunemente usato è eq , che definisce come gli oggetti devono essere confrontati per l'uguaglianza. Ecco un esempio:
class Point: def __init__(self, x, y): self.x = x self.y = y def __eq__(self, other): return self.x == other.x and self.y == other.y point1 = Point(2, 3) point2 = Point(3, 4) point3 = Point(2, 3) print(point1 == point2) print(point1 == point3)
Produzione:
False True
In questo esempio, il eq Il metodo è definito per restituire True se due oggetti Point hanno le stesse coordinate xey e False altrimenti.
Concetti di Python Oops
Tutto in Python viene trattato come un oggetto, inclusi valori interi, numeri in virgola mobile, funzioni, classi e niente. A parte questo, Python supporta tutti i concetti orientati. Di seguito è riportata una breve introduzione ai concetti Oops di Python.
- Classi e oggetti - Le classi Python sono i progetti dell'oggetto. Un oggetto è una raccolta di dati e metodi che agiscono sui dati.
- Eredità - Un'ereditarietà è una tecnica in cui una classe eredita le proprietà di altre classi.
- Costruttore - Python fornisce un metodo speciale __init__() noto come costruttore. Questo metodo viene chiamato automaticamente quando viene istanziata un oggetto.
- Polimorfismo - Il polimorfismo è un concetto in cui un oggetto può assumere molte forme. In Python, il polimorfismo può essere ottenuto tramite l'overloading e l'override del metodo.
- Metodo prioritario - L'override del metodo è un concetto in cui una sottoclasse implementa un metodo già definito nella sua superclasse.
- Incapsulamento - L'incapsulamento racchiude dati e metodi in una singola unità. In Python, l'incapsulamento viene ottenuto tramite modificatori di accesso, come public, private e protected. Tuttavia, Python non applica rigorosamente i modificatori di accesso e la convenzione di denominazione indica il livello di accesso.
- Astrazione dei dati : una tecnica per nascondere la complessità dei dati e mostrare all'utente solo le funzionalità essenziali. Fornisce un'interfaccia per interagire con i dati. L'astrazione dei dati riduce la complessità e rende il codice più modulare, consentendo agli sviluppatori di concentrarsi sulle funzionalità essenziali del programma.
Per leggere in dettaglio il concetto Oops, visita le seguenti risorse.
- Concetti di Python Oops - In Python, il paradigma orientato agli oggetti consiste nel progettare il programma utilizzando classi e oggetti. L'oggetto è correlato a entità della parola reale come libro, casa, matita, ecc. e la classe ne definisce proprietà e comportamenti.
- Oggetti e classi Python - In Python, gli oggetti sono istanze di classi e le classi sono progetti che definiscono la struttura e il comportamento dei dati.
- Costruttore Python - Un costruttore è un metodo speciale in una classe che viene utilizzato per inizializzare gli attributi dell'oggetto quando l'oggetto viene creato.
- Eredità di Python - L'ereditarietà è un meccanismo in cui una nuova classe (sottoclasse o classe figlia) eredita le proprietà e i comportamenti di una classe esistente (superclasse o classe genitore).
- Polimorfismo Python: il polimorfismo consente di trattare oggetti di classi diverse come oggetti di una superclasse comune, consentendo di utilizzare classi diverse in modo intercambiabile attraverso un'interfaccia comune.
Argomenti avanzati di Python
Python include molti progressi e concetti utili che aiutano il programmatore a risolvere compiti complessi. Questi concetti sono riportati di seguito.
Iteratore Python
Un iteratore è semplicemente un oggetto su cui è possibile eseguire iterazioni. Restituisce un oggetto alla volta. Può essere implementato utilizzando i due metodi speciali, __iter__() e poi__().
Gli iteratori in Python sono oggetti che consentono l'iterazione su una raccolta di dati. Elaborano ogni elemento della raccolta individualmente senza caricare l'intera raccolta in memoria.
Ad esempio, creiamo un iteratore che restituisce i quadrati dei numeri fino a un determinato limite:
def __init__(self, limit): self.limit = limit self.n = 0 def __iter__(self): return self def __next__(self): if self.n <= 2 self.limit: square="self.n" ** self.n +="1" return else: raise stopiteration numbers="Squares(5)" for n in numbers: print(n) < pre> <p> <strong>Output:</strong> </p> <pre> 0 1 4 9 16 25 </pre> <p>In this example, we have created a class Squares that acts as an iterator by implementing the __iter__() and __next__() methods. The __iter__() method returns the Object itself, and the __next__() method returns the next square of the number until the limit is reached.</p> <p>To learn more about the iterators, visit our Python Iterators tutorial.</p> <h3> Python Generators </h3> <p> <strong>Python generators</strong> produce a sequence of values <strong>using a yield statement</strong> rather than a return since they are functions that return iterators. Generators terminate the function's execution while keeping the local state. It picks up right where it left off when it is restarted. Because we don't have to implement the iterator protocol thanks to this feature, writing iterators is made simpler. Here is an illustration of a straightforward generator function that produces squares of numbers:</p> <pre> # Generator Function def square_numbers(n): for i in range(n): yield i**2 # Create a generator object generator = square_numbers(5) # Print the values generated by the generator for num in generator: print(num) </pre> <p> <strong>Output:</strong> </p> <pre> 0 1 4 9 16 </pre> <h2>Python Modifiers</h2> <p> <strong>Python Decorators</strong> are functions used to modify the behaviour of another function. They allow adding functionality to an existing function without modifying its code directly. Decorators are defined using the <strong>@</strong> symbol followed by the name of the decorator function. They can be used for logging, timing, caching, etc.</p> <p>Here's an example of a decorator function that adds timing functionality to another function:</p> <pre> import time from math import factorial # Decorator to calculate time taken by # the function def time_it(func): def wrapper(*args, **kwargs): start = time.time() result = func(*args, **kwargs) end = time.time() print(f'{func.__name__} took {end-start:.5f} seconds to run.') return result return wrapper @time_it def my_function(n): time.sleep(2) print(f'Factorial of {n} = {factorial(n)}') my_function(25) </pre> <p> <strong>Output:</strong> </p> <pre> </pre> <p>In the above example, the time_it decorator function takes another function as an argument and returns a wrapper function. The wrapper function calculates the time to execute the original function and prints it to the console. The @time_it decorator is used to apply the time_it function to the my_function function. When my_function is called, the decorator is executed, and the timing functionality is added.</p> <h2>Python MySQL</h2> <p>Python MySQL is a powerful relational database management system. We must set up the environment and establish a connection to use MySQL with Python. We can create a new database and tables using SQL commands in Python.</p> <ul> <li> <strong>Environment Setup</strong> : Installing and configuring MySQL Connector/Python to use Python with MySQL.</li> <li> <strong>Database Connection</strong> : Establishing a connection between Python and MySQL database using MySQL Connector/Python.</li> <li> <strong>Creating New Database</strong> : Creating a new database in MySQL using Python.</li> <li> <strong>Creating Tables</strong> : Creating tables in the MySQL database with Python using SQL commands.</li> <li> <strong>Insert Operation</strong> : Insert data into MySQL tables using Python and SQL commands.</li> <li> <strong>Read Operation</strong> : Reading data from MySQL tables using Python and SQL commands.</li> <li> <strong>Update Operation</strong> : Updating data in MySQL tables using Python and SQL commands.</li> <li> <strong>Join Operation</strong> : Joining two or more tables in MySQL using Python and SQL commands.</li> <li> <strong>Performing Transactions</strong> : Performing a group of SQL queries as a single unit of work in MySQL using Python.</li> </ul> <p>Other relative points include handling errors, creating indexes, and using stored procedures and functions in MySQL with Python.</p> <h2>Python MongoDB</h2> <p> Python MongoDB is a popular NoSQL database that stores data in JSON-like documents. It is schemaless and provides high scalability and flexibility for data storage. We can use MongoDB with Python using the PyMongo library, which provides a simple and intuitive interface for interacting with MongoDB.</p> <p>Here are some common tasks when working with MongoDB in Python:</p> <ol class="points"> <li> <strong>Environment Setup</strong> : Install and configure MongoDB and PyMongo library on your system.</li> <li> <strong>Database Connection</strong> : Connect to a MongoDB server using the MongoClient class from PyMongo.</li> <li> <strong>Creating a new database</strong> : Use the MongoClient Object to create a new database.</li> <li> <strong>Creating collections</strong> : Create collections within a database to store documents.</li> <li> <strong>Inserting documents</strong> : Insert new documents into a collection using the insert_one() or insert_many() methods.</li> <li> <strong>Querying documents</strong> : Retrieve documents from a collection using various query methods like find_one(), find(), etc.</li> <li> <strong>Updating documents</strong> : Modify existing documents in a collection using update_one() or update_many() methods.</li> <li> <strong>Deleting documents</strong> : Remove documents from a collection using the delete_one() or delete_many() methods.</li> <li> <strong>Aggregation</strong> : Perform aggregation operations like grouping, counting, etc., using the aggregation pipeline framework.</li> <tr><td>Indexing:</td> Improve query performance by creating indexes on fields in collections. </tr></ol> <p>There are many more advanced topics in MongoDB, such as data sharding, replication, and more, but these tasks cover the basics of working with MongoDB in Python.</p> <h2> Python SQLite </h2> <p>Relational databases are built and maintained using Python SQLite, a compact, serverless, self-contained database engine. Its mobility and simplicity make it a popular option for local or small-scale applications. Python has a built-in module for connecting to SQLite databases called SQLite3, enabling developers to work with SQLite databases without difficulties.</p> <p>Various API methods are available through the SQLite3 library that may be used to run SQL queries, insert , select , update , and remove data, as well as get data from tables. Additionally, it allows transactions, allowing programmers to undo changes in case of a problem. Python SQLite is a fantastic option for creating programs that need an embedded database system, including desktop, mobile, and modest-sized web programs. SQLite has become popular among developers for lightweight apps with database functionality thanks to its ease of use, portability, and smooth connection with Python.</p> <h2> Python CGI </h2> <p> <strong>Python CGI</strong> is a technology for running scripts through web servers to produce dynamic online content. It offers a communication channel and a dynamic content generation interface for external CGI scripts and the web server. Python CGI scripts may create HTML web pages, handle form input, and communicate with databases. Python CGI enables the server to carry out Python scripts and provide the results to the client, offering a quick and effective approach to creating dynamic online applications.</p> <p>Python CGI scripts may be used for many things, including creating dynamic web pages, processing forms, and interacting with databases. Since Python, a potent and popular programming language, can be utilized to create scripts, it enables a more customized and flexible approach to web creation. Scalable, safe, and maintainable online applications may be created with Python CGI. Python CGI is a handy tool for web developers building dynamic and interactive online applications.</p> <h2> Asynchronous Programming in Python </h2> <p> <strong>Asynchronous programming</strong> is a paradigm for computer programming that enables independent and concurrent operation of activities. It is frequently used in applications like web servers, database software, and network programming, where several tasks or requests must be handled concurrently.</p> <p>Python has asyncio, Twisted, and Tornado among its libraries and frameworks for asynchronous programming. Asyncio, one of these, offers a simple interface for asynchronous programming and is the official asynchronous programming library in Python.</p> <p>Coroutines are functions that may be halted and restarted at specific locations in the code and are utilized by asyncio. This enables numerous coroutines to operate simultaneously without interfering with one another. For constructing and maintaining coroutines, the library offers several classes and methods, including <strong>asyncio.gather(),</strong> <strong>asyncio.wait(),</strong> and <strong>asyncio.create_task().</strong> </p> <p>Event loops, which are in charge of planning and operating coroutines, are another feature of asyncio. By cycling between coroutines in a non-blocking way, the event loop controls the execution of coroutines and ensures that no coroutine blocks another. Additionally, it supports timers and scheduling callbacks, which may be helpful when activities must be completed at specified times or intervals.</p> <h2> Python Concurrency </h2> <p>The term ' <strong>concurrency</strong> ' describes a program's capacity to carry out several tasks at once, enhancing the program's efficiency. Python offers several modules and concurrency-related methods, including asynchronous programming, multiprocessing, and multithreading. While multiprocessing involves running many processes simultaneously on a system, multithreading involves running numerous threads concurrently inside a single process.</p> <p>The <strong>threading module</strong> in Python enables programmers to build multithreading. It offers classes and operations for establishing and controlling threads. Conversely, the multiprocessing module allows developers to design and control processes. Python's asyncio module provides asynchronous programming support, allowing developers to write non-blocking code that can handle multiple tasks concurrently. Using these techniques, developers can write highperformance, scalable programs that can handle multiple tasks concurrently.</p> <p>Python's threading module enables the concurrent execution of several threads within a single process, which is helpful for I/O-bound activities.</p> <p>For CPU-intensive operations like image processing or data analysis, multiprocessing modules make it possible to execute numerous processes concurrently across multiple CPU cores.</p> <p>The asyncio module supports asynchronous I/O and permits the creation of single-threaded concurrent code using coroutines for high-concurrency network applications.</p> <p>With libraries like Dask , <a href="/pyspark-tutorial">PySpark</a> , and MPI, Python may also be used for parallel computing. These libraries allow workloads to be distributed across numerous nodes or clusters for better performance.</p> <h2> Web Scrapping using Python </h2> <p>The process of web scraping is used to retrieve data from websites automatically. Various tools and libraries extract data from HTML and other online formats. Python is among the most widely used programming languages for web scraping because of its ease of use, adaptability, and variety of libraries.</p> <p>We must take a few steps to accomplish web scraping using Python. We must first decide which website to scrape and what information to gather. Then, we can submit a request to the website and receive the HTML content using Python's requests package. Once we have the HTML text, we can extract the needed data using a variety of parsing packages, like <strong>Beautiful Soup and lxml</strong> .</p> <p>We can employ several strategies, like slowing requests, employing user agents, and using proxies, to prevent overburdening the website's server. It is also crucial to abide by the terms of service for the website and respect its robots.txt file.</p> <p>Data mining, lead creation, pricing tracking, and many more uses are possible for web scraping. However, as unauthorized web scraping may be against the law and unethical, it is essential to utilize it professionally and ethically.</p> <h2>Natural Language Processing (NLP) using Python</h2> <p>A branch of artificial intelligence (AI) called 'natural language processing' (NLP) studies how computers and human language interact. Thanks to NLP, computers can now understand, interpret, and produce human language. Due to its simplicity, versatility, and strong libraries like NLTK (Natural Language Toolkit) and spaCy, Python is a well-known programming language for NLP.</p> <p> <strong>For NLP tasks, including tokenization, stemming, lemmatization, part-of-speech tagging, named entity identification, sentiment analysis, and others, NLTK provides a complete library.</strong> It has a variety of corpora (big, organized text collections) for developing and evaluating NLP models. Another well-liked library for NLP tasks is spaCy , which offers quick and effective processing of enormous amounts of text. It enables simple modification and expansion and comes with pre-trained models for various NLP workloads.</p> <p>NLP may be used in Python for various practical purposes, including chatbots, sentiment analysis, text categorization, machine translation, and more. NLP is used, for instance, by chatbots to comprehend and reply to user inquiries in a natural language style. Sentiment analysis, which may be helpful for brand monitoring, customer feedback analysis, and other purposes, employs NLP to categorize text sentiment (positive, negative, or neutral). Text documents are categorized using natural language processing (NLP) into pre-established categories for spam detection, news categorization, and other purposes.</p> <p>Python is a strong and useful tool when analyzing and processing human language. Developers may carry out various NLP activities and create useful apps that can communicate with consumers in natural language with libraries like NLTK and spaCy.</p> <h2>Conclusion:</h2> <p>In this tutorial, we've looked at some of Python's most important features and ideas, including variables, data types, loops, functions, modules, and more. More complex subjects, including web scraping, natural language processing, parallelism, and database connection, have also been discussed. You will have a strong basis to continue learning about Python and its applications using the information you have learned from this lesson.</p> <p>Remember that practicing and developing code is the best method to learn Python. You may find many resources at javaTpoint to support your further learning, including documentation, tutorials, online groups, and more. You can master Python and use it to create wonderful things if you work hard and persist.</p> <h2>Prerequisite</h2> <p>Before learning Python, you must have the basic knowledge of programming concepts.</p> <h2>Audience</h2> <p>Our Python tutorial is designed to help beginners and professionals.</p> <h2>Problem</h2> <p>We assure that you will not find any problem in this Python tutorial. But if there is any mistake, please post the problem in contact form.</p> <hr></=> In questo esempio, abbiamo creato una classe Squares che funge da iteratore implementando i metodi __iter__() e __next__(). Il metodo __iter__() restituisce l'oggetto stesso e il metodo __next__() restituisce il quadrato successivo del numero fino al raggiungimento del limite.
Per saperne di più sugli iteratori, visita il nostro tutorial sugli iteratori Python.
Generatori Python
Generatori Python produrre una sequenza di valori utilizzando una dichiarazione di rendimento piuttosto che un ritorno poiché sono funzioni che restituiscono iteratori. I generatori terminano l'esecuzione della funzione mantenendo lo stato locale. Riprende esattamente da dove si era interrotto quando viene riavviato. Poiché non dobbiamo implementare il protocollo iteratore grazie a questa funzionalità, la scrittura degli iteratori risulta più semplice. Ecco un'illustrazione di una semplice funzione generatrice che produce quadrati di numeri:
# Generator Function def square_numbers(n): for i in range(n): yield i**2 # Create a generator object generator = square_numbers(5) # Print the values generated by the generator for num in generator: print(num)
Produzione:
0 1 4 9 16
Modificatori Python
Decoratori di pitone sono funzioni utilizzate per modificare il comportamento di un'altra funzione. Permettono di aggiungere funzionalità a una funzione esistente senza modificarne direttamente il codice. I decoratori vengono definiti utilizzando il file @ simbolo seguito dal nome della funzione decoratore. Possono essere utilizzati per la registrazione, la temporizzazione, la memorizzazione nella cache, ecc.
Ecco un esempio di una funzione di decorazione che aggiunge funzionalità di temporizzazione a un'altra funzione:
import time from math import factorial # Decorator to calculate time taken by # the function def time_it(func): def wrapper(*args, **kwargs): start = time.time() result = func(*args, **kwargs) end = time.time() print(f'{func.__name__} took {end-start:.5f} seconds to run.') return result return wrapper @time_it def my_function(n): time.sleep(2) print(f'Factorial of {n} = {factorial(n)}') my_function(25) Produzione:
Nell'esempio precedente, la funzione decorata time_it accetta un'altra funzione come argomento e restituisce una funzione wrapper. La funzione wrapper calcola il tempo necessario per eseguire la funzione originale e la stampa sulla console. Il decoratore @time_it viene utilizzato per applicare la funzione time_it alla funzione my_function. Quando viene chiamata my_function, viene eseguito il decoratore e viene aggiunta la funzionalità di temporizzazione.
PythonMySQL
Python MySQL è un potente sistema di gestione di database relazionali. Dobbiamo configurare l'ambiente e stabilire una connessione per utilizzare MySQL con Python. Possiamo creare un nuovo database e tabelle utilizzando i comandi SQL in Python.
- Configurazione dell'ambiente : Installazione e configurazione di MySQL Connector/Python per utilizzare Python con MySQL.
- Connessione al database : Stabilire una connessione tra Python e il database MySQL utilizzando MySQL Connector/Python.
- Creazione di un nuovo database : Creazione di un nuovo database in MySQL utilizzando Python.
- Creazione di tabelle : Creazione di tabelle nel database MySQL con Python utilizzando comandi SQL.
- Operazione di inserimento : inserisci i dati nelle tabelle MySQL utilizzando i comandi Python e SQL.
- Leggi Operazione : Lettura di dati da tabelle MySQL utilizzando comandi Python e SQL.
- Operazione di aggiornamento : Aggiornamento dei dati nelle tabelle MySQL utilizzando comandi Python e SQL.
- Partecipa all'operazione : Unione di due o più tabelle in MySQL utilizzando comandi Python e SQL.
- Esecuzione di transazioni : Esecuzione di un gruppo di query SQL come una singola unità di lavoro in MySQL utilizzando Python.
Altri punti relativi includono la gestione degli errori, la creazione di indici e l'utilizzo di procedure e funzioni memorizzate in MySQL con Python.
Python MongoDB
Python MongoDB è un popolare database NoSQL che archivia i dati in documenti simili a JSON. È senza schema e fornisce elevata scalabilità e flessibilità per l'archiviazione dei dati. Possiamo utilizzare MongoDB con Python utilizzando la libreria PyMongo, che fornisce un'interfaccia semplice e intuitiva per interagire con MongoDB.
Ecco alcune attività comuni quando si lavora con MongoDB in Python:
- Configurazione dell'ambiente : installa e configura MongoDB e la libreria PyMongo sul tuo sistema.
- Connessione al database : Connettiti a un server MongoDB utilizzando la classe MongoClient di PyMongo.
- Creazione di un nuovo database : utilizzare l'oggetto MongoClient per creare un nuovo database.
- Creazione di raccolte : crea raccolte all'interno di un database per archiviare documenti.
- Inserimento di documenti : inserisci nuovi documenti in una raccolta utilizzando i metodi insert_one() o insert_many().
- Interrogazione di documenti : recupera documenti da una raccolta utilizzando vari metodi di query come find_one(), find(), ecc.
- Aggiornamento dei documenti : modifica i documenti esistenti in una raccolta utilizzando i metodi update_one() o update_many().
- Eliminazione di documenti : rimuove i documenti da una raccolta utilizzando i metodi delete_one() o delete_many().
- Aggregazione : eseguire operazioni di aggregazione come raggruppamento, conteggio, ecc., utilizzando il framework della pipeline di aggregazione.
Esistono molti argomenti più avanzati in MongoDB, come lo sharding dei dati, la replica e altro, ma queste attività coprono le nozioni di base per lavorare con MongoDB in Python.
PythonSQLite
I database relazionali vengono creati e gestiti utilizzando Python SQLite, un motore di database compatto, serverless e autonomo. La sua mobilità e semplicità lo rendono un'opzione popolare per applicazioni locali o su piccola scala. Python ha un modulo integrato per la connessione ai database SQLite chiamato SQLite3, che consente agli sviluppatori di lavorare con i database SQLite senza difficoltà.
Attraverso la libreria SQLite3 sono disponibili vari metodi API che possono essere utilizzati per eseguire query SQL, inserire, selezionare, aggiornare e rimuovere dati, nonché ottenere dati dalle tabelle. Inoltre, consente le transazioni, consentendo ai programmatori di annullare le modifiche in caso di problemi. Python SQLite è un'opzione fantastica per la creazione di programmi che necessitano di un sistema di database incorporato, inclusi programmi Web desktop, mobili e di dimensioni modeste. SQLite è diventato popolare tra gli sviluppatori per app leggere con funzionalità di database grazie alla sua facilità d'uso, portabilità e connessione fluida con Python.
Python CGI
Python CGI è una tecnologia per l'esecuzione di script attraverso server Web per produrre contenuti online dinamici. Offre un canale di comunicazione e un'interfaccia di generazione di contenuti dinamici per script CGI esterni e server web. Gli script CGI Python possono creare pagine Web HTML, gestire l'input di moduli e comunicare con i database. Python CGI consente al server di eseguire script Python e fornire i risultati al client, offrendo un approccio rapido ed efficace alla creazione di applicazioni online dinamiche.
Gli script CGI Python possono essere utilizzati per molte cose, inclusa la creazione di pagine Web dinamiche, l'elaborazione di moduli e l'interazione con i database. Poiché Python, un linguaggio di programmazione potente e popolare, può essere utilizzato per creare script, consente un approccio più personalizzato e flessibile alla creazione web. Applicazioni online scalabili, sicure e manutenibili possono essere create con Python CGI. Python CGI è uno strumento utile per gli sviluppatori web che creano applicazioni online dinamiche e interattive.
Programmazione asincrona in Python
Programmazione asincrona è un paradigma per la programmazione informatica che consente il funzionamento indipendente e simultaneo di attività. Viene spesso utilizzato in applicazioni come server Web, software di database e programmazione di rete, in cui è necessario gestire contemporaneamente più attività o richieste.
Python ha asyncio, Twisted e Tornado tra le sue librerie e framework per la programmazione asincrona. Asyncio, una di queste, offre una semplice interfaccia per la programmazione asincrona ed è la libreria ufficiale di programmazione asincrona in Python.
Le coroutine sono funzioni che possono essere arrestate e riavviate in posizioni specifiche nel codice e vengono utilizzate da asyncio. Ciò consente a numerose coroutine di operare simultaneamente senza interferire tra loro. Per costruire e mantenere le coroutine, la libreria offre diverse classi e metodi, tra cui asyncio.gather(), asyncio.wait(), E asyncio.create_task().
I loop di eventi, responsabili della pianificazione e del funzionamento delle coroutine, sono un'altra caratteristica di asyncio. Ciclando tra le coroutine in modo non bloccante, il ciclo degli eventi controlla l'esecuzione delle coroutine e garantisce che nessuna coroutine ne blocchi un'altra. Inoltre, supporta timer e pianificazione delle richiamate, che possono essere utili quando le attività devono essere completate in orari o intervalli specifici.
Concorrenza Python
Il termine ' concorrenza ' descrive la capacità di un programma di svolgere diversi compiti contemporaneamente, migliorando l'efficienza del programma. Python offre diversi moduli e metodi relativi alla concorrenza, tra cui programmazione asincrona, multiprocessing e multithreading. Mentre il multiprocessing implica l'esecuzione simultanea di molti processi su un sistema, il multithreading implica l'esecuzione simultanea di numerosi thread all'interno di un singolo processo.
IL modulo di filettatura in Python consente ai programmatori di creare multithreading. Offre classi e operazioni per stabilire e controllare i thread. Al contrario, il modulo multiprocessing consente agli sviluppatori di progettare e controllare i processi. Il modulo asyncio di Python fornisce supporto alla programmazione asincrona, consentendo agli sviluppatori di scrivere codice non bloccante in grado di gestire più attività contemporaneamente. Utilizzando queste tecniche, gli sviluppatori possono scrivere programmi scalabili e ad alte prestazioni in grado di gestire più attività contemporaneamente.
Il modulo threading di Python consente l'esecuzione simultanea di diversi thread all'interno di un singolo processo, il che è utile per le attività legate all'I/O.
Per le operazioni ad uso intensivo della CPU come l'elaborazione delle immagini o l'analisi dei dati, i moduli multiprocessore consentono di eseguire numerosi processi contemporaneamente su più core della CPU.
Il modulo asyncio supporta I/O asincrono e consente la creazione di codice simultaneo a thread singolo utilizzando coroutine per applicazioni di rete ad alta concorrenza.
Con librerie come Dask, PySpark e MPI, Python può essere utilizzato anche per il calcolo parallelo. Queste librerie consentono di distribuire i carichi di lavoro su numerosi nodi o cluster per prestazioni migliori.
Web Scrapping utilizzando Python
Il processo di web scraping viene utilizzato per recuperare automaticamente i dati dai siti Web. Vari strumenti e librerie estraggono dati da HTML e altri formati online. Python è tra i linguaggi di programmazione più utilizzati per il web scraping grazie alla sua facilità d'uso, adattabilità e varietà di librerie.
Dobbiamo compiere alcuni passaggi per realizzare il web scraping utilizzando Python. Dobbiamo prima decidere quale sito web analizzare e quali informazioni raccogliere. Quindi, possiamo inviare una richiesta al sito Web e ricevere il contenuto HTML utilizzando il pacchetto delle richieste di Python. Una volta ottenuto il testo HTML, possiamo estrarre i dati necessari utilizzando una varietà di pacchetti di analisi, come Bella zuppa e lxml .
Possiamo adottare diverse strategie, come rallentare le richieste, impiegare user agent e usare proxy, per evitare di sovraccaricare il server del sito web. È inoltre fondamentale rispettare i termini di servizio del sito Web e rispettare il file robots.txt.
Il data mining, la creazione di lead, il monitoraggio dei prezzi e molti altri usi sono possibili per il web scraping. Tuttavia, poiché il web scraping non autorizzato può essere contrario alla legge e non etico, è essenziale utilizzarlo in modo professionale ed etico.
Elaborazione del linguaggio naturale (PNL) utilizzando Python
Una branca dell'intelligenza artificiale (AI) chiamata 'elaborazione del linguaggio naturale' (NLP) studia il modo in cui interagiscono i computer e il linguaggio umano. Grazie alla PNL, i computer ora possono comprendere, interpretare e produrre il linguaggio umano. Grazie alla sua semplicità, versatilità e librerie potenti come NLTK (Natural Language Toolkit) e spaCy, Python è un linguaggio di programmazione ben noto per la PNL.
Per le attività di NLP, tra cui tokenizzazione, stemming, lemmatizzazione, tagging di parti del discorso, identificazione di entità denominate, analisi del sentiment e altro, NLTK fornisce una libreria completa. Dispone di una varietà di corpora (grandi raccolte di testi organizzati) per lo sviluppo e la valutazione di modelli di PNL. Un'altra libreria molto apprezzata per le attività di PNL è spaCy , che offre un'elaborazione rapida ed efficace di enormi quantità di testo. Consente semplici modifiche ed espansioni e viene fornito con modelli pre-addestrati per vari carichi di lavoro di PNL.
La PNL può essere utilizzata in Python per vari scopi pratici, tra cui chatbot, analisi del sentiment, categorizzazione del testo, traduzione automatica e altro ancora. La PNL viene utilizzata, ad esempio, dai chatbot per comprendere e rispondere alle domande degli utenti in uno stile di linguaggio naturale. L'analisi del sentiment, che può essere utile per il monitoraggio del marchio, l'analisi del feedback dei clienti e altri scopi, utilizza la PNL per classificare il sentiment del testo (positivo, negativo o neutro). I documenti di testo vengono classificati utilizzando l'elaborazione del linguaggio naturale (NLP) in categorie prestabilite per il rilevamento dello spam, la categorizzazione delle notizie e altri scopi.
Python è uno strumento potente e utile per l'analisi e l'elaborazione del linguaggio umano. Gli sviluppatori possono svolgere varie attività di PNL e creare app utili in grado di comunicare con i consumatori in linguaggio naturale con librerie come NLTK e spaCy.
Conclusione:
In questo tutorial abbiamo esaminato alcune delle caratteristiche e delle idee più importanti di Python, tra cui variabili, tipi di dati, cicli, funzioni, moduli e altro ancora. Sono stati discussi anche argomenti più complessi, tra cui web scraping, elaborazione del linguaggio naturale, parallelismo e connessione a database. Avrai una solida base per continuare a conoscere Python e le sue applicazioni utilizzando le informazioni apprese da questa lezione.
è un grasso proteico
Ricorda che esercitarsi e sviluppare codice è il metodo migliore per imparare Python. In javaTpoint puoi trovare molte risorse a supporto del tuo ulteriore apprendimento, tra cui documentazione, tutorial, gruppi online e altro ancora. Puoi padroneggiare Python e usarlo per creare cose meravigliose se lavori duro e persisti.
Prerequisito
Prima di imparare Python, devi avere una conoscenza di base dei concetti di programmazione.
Pubblico
Il nostro tutorial Python è progettato per aiutare principianti e professionisti.
Problema
Ti assicuriamo che non troverai alcun problema in questo tutorial Python. Ma se c'è qualche errore, segnala il problema nel modulo di contatto.