Python je široko používaný programovací jazyk, ktorý ponúka niekoľko jedinečných funkcií a výhod v porovnaní s jazykmi ako napr Java a C++. Náš Python tutoriál dôkladne vysvetľuje základy Pythonu a pokročilé koncepty, počnúc inštaláciou, podmienené príkazy , slučky , vstavané dátové štruktúry , objektovo orientované programovanie , generátory , spracovanie výnimiek , Python RegEx a mnoho ďalších konceptov. Tento tutoriál je určený pre začiatočníkov a pracujúcich profesionálov.
Koncom 80. rokov 20. storočia Guido van Rossum sníval o vývoji Pythonu. Prvá verzia Python 0.9.0 bol vydaný v roku 1991 . Od svojho vydania si Python začal získavať na popularite. Podľa správ je Python teraz najobľúbenejším programovacím jazykom medzi vývojármi, pretože má vysoké nároky v oblasti technológií.
Čo je Python
Python je univerzálny, dynamicky typovaný, vysokoúrovňový, kompilovaný a interpretovaný, zbieraný odpadky a čisto objektovo orientovaný programovací jazyk, ktorý podporuje procedurálne, objektovo orientované a funkčné programovanie.
Vlastnosti Pythonu:
Python má veľa webové aktíva , open-source projekty , a pulzujúca komunita . Učenie sa jazyka, spoločná práca na projektoch a prispievanie do ekosystému Python sú pre vývojárov veľmi jednoduché.
Vďaka svojmu priamočiaremu jazykovému rámcu je Python jednoduchšie na pochopenie a písanie kódu. To z neho robí fantastický programovací jazyk pre nováčikov. Okrem toho pomáha skúseným programátorom pri písaní jasného a bezchybného kódu.
Python má mnoho knižníc tretích strán, ktoré možno použiť na uľahčenie jeho funkčnosti. Tieto knižnice pokrývajú mnoho domén, napríklad vývoj webu, vedecké výpočty, analýzu údajov a ďalšie.
Java vs. Python
Python je vynikajúcou voľbou pre rýchly vývoj a skriptovacie úlohy. Zatiaľ čo Java kladie dôraz na silný typový systém a objektovo orientované programovanie.
Tu je niekoľko základných programov, ktoré ilustrujú kľúčové rozdiely medzi nimi.
Tlač „Ahoj svet“
Python kód:
print('Hello World)'
V Pythone je to jeden riadok kódu. Tlač „Hello World“ vyžaduje jednoduchú syntax
Java kód:
public class HelloWorld { public static void main(String[] args) { System.out.println('Hello, World!'); } } V Jave potrebujeme deklarovať triedy, štruktúry metód a mnoho ďalších vecí.
Zatiaľ čo oba programy poskytujú rovnaký výstup, môžeme si všimnúť rozdiel v syntaxi v tlačovom príkaze.
java sa vytrhne zo slučky
- V Pythone je ľahké sa naučiť a písať kód. Kým v Jave, vyžaduje viac kódu na vykonanie určitých úloh.
- Python je dynamicky typovaný, čo znamená, že nemusíme deklarovať premennú, zatiaľ čo Java je typizovaná štatisticky, čo znamená, že musíme deklarovať typ premennej.
- Python je vhodný pre rôzne domény, ako je Data Science, Machine Learning, Web development a ďalšie. Zatiaľ čo Java je vhodná na vývoj webových aplikácií, vývoj mobilných aplikácií (Android) a ďalšie.
Základná syntax Pythonu
V programovacom jazyku Python sa nepoužívajú zložené zátvorky ani bodkočiarky. Je to jazyk podobný angličtine. Ale Python používa odsadenie na definovanie bloku kódu. Odsadenie nie je nič iné ako pridanie medzier pred príkaz, keď je to potrebné.
Napríklad -
def func(): statement 1 statement 2 ………………… ………………… statement N
Vo vyššie uvedenom príklade príkazy, ktoré sú na rovnakej úrovni vpravo, patria do funkcie. Vo všeobecnosti môžeme na definovanie odsadenia použiť štyri medzery.
Namiesto bodkočiarky, ako sa používa v iných jazykoch, Python končí svoje príkazy znakom Nového riadku.
Python je jazyk, v ktorom sa rozlišujú malé a veľké písmená, čo znamená, že s veľkými a malými písmenami sa zaobchádza rozdielne. Napríklad 'name' a 'Name' sú dve rôzne premenné v Pythone.
V Pythone je možné pridávať komentáre pomocou symbolu „#“. Akýkoľvek text napísaný za symbolom '#' sa považuje za komentár a tlmočník ho ignoruje. Tento trik je užitočný na pridávanie poznámok do kódu alebo dočasné vypnutie bloku kódu. Pomáha tiež lepšie porozumieť kódu niektorým iným vývojárom.
'ak' , 'inak', 'for' , 'zatiaľ' , 'skúsiť', 'okrem' a 'konečne' je niekoľko vyhradených kľúčových slov v Pythone, ktoré nemožno použiť ako názvy premenných. Tieto výrazy sa v jazyku používajú z konkrétnych dôvodov a majú pevný význam. Ak použijete tieto kľúčové slová, váš kód môže obsahovať chyby alebo ich interpret môže odmietnuť ako potenciálne nové premenné.
História Pythonu
Python vytvoril Guido van Rossum . Koncom osemdesiatych rokov Guido van Rossum, holandský programátor, začal pracovať na jazyku Python v Centre Wiskunde & Informatica (CWI) v Holandsku. Chcel vytvoriť nástupcu Programovací jazyk ABC to by bolo ľahko čitateľné a efektívne.
Vo februári 1991 bola vydaná prvá verejná verzia Pythonu, verzia 0.9.0. Toto znamenalo oficiálny zrod Python ako open-source projekt . Jazyk bol pomenovaný podľa britského komediálneho seriálu „ Monty Pythonov Lietajúci cirkus '.
Vývoj Pythonu prešiel niekoľkými fázami. V januári 1994 bol vydaný Python 1.0 ako použiteľný a stabilný programovací jazyk. Táto verzia obsahovala mnoho funkcií, ktoré sú v Pythone prítomné dodnes.
Od 90. do 20. storočia , Python si získal popularitu pre svoju jednoduchosť, čitateľnosť a všestrannosť. V októbri 2000 bol vydaný Python 2.0 . Python 2.0 zaviedol zoznamy, zber odpadu a podporu Unicode.
V decembri 2008 bol vydaný Python 3.0. Python 3.0 zaviedol niekoľko spätne nekompatibilných zmien na zlepšenie čitateľnosti kódu a udržiavateľnosti.
V priebehu rokov 2010 sa popularita Pythonu zvýšila, najmä v oblastiach ako strojové učenie a vývoj webu. Vďaka svojmu bohatému ekosystému knižníc a rámcov sa stal obľúbeným medzi vývojármi.
The Python Software Foundation (PSF) bola založená v roku 2001 na propagáciu, ochranu a rozvoj programovacieho jazyka Python a jeho komunity.
Prečo sa učiť Python?
Python poskytuje programátorom mnoho užitočných funkcií. Tieto vlastnosti z neho robia najpopulárnejší a najpoužívanejší jazyk. Nižšie uvádzame niekoľko základných funkcií Pythonu.
- Objektovo orientovaný jazyk : Podporuje objektovo orientované programovanie, vďaka čomu je písanie opakovane použiteľného a modulárneho kódu jednoduché.
Kde sa používa Python?
Python je všeobecný, populárny programovací jazyk a používa sa takmer v každej technickej oblasti. Rôzne oblasti použitia Pythonu sú uvedené nižšie.
- Umela inteligencia : AI je novo vznikajúca technológia a Python je dokonalý jazyk pre umelú inteligenciu a strojové učenie vďaka dostupnosti výkonných knižníc, ako sú TensorFlow, Keras a PyTorch.
- DevOps : Python sa v DevOps široko používa na automatizáciu a skriptovanie správy infraštruktúry, správy konfigurácie a procesov nasadenia.
- Žiadosti : knižnica na vytváranie požiadaviek HTTP
- SQLAlchemy : knižnica pre prácu s SQL databázami
- Zúfalý : rámec na vytváranie viacdotykových aplikácií
- Pygame : knižnica pre vývoj hier
- Rámec REST : súprava nástrojov na vytváranie RESTful API
- FastAPI : moderný, rýchly webový rámec na vytváranie rozhraní API
- Streamlit : knižnica na vytváranie interaktívnych webových aplikácií pre strojové učenie a vedu o údajoch
- NLTK : knižnica na spracovanie prirodzeného jazyka
Python má širokú škálu knižníc a rámcov široko používaných v rôznych oblastiach, ako je strojové učenie, umelá inteligencia, webové aplikácie atď. Niektoré populárne frameworky a knižnice Pythonu definujeme nasledovne.
Funkcia print() v Pythone
Funkcia Python print() sa používa na zobrazenie výstupu do konzoly alebo terminálu. Umožňuje nám zobraziť text, premenné a ďalšie údaje vo formáte čitateľnom pre človeka.
Syntax:
print(objekt(y), sep=separator, end=end, file=file, flush=flush)
Vyžaduje jeden alebo viac argumentov oddelených čiarkou (,) a štandardne pridáva na koniec „nový riadok“.
Parametre:
- objekt(y) – toľko, koľko chcete údajov zobraziť, sa najskôr skonvertuje na reťazec a vytlačí sa na konzolu.
- sep - Oddeľuje objekty odovzdaným oddeľovačom, predvolená hodnota = ' '.
- end - Ukončí riadok znakom nového riadku
- súbor - objekt súboru s metódou zápisu, predvolená hodnota = sys.stdout
Príklad:
# 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)) Výkon:
Hello, World! Name: Aman Age: 21 X = 5 y = 7 Sum = 12 Score: 85.75%
V tomto príklade sa príkaz print používa na tlač hodnôt reťazcov, celých čísel a float vo formáte čitateľnom pre človeka.
Tlačový výpis možno použiť na ladenie, protokolovanie a poskytovanie informácií používateľovi.
Podmienené príkazy Pythonu
Podmienené príkazy nám pomáhajú vykonať konkrétny blok pre konkrétnu podmienku. V tomto návode sa naučíme, ako použiť podmienený výraz na vykonanie iného bloku príkazov. Python poskytuje kľúčové slová if a else na nastavenie logických podmienok. The Elif kľúčové slovo sa používa aj ako podmienený príkaz.
Príklad kódu pre príkaz 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')
Výkon:
x is greater than y
Vo vyššie uvedenom kóde máme dve premenné, x a y, s 10 a 5. Potom sme použili príkaz if..else na kontrolu, či je x väčšie ako y alebo naopak. Ak je prvá podmienka pravdivá, vytlačí sa vyhlásenie „x je väčšie ako y“. Ak je prvá podmienka nepravdivá, namiesto toho sa vytlačí vyhlásenie „y je väčšie alebo rovné x“.
Kľúčové slovo if skontroluje, či je podmienka pravdivá a spustí v nej blok kódu. Kód v bloku else sa vykoná, ak je podmienka nepravdivá. Týmto spôsobom nám príkaz if..else pomáha vykonávať rôzne bloky kódu na základe podmienky.
Dozvieme sa o tom podrobnejšie v ďalšom článku pre tutoriál Python.
Python Loops
Niekedy možno budeme musieť zmeniť tok programu. Spustenie špecifického kódu môže byť potrebné niekoľkokrát zopakovať. Na tento účel programovacie jazyky poskytujú rôzne slučky schopné niekoľkokrát opakovať určitý špecifický kód. Zvážte nasledujúci návod, aby ste podrobne porozumeli vyhláseniam.
Python pre slučku
fruits = ['apple', 'banana', 'cherry'] for x in fruits: print(x, end=' ')
Výkon:
apple banana cherry
Python While Loop
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:> Vo vyššie uvedenom príklade kódu sme demonštrovali použitie dvoch typov slučiek v Pythone – slučky For a slučky While.
Cyklus For sa používa na iteráciu cez sekvenciu položiek, ako je zoznam, n-tica alebo reťazec. V príklade sme definovali zoznam ovocia a použili sme slučku for na tlač každého ovocia, ale dá sa použiť aj na tlač radu čísel.
Cyklus While opakuje blok kódu, ak je zadaná podmienka pravdivá. V príklade sme inicializovali premennú i na 1 a použili sme cyklus while na vytlačenie hodnoty i, kým nebude väčšia alebo rovná 6. Príkaz i += 1 sa používa na zvýšenie hodnoty i v každej iterácii .
Podrobne sa o nich dozvieme v tutoriále.
Dátové štruktúry Pythonu
Python ponúka štyri vstavané dátové štruktúry: zoznamy , tuples , súpravy , a slovníkov ktoré nám umožňujú ukladať dáta efektívnym spôsobom. Nižšie sú uvedené bežne používané dátové štruktúry v Pythone spolu s ukážkovým kódom:
1. Zoznamy
- Zoznamy sú objednané kolekcie dátových prvkov rôznych typov údajov.
- Zoznamy sú premenlivé čo znamená, že zoznam je možné kedykoľvek upraviť.
- Prvky môžu byť prístupné pomocou indexov .
- Sú definované pomocou hranatých zátvoriek ' [] '.
Príklad:
# 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)
Výkon:
fuirts[1] = banana fruits = ['apple', 'banana', 'cherry', 'orange'] sum_nums = 15
2. N-tice
- Tuple sú tiež objednané kolekcie dátových prvkov rôznych typov údajov, podobne ako zoznamy.
- Prvky môžu byť prístupné pomocou indexov .
- Tuple sú nemenný čo znamená, že n-tice sa po vytvorení nedajú upraviť.
- Sú definované pomocou otvorenej zátvorky ' () '.
Príklad:
# 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_)
Výkon:
(x, y) = 3 4 Tuple = ('apple', 'banana', 'cherry', 'orange')
3. Súpravy
- Súpravy sú neusporiadané kolekcie nemenných dátových prvkov rôznych dátových typov.
- Súpravy sú premenlivé .
- K prvkom nie je možné pristupovať pomocou indexov.
- Súpravy neobsahujú duplicitné prvky .
- Sú definované pomocou zložených zátvoriek ' {} '
Príklad:
# 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) Výkon:
set1 = {1, 2, 3, 4} set2 = {'apple', 'cherry', 'orange', 'banana'} 4. Slovníky
- Slovník sú párov kľúč – hodnota ktoré vám umožňujú priradiť hodnoty k jedinečným kľúčom.
- Sú definované pomocou zložených zátvoriek ' {} s pármi kľúč – hodnota oddelené dvojbodkami ':' .
- Slovníky sú premenlivé .
- Prvky sú prístupné pomocou klávesov.
Príklad:
# Create a dictionary person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} print('person =', person) print(person['name']) # Modify Dictionary person['age'] = 27 print('person =', person) Výkon:
person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} Umesh person = {'name': 'Umesh', 'age': 27, 'city': 'Noida'} Toto je len niekoľko príkladov vstavaných dátových štruktúr Pythonu. Každá dátová štruktúra má svoje vlastné charakteristiky a prípady použitia.
Funkčné programovanie v Pythone
Táto časť tutoriálu Python definuje niektoré dôležité nástroje súvisiace s funkčným programovaním, ako sú lambda a rekurzívne funkcie. Tieto funkcie sú veľmi efektívne pri plnení zložitých úloh. Definujeme niekoľko dôležitých funkcií, ako je zmenšenie, mapa a filter. Python poskytuje modul functools, ktorý obsahuje rôzne funkčné programovacie nástroje. Navštívte nasledujúci návod, kde sa dozviete viac o funkčnom programovaní.
Nedávne verzie Pythonu zaviedli funkcie, vďaka ktorým je funkčné programovanie stručnejšie a výraznejšie. Napríklad 'mrož operátor':= umožňuje inline priradenie premenných vo výrazoch, čo môže byť užitočné pri práci s vnorenými volaniami funkcií alebo porozumením zoznamu.
Funkcia Python
- Funkcia lambda - Funkcia lambda je malá, anonymná funkcia ktorý môže mať ľubovoľný počet argumentov, ale môže mať iba jeden výraz. Funkcie lambda sa často používajú vo funkčnom programovaní na vytváranie funkcií „za behu“ bez definovania pomenovanej funkcie.
- Rekurzívna funkcia - Rekurzívna funkcia je funkcia, ktorá sa sama volá, aby vyriešila problém. Rekurzívne funkcie sa často používajú vo funkčnom programovaní na vykonávanie zložitých výpočtov alebo na prechádzanie zložitými dátovými štruktúrami.
- Funkcia mapy - Funkcia map() aplikuje danú funkciu na každú položku iterovateľnej položky a vráti novú iterovateľnosť s výsledkami. Iterovateľný vstup môže byť zoznam, n-tica alebo iný.
- Funkcia filtra - Funkcia filter() vracia iterátor z iterovateľného, pre ktorý funkcia odovzdaná ako prvý argument vracia True. Z iterovateľnej položky odfiltruje položky, ktoré nespĺňajú danú podmienku.
- Znížiť funkciu - Funkcia redukovať() aplikuje funkciu dvoch argumentov kumulatívne na položky iterovateľného zľava doprava, aby sa zredukovala na jednu hodnotu.
- modul functools - Modul functools v Pythone poskytuje funkcie vyššieho rádu, ktoré fungujú s inými funkciami, ako napríklad čiastočné () a zníženie ().
- Funkcia kari - Currying funkcia je funkcia, ktorá berie viacero argumentov a vracia postupnosť funkcií, z ktorých každá má jeden argument.
- Funkcia zapamätania - Memoizácia je technika používaná vo funkčnom programovaní na ukladanie výsledkov drahých funkčných volaní do vyrovnávacej pamäte a vrátenie výsledku uloženého vo vyrovnávacej pamäti, keď sa znova objavia rovnaké vstupy.
- Funkcia závitovania - Threading je technika používaná vo funkčnom programovaní na spustenie viacerých úloh súčasne, aby bol kód efektívnejší a rýchlejší.
Moduly Pythonu
Moduly Pythonu sú programové súbory, ktoré obsahujú kód alebo funkcie Pythonu. Python má dva typy modulov – Používateľom definované moduly a vstavané moduly. Modul, ktorý používateľ definuje, alebo náš kód Python uložený s príponou .py, sa považuje za modul definovaný používateľom.
Vstavané moduly sú preddefinované moduly Pythonu. Aby sme mohli využívať funkcionalitu modulov, musíme ich importovať do nášho aktuálneho pracovného programu.
Moduly Pythonu sú nevyhnutné pre ekosystém jazyka, pretože ponúkajú opätovne použiteľný kód a funkcie, ktoré možno importovať do akéhokoľvek programu Python. Tu je niekoľko príkladov niekoľkých modulov Pythonu spolu so stručným popisom každého z nich:
Matematika : Poskytuje používateľom prístup k matematickým konštantám a pi a trigonometrickým funkciám.
Dátum Čas : Poskytuje triedy pre jednoduchší spôsob manipulácie s dátumami, časmi a obdobiami.
VY : Umožňuje interakciu so základným operačným systémom vrátane správy procesov a aktivít súborového systému.
náhodný : Náhodná funkcia ponúka nástroje na generovanie náhodných celých čísel a výber náhodných položiek zo zoznamu.
JSON : JSON je dátová štruktúra, ktorú možno kódovať a dekódovať a často sa používa v online rozhraniach API a výmene údajov. Tento modul umožňuje prácu s JSON.
Re : Podporuje regulárne výrazy, účinný nástroj na vyhľadávanie a manipuláciu s textom.
zbierky : Poskytuje alternatívne dátové štruktúry, ako sú triedené slovníky, predvolené slovníky a pomenované n-tice.
NumPy : NumPy je základná súprava nástrojov pre vedecké výpočty, ktorá podporuje numerické operácie s poliami a maticami.
pandy : Poskytuje dátové štruktúry a operácie na vysokej úrovni pre prácu s časovými radmi a inými typmi štruktúrovaných dát.
Žiadosti : Ponúka jednoduché používateľské rozhranie pre webové rozhrania API a vykonáva požiadavky HTTP.
git rebase
I/O súboru Python
Súbory sa používajú na ukladanie údajov na disk počítača. V tomto návode vysvetľujeme vstavaný súborový objekt Pythonu. Súbor môžeme otvoriť pomocou skriptu Python a vykonávať rôzne operácie, ako je písanie, čítanie a pridávanie. Existujú rôzne spôsoby otvorenia súboru. Vysvetlíme to na príslušnom príklade. Naučíme sa tiež vykonávať operácie čítania/zápisu na binárnych súboroch.
Vstupný/výstupný (I/O) systém Pythonu ponúka programy na komunikáciu so súbormi uloženými na disku. Vstavané metódy Pythonu pre objekt súboru nám umožňujú vykonávať akcie ako čítanie, zápis a pridávanie údajov do súborov.
The OTVORENÉ() metóda v Pythone vytvára objekt súboru pri práci so súbormi. Názov súboru, ktorý sa má otvoriť, a režim, v ktorom sa má súbor otvoriť, sú dva parametre požadované touto funkciou. Režim možno použiť podľa práce, ktorú je potrebné vykonať so súborom, ako napríklad „ r na čítanie, In ' na písanie, alebo ' a “ na pripevnenie.
Po úspešnom vytvorení objektu je možné použiť rôzne metódy podľa našej práce. Ak chceme do súboru zapisovať, môžeme použiť funkcie write() a ak chceme čítať aj zapisovať oboje, môžeme použiť funkciu append() a v prípadoch, keď chceme iba čítať obsah súbor môžeme použiť funkciu read(). S binárnymi súbormi, ktoré obsahujú dáta v binárnom, nie textovom formáte, možno tiež pracovať pomocou Pythonu. Binárne súbory sú napísané spôsobom, ktorému ľudia priamo nerozumejú. The rb a wb režimy môžu čítať a zapisovať binárne dáta do binárnych súborov.
Výnimky Pythonu
Výnimku možno definovať ako nezvyčajný stav v programe, ktorý má za následok prerušenie toku programu.
Vždy, keď sa vyskytne výnimka, program zastaví vykonávanie, a preto sa iný kód nevykoná. Výnimkou sú preto chyby spustenia, ktoré nie sú schopné spracovať skript Python. Výnimkou je objekt Pythonu, ktorý predstavuje chybu.
Výnimky Pythonu sú dôležitým aspektom spracovania chýb v programovaní v Pythone. Keď program narazí na neočakávanú situáciu alebo chybu, môže vyvolať výnimku, ktorá môže prerušiť normálny priebeh programu.
V Pythone sú výnimky reprezentované ako objekty obsahujúce informácie o chybe vrátane jej typu a správy. Najbežnejším typom výnimky v Pythone je trieda Exception, základná trieda pre všetky ostatné vstavané výnimky.
Na spracovanie výnimiek v Pythone používame skúste a okrem Vyhlásenia. The skúste príkaz sa používa na uzavretie kódu, ktorý môže vyvolať výnimku, zatiaľ čo príkaz okrem príkaz sa používa na definovanie bloku kódu, ktorý by sa mal vykonať, keď sa vyskytne výnimka.
Zvážte napríklad nasledujúci kód:
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')
Výkon:
Enter a number: 0 Error: Division by zero
V tomto kóde používame príkaz try na pokus o vykonanie operácie delenia. Ak niektorá z týchto operácií vyvolá výnimku, vykoná sa blok zhody okrem.
Python tiež poskytuje mnoho vstavaných výnimiek, ktoré možno vyvolať v podobných situáciách. Niektoré bežné vstavané výnimky zahŕňajú IndexError, TypeError , a NameError . Taktiež môžeme definovať naše vlastné výnimky vytvorením novej triedy, ktorá dedí z triedy Exception.
Python CSV
CSV je skratka pre „hodnoty oddelené čiarkou“, ktorý je definovaný ako jednoduchý formát súboru, ktorý používa špecifické štruktúrovanie na usporiadanie tabuľkových údajov. Ukladá tabuľkové údaje, ako sú tabuľky alebo databázy, v obyčajnom texte a má spoločný formát na výmenu údajov. V hárku programu Excel sa otvorí súbor CSV a údaje riadkov a stĺpcov definujú štandardný formát.
Na čítanie CSV súboru môžeme použiť funkciu CSV.reader. Táto funkcia vracia objekt čítačky, ktorý môžeme použiť na opakovanie v riadkoch v súbore CSV. Každý riadok sa vráti ako zoznam hodnôt, kde každá hodnota zodpovedá stĺpcu v súbore CSV.
Zvážte napríklad nasledujúci kód:
import csv with open('data.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)
Tu otvoríme súbor data.csv v režime čítania a vytvoríme a csv.reader objekt pomocou csv.reader() funkciu. Potom iterujeme cez riadky v súbore CSV pomocou cyklu for a vytlačíme každý riadok do konzoly.
Môžeme použiť CSV.writer() funkcia na zapisovanie údajov do súboru CSV. Vracia objekt Writer, ktorý môžeme použiť na zapisovanie riadkov do súboru CSV. Riadky môžeme písať volaním spisovateľ () metóda na objekt zapisovateľa.
Zvážte napríklad nasledujúci kód:
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)
V tomto programe vytvoríme zoznam zoznamov nazývaných dáta, kde každý vnútorný zoznam predstavuje riadok dát. Potom otvoríme súbor data.csv v režime zápisu a vytvoríme a CSV.spisovateľ objekt pomocou funkcie CSV.writer. Potom iterujeme cez riadky v údajoch pomocou cyklu for a zapíšeme každý riadok do súboru CSV pomocou metódy Writer.
Python odosielanie pošty
Môžeme posielať alebo čítať poštu pomocou skriptu Python. Štandardné moduly knižníc Pythonu sú užitočné na prácu s rôznymi protokolmi, ako sú PoP3 a IMAP. Python poskytuje smtplib modul na odosielanie emailov pomocou SMTP (Simple Mail Transfer Protocol). Naučíme sa odosielať poštu pomocou populárnej e-mailovej služby SMTP zo skriptu Python.
Python Magic Methods
Magická metóda Pythonu je špeciálna metóda, ktorá do triedy pridáva 'mágiu'. Začína a končí dvojitým podčiarkovníkom, napr. _horúce_ alebo _str_ .
Vstavané triedy definujú mnoho magických metód. The ty() Funkciu možno použiť na zobrazenie počtu magických metód zdedených triedou. V názve metódy má dve predpony a príponu podčiarknutia.
- Python magické metódy sú známe aj ako dunderove metódy , skratka pre metódy „dvojité podčiarknutie“, pretože ich názvy začínajú a končia dvojitým podčiarkovníkom.
- Magické metódy sú automaticky vyvolané tlmočníkom Pythonu v určitých situáciách, napríklad keď je objekt vytvorený, porovnávaný s iným objektom alebo tlačený.
- Magické metódy možno použiť na prispôsobenie správania tried, ako je napríklad definovanie toho, ako sa objekty porovnávajú, konvertujú na reťazce alebo sa k nim pristupuje ako k kontajnerom.
- Niektoré bežne používané magické metódy zahŕňajú teplo na inicializáciu objektu, str na konverziu objektu na reťazec, ekv na porovnávanie dvoch objektov z hľadiska rovnosti a s názvom a setitem na prístup k položkám v kontajnerovom objekte.
Napríklad, str magická metóda môže definovať, ako by mal byť objekt reprezentovaný ako reťazec. Tu je príklad
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) Výkon:
Vikas (22)
V tomto príklade je metóda str definovaná tak, aby vrátila formátovanú reťazcovú reprezentáciu objektu Osoba s menom a vekom osoby.
Ďalšou bežne používanou magickou metódou je ekv , ktorý definuje, ako by sa mali objekty porovnávať z hľadiska rovnosti. Tu je príklad:
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)
Výkon:
False True
V tomto príklade ekv metóda je definovaná tak, aby vrátila hodnotu True, ak dva objekty Point majú rovnaké súradnice x a y, a inak hodnotu False.
Python Oops koncepty
Všetko v Pythone sa považuje za objekt, vrátane celočíselných hodnôt, pohyblivých hodnôt, funkcií, tried a nič. Okrem toho Python podporuje všetky orientované koncepty. Nižšie je uvedený krátky úvod do konceptov Oops v Pythone.
- Triedy a objekty - Triedy Pythonu sú plány objektu. Objekt je súbor údajov a metód, ktoré pôsobia na údaje.
- Dedičnosť - Dedičnosť je technika, pri ktorej jedna trieda zdedí vlastnosti iných tried.
- Konštruktér - Python poskytuje špeciálnu metódu __init__(), ktorá je známa ako konštruktor. Táto metóda sa automaticky volá, keď sa vytvorí inštancia objektu.
- Polymorfizmus - Polymorfizmus je pojem, pri ktorom môže mať objekt mnoho podôb. V Pythone možno polymorfizmus dosiahnuť preťažením metódy a prepísaním metódy.
- Prepísanie metódy - Overriding metódy je koncept, kde podtrieda implementuje metódu už definovanú vo svojej nadtriede.
- Zapuzdrenie - Zapuzdrenie je balenie údajov a metód do jedného celku. V Pythone sa zapuzdrenie dosahuje prostredníctvom modifikátorov prístupu, ako je verejný, súkromný a chránený. Python však striktne nevynucuje modifikátory prístupu a konvencia pomenovania označuje úroveň prístupu.
- Abstrakcia údajov : Technika na skrytie zložitosti údajov a zobrazenie iba základných funkcií používateľovi. Poskytuje rozhranie na interakciu s údajmi. Abstrakcia údajov znižuje zložitosť a robí kód modulárnejším, čo umožňuje vývojárom zamerať sa na základné funkcie programu.
Ak si chcete prečítať koncept Oops podrobne, navštívte nasledujúce zdroje.
- Python Oops koncepty - V Pythone je objektovo orientovanou paradigmou navrhovanie programu pomocou tried a objektov. Objekt súvisí s entitami skutočného slova, ako je kniha, dom, ceruzka atď. a trieda definuje jeho vlastnosti a správanie.
- Objekty a triedy Pythonu - V Pythone sú objekty inštanciami tried a triedy sú plány, ktoré definujú štruktúru a správanie údajov.
- Python Constructor - Konštruktor je špeciálna metóda v triede, ktorá sa používa na inicializáciu atribútov objektu pri vytváraní objektu.
- Dedičnosť Pythonu - Dedičnosť je mechanizmus, v ktorom nová trieda (podtrieda alebo podradená trieda) zdedí vlastnosti a správanie existujúcej triedy (nadtrieda alebo nadradená trieda).
- Polymorfizmus Pythonu - Polymorfizmus umožňuje, aby sa s objektmi rôznych tried zaobchádzalo ako s objektmi spoločnej nadtriedy, čo umožňuje zameniteľné používanie rôznych tried prostredníctvom spoločného rozhrania.
Rozšírené témy pre Python
Python obsahuje mnoho pokrokov a užitočných konceptov, ktoré pomáhajú programátorovi riešiť zložité úlohy. Tieto pojmy sú uvedené nižšie.
Python Iterator
Iterátor je jednoducho objekt, na ktorom je možné iterovať. Vracia jeden objekt naraz. Môže byť implementovaný pomocou dvoch špeciálnych metód, __iter__() a __next__().
Iterátory v Pythone sú objekty, ktoré umožňujú iteráciu cez kolekciu údajov. Spracujú každý prvok kolekcie individuálne bez načítania celej kolekcie do pamäte.
Vytvorme napríklad iterátor, ktorý vráti druhé mocniny čísel až po daný limit:
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></=> V tomto príklade sme vytvorili triedu Squares, ktorá funguje ako iterátor implementáciou metód __iter__() a __next__(). Metóda __iter__() vracia samotný objekt a metóda __next__() vracia ďalší štvorec čísla, kým sa nedosiahne limit.
Ak sa chcete dozvedieť viac o iterátoroch, navštívte náš tutoriál Python Iterators.
Generátory Pythonu
Python generátory vytvoriť postupnosť hodnôt pomocou výkazu výnosov skôr ako návrat, pretože sú to funkcie, ktoré vracajú iterátory. Generátory ukončia vykonávanie funkcie pri zachovaní lokálneho stavu. Po reštartovaní pokračuje presne tam, kde skončil. Pretože vďaka tejto funkcii nemusíme implementovať protokol iterátora, je písanie iterátorov jednoduchšie. Tu je ilustrácia priamej funkcie generátora, ktorá vytvára druhé mocniny čísel:
# 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)
Výkon:
0 1 4 9 16
Modifikátory Pythonu
Python Decorators sú funkcie používané na úpravu správania inej funkcie. Umožňujú pridanie funkcií k existujúcej funkcii bez priamej úpravy jej kódu. Dekoratéri sú definovaní pomocou @ symbol, za ktorým nasleduje názov funkcie dekoratéra. Môžu byť použité na protokolovanie, načasovanie, ukladanie do vyrovnávacej pamäte atď.
Tu je príklad funkcie dekoratér, ktorá pridáva funkciu časovania k inej funkcii:
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) Výkon:
Vo vyššie uvedenom príklade funkcia dekorátora time_it berie ako argument inú funkciu a vracia funkciu wrapper. Funkcia wrapper vypočíta čas vykonania pôvodnej funkcie a vytlačí ju do konzoly. Dekorátor @time_it sa používa na aplikáciu funkcie time_it na funkciu my_function. Keď sa zavolá funkcia my_function, spustí sa dekorátor a pridá sa funkcia časovania.
Python MySQL
Python MySQL je výkonný systém správy relačných databáz. Aby sme mohli používať MySQL s Pythonom, musíme nastaviť prostredie a vytvoriť spojenie. Novú databázu a tabuľky môžeme vytvoriť pomocou SQL príkazov v Pythone.
- Nastavenie prostredia : Inštalácia a konfigurácia MySQL Connector/Python na používanie Pythonu s MySQL.
- Pripojenie k databáze : Vytvorenie spojenia medzi Pythonom a MySQL databázou pomocou MySQL Connector/Python.
- Vytvorenie novej databázy : Vytvorenie novej databázy v MySQL pomocou Pythonu.
- Vytváranie tabuliek : Vytváranie tabuliek v databáze MySQL pomocou jazyka Python pomocou príkazov SQL.
- Operácia vloženia : Vložte údaje do tabuliek MySQL pomocou príkazov Python a SQL.
- Prečítajte si operáciu : Čítanie údajov z tabuliek MySQL pomocou príkazov Python a SQL.
- Operácia aktualizácie : Aktualizácia údajov v tabuľkách MySQL pomocou príkazov Python a SQL.
- Pripojte sa k operácii : Spojenie dvoch alebo viacerých tabuliek v MySQL pomocou príkazov Python a SQL.
- Vykonávanie transakcií : Vykonávanie skupiny SQL dotazov ako jednej jednotky práce v MySQL pomocou Pythonu.
Medzi ďalšie relatívne body patrí spracovanie chýb, vytváranie indexov a používanie uložených procedúr a funkcií v MySQL s Pythonom.
Python MongoDB
Python MongoDB je populárna databáza NoSQL, ktorá ukladá údaje do dokumentov podobných JSON. Je bez schémy a poskytuje vysokú škálovateľnosť a flexibilitu pre ukladanie dát. MongoDB môžeme používať s Pythonom pomocou knižnice PyMongo, ktorá poskytuje jednoduché a intuitívne rozhranie na interakciu s MongoDB.
Tu je niekoľko bežných úloh pri práci s MongoDB v Pythone:
- Nastavenie prostredia : Nainštalujte a nakonfigurujte knižnicu MongoDB a PyMongo vo vašom systéme.
- Pripojenie k databáze : Pripojte sa k serveru MongoDB pomocou triedy MongoClient z PyMongo.
- Vytvorenie novej databázy : Použite objekt MongoClient na vytvorenie novej databázy.
- Vytváranie kolekcií : Vytvárajte kolekcie v databáze na ukladanie dokumentov.
- Vkladanie dokumentov : Vložte nové dokumenty do kolekcie pomocou metód insert_one() alebo insert_many().
- Dopytovanie dokumentov : Získajte dokumenty z kolekcie pomocou rôznych metód dotazu, ako je find_one(), find() atď.
- Aktualizácia dokumentov : Upravte existujúce dokumenty v kolekcii pomocou metód update_one() alebo update_many().
- Odstraňovanie dokumentov : Odstráňte dokumenty z kolekcie pomocou metód delete_one() alebo delete_many().
- Agregácia : Vykonajte agregačné operácie, ako je zoskupovanie, počítanie atď., pomocou rámca agregačného kanála.
V MongoDB je mnoho pokročilejších tém, ako je zdieľanie údajov, replikácia a ďalšie, ale tieto úlohy pokrývajú základy práce s MongoDB v Pythone.
Python SQLite
Relačné databázy sú vytvárané a udržiavané pomocou Python SQLite, kompaktného, bezserverového, samostatného databázového stroja. Jeho mobilita a jednoduchosť z neho robia obľúbenú možnosť pre lokálne alebo malé aplikácie. Python má vstavaný modul na pripojenie k databázam SQLite s názvom SQLite3, ktorý umožňuje vývojárom bez problémov pracovať s databázami SQLite.
Prostredníctvom knižnice SQLite3 sú dostupné rôzne metódy API, ktoré možno použiť na spúšťanie SQL dotazov, vkladanie, výber, aktualizáciu a odstraňovanie údajov, ako aj na získavanie údajov z tabuliek. Okrem toho umožňuje transakcie, čo umožňuje programátorom vrátiť späť zmeny v prípade problému. Python SQLite je fantastická možnosť na vytváranie programov, ktoré potrebujú vstavaný databázový systém, vrátane desktopových, mobilných a menších webových programov. SQLite sa stal populárnym medzi vývojármi pre ľahké aplikácie s databázovými funkciami vďaka jednoduchému použitiu, prenosnosti a hladkému prepojeniu s Pythonom.
Python CGI
Python CGI je technológia na spúšťanie skriptov cez webové servery na vytváranie dynamického online obsahu. Ponúka komunikačný kanál a rozhranie na generovanie dynamického obsahu pre externé CGI skripty a webový server. Python CGI skripty môžu vytvárať HTML webové stránky, spracovávať zadávanie formulárov a komunikovať s databázami. Python CGI umožňuje serveru vykonávať Python skripty a poskytovať výsledky klientovi, čím ponúka rýchly a efektívny prístup k vytváraniu dynamických online aplikácií.
Python CGI skripty možno použiť na mnoho vecí, vrátane vytvárania dynamických webových stránok, spracovania formulárov a interakcie s databázami. Keďže Python, silný a populárny programovací jazyk, možno použiť na vytváranie skriptov, umožňuje prispôsobenejší a flexibilnejší prístup k tvorbe webu. Škálovateľné, bezpečné a udržiavateľné online aplikácie môžu byť vytvorené pomocou Python CGI. Python CGI je praktický nástroj pre webových vývojárov, ktorí vytvárajú dynamické a interaktívne online aplikácie.
Asynchrónne programovanie v Pythone
Asynchrónne programovanie je paradigma pre počítačové programovanie, ktorá umožňuje nezávislé a súbežné vykonávanie činností. Často sa používa v aplikáciách, ako sú webové servery, databázový softvér a sieťové programovanie, kde sa musí súčasne spracovávať niekoľko úloh alebo požiadaviek.
Python má medzi svojimi knižnicami a rámcami pre asynchrónne programovanie asyncio, Twisted a Tornado. Asyncio, jedna z nich, ponúka jednoduché rozhranie pre asynchrónne programovanie a je oficiálnou knižnicou asynchrónneho programovania v Pythone.
Korutíny sú funkcie, ktoré možno zastaviť a reštartovať na konkrétnych miestach v kóde a využíva ich asyncio. To umožňuje, aby množstvo korutínov fungovalo súčasne bez toho, aby sa navzájom rušili. Na vytváranie a udržiavanie korutínov knižnica ponúka niekoľko tried a metód, vrátane asyncio.gather(), asyncio.wait(), a asyncio.create_task().
Ďalšou vlastnosťou asyncio sú slučky udalostí, ktoré majú na starosti plánovanie a prevádzkovanie korutín. Cyklovaním medzi korutínmi neblokujúcim spôsobom slučka udalostí riadi vykonávanie korutínov a zaisťuje, že žiadny korutín neblokuje iný. Okrem toho podporuje časovače a plánovanie spätných volaní, ktoré môžu byť užitočné, keď je potrebné činnosti dokončiť v určených časoch alebo intervaloch.
Python Concurrency
Termín ' súbežnosť “ opisuje schopnosť programu vykonávať niekoľko úloh naraz, čím sa zvyšuje efektívnosť programu. Python ponúka niekoľko modulov a metód súvisiacich so súbežnosťou, vrátane asynchrónneho programovania, multiprocessingu a multithreadingu. Zatiaľ čo multiprocesing zahŕňa spustenie mnohých procesov súčasne v systéme, multithreading zahŕňa spustenie viacerých vlákien súčasne v rámci jedného procesu.
The závitový modul v Pythone umožňuje programátorom vytvárať multithreading. Ponúka triedy a operácie na vytváranie a riadenie vlákien. Naopak, modul multiprocessingu umožňuje vývojárom navrhovať a riadiť procesy. Modul asyncio Pythonu poskytuje podporu asynchrónneho programovania, čo umožňuje vývojárom písať neblokujúci kód, ktorý dokáže spracovať viacero úloh súčasne. Pomocou týchto techník môžu vývojári písať vysokovýkonné, škálovateľné programy, ktoré dokážu zvládnuť viacero úloh súčasne.
Modul vlákna Pythonu umožňuje súbežné vykonávanie niekoľkých vlákien v rámci jedného procesu, čo je užitočné pre aktivity viazané na I/O.
Pre operácie náročné na CPU, ako je spracovanie obrazu alebo analýza dát, umožňujú multiprocessingové moduly vykonávať množstvo procesov súčasne na viacerých jadrách CPU.
Modul asyncio podporuje asynchrónne I/O a umožňuje vytváranie jednovláknového súbežného kódu pomocou korutín pre sieťové aplikácie s vysokou súbežnosťou.
S knižnicami ako Dask, PySpark a MPI, Python možno použiť aj na paralelné výpočty. Tieto knižnice umožňujú distribúciu pracovných záťaží medzi početné uzly alebo klastre pre lepší výkon.
Odstraňovanie webu pomocou Pythonu
Proces zoškrabovania webu sa používa na automatické získavanie údajov z webových stránok. Rôzne nástroje a knižnice extrahujú údaje z HTML a iných online formátov. Python patrí medzi najpoužívanejšie programovacie jazyky na zoškrabovanie webu kvôli jeho jednoduchému použitiu, prispôsobivosti a rozmanitosti knižníc.
Aby sme dosiahli zoškrabovanie webu pomocou Pythonu, musíme urobiť niekoľko krokov. Najprv sa musíme rozhodnúť, ktorú webovú stránku zoškrabať a aké informácie zhromaždiť. Potom môžeme odoslať požiadavku na webovú stránku a získať obsah HTML pomocou balíka žiadostí Pythonu. Keď máme text HTML, môžeme extrahovať potrebné údaje pomocou rôznych balíkov analýzy, ako napr Krásna polievka a lxml .
Môžeme použiť niekoľko stratégií, ako je spomalenie požiadaviek, používanie používateľských agentov a používanie proxy, aby sme zabránili nadmernému zaťaženiu servera webovej stránky. Je tiež dôležité dodržiavať podmienky používania webovej stránky a rešpektovať jej súbor robots.txt.
Na zoškrabovanie webu je možné získavanie údajov, vytváranie potenciálnych zákazníkov, sledovanie cien a mnoho ďalších spôsobov použitia. Keďže však neoprávnené zoškrabovanie webu môže byť v rozpore so zákonom a neetické, je nevyhnutné ho využívať profesionálne a eticky.
Spracovanie prirodzeného jazyka (NLP) pomocou Pythonu
Odvetvie umelej inteligencie (AI) nazývané „spracovanie prirodzeného jazyka“ (NLP) študuje interakciu počítačov a ľudského jazyka. Vďaka NLP môžu teraz počítače rozumieť, interpretovať a vytvárať ľudský jazyk. Vďaka svojej jednoduchosti, všestrannosti a silným knižniciam ako NLTK (Natural Language Toolkit) a spaCy je Python známym programovacím jazykom pre NLP.
Pre úlohy NLP, vrátane tokenizácie, stemmingu, lemmatizácie, značkovania časti reči, identifikácie pomenovanej entity, analýzy sentimentu a ďalších, poskytuje NLTK kompletnú knižnicu. Má rôzne korpusy (veľké, organizované zbierky textov) na vývoj a hodnotenie modelov NLP. Ďalšou obľúbenou knižnicou pre úlohy NLP je spaCy , ktorá ponúka rýchle a efektívne spracovanie obrovského množstva textu. Umožňuje jednoduchú úpravu a rozširovanie a prichádza s predtrénovanými modelmi pre rôzne pracovné zaťaženia NLP.
NLP možno v Pythone použiť na rôzne praktické účely, vrátane chatbotov, analýzy sentimentu, kategorizácie textu, strojového prekladu a ďalších. NLP používajú napríklad chatboty na pochopenie a odpovedanie na otázky používateľov v štýle prirodzeného jazyka. Analýza sentimentu, ktorá môže byť užitočná pri monitorovaní značky, analýze spätnej väzby od zákazníkov a na iné účely, využíva NLP na kategorizáciu textového sentimentu (pozitívny, negatívny alebo neutrálny). Textové dokumenty sú kategorizované pomocou spracovania prirodzeného jazyka (NLP) do vopred stanovených kategórií na detekciu spamu, kategorizáciu správ a iné účely.
Python je silný a užitočný nástroj pri analýze a spracovaní ľudského jazyka. Vývojári môžu vykonávať rôzne aktivity NLP a vytvárať užitočné aplikácie, ktoré dokážu komunikovať so spotrebiteľmi v prirodzenom jazyku s knižnicami ako NLTK a spaCy.
Záver:
V tomto návode sme sa pozreli na niektoré z najdôležitejších funkcií a nápadov Pythonu, vrátane premenných, dátových typov, slučiek, funkcií, modulov a ďalších. Diskutovalo sa aj o zložitejších témach, vrátane zoškrabovania webu, spracovania prirodzeného jazyka, paralelizmu a pripojenia k databáze. Budete mať pevný základ na to, aby ste sa mohli ďalej učiť o Pythone a jeho aplikáciách pomocou informácií, ktoré ste sa naučili v tejto lekcii.
jarná čižma
Pamätajte, že precvičovanie a vývoj kódu je najlepšou metódou, ako sa naučiť Python. Na javaTpoint môžete nájsť veľa zdrojov na podporu vášho ďalšieho vzdelávania, vrátane dokumentácie, návodov, online skupín a ďalších. Môžete ovládať Python a používať ho na vytváranie úžasných vecí, ak tvrdo pracujete a vytrváte.
Predpoklad
Predtým, ako sa naučíte Python, musíte mať základné znalosti o programovacích konceptoch.
publikum
Náš Python tutoriál je navrhnutý tak, aby pomohol začiatočníkom aj profesionálom.
Problém
Uisťujeme vás, že v tomto návode na Python nenájdete žiadny problém. Ak sa však vyskytne nejaká chyba, napíšte problém do kontaktného formulára.