Piton široko je korišten programski jezik koji nudi nekoliko jedinstvenih značajki i prednosti u usporedbi s jezicima poput Java i C++. Naš vodič za Python temeljito objašnjava osnove i napredne koncepte Pythona, počevši od instalacije, uvjetne izjave , petlje , ugrađene strukture podataka , objektno orijentirano programiranje , generatori , rukovanje iznimkama , Python RegEx i mnogi drugi koncepti. Ovaj vodič je dizajniran za početnike i profesionalce koji rade.
U kasnim 1980-ima, Guido van Rossum sanjao o razvoju Pythona. Prva verzija od Python 0.9.0 objavljen je 1991 . Od svog izdanja, Python je počeo dobivati na popularnosti. Prema izvješćima, Python je sada najpopularniji programski jezik među programerima zbog svojih visokih zahtjeva u području tehnologije.
Što je Python
Python je programski jezik opće namjene, dinamički upisan, visoke razine, kompiliran i interpretiran, čisto objektno orijentiran programski jezik koji skuplja smeće i podržava proceduralno, objektno orijentirano i funkcionalno programiranje.
Značajke Pythona:
Python ih ima mnogo sredstva temeljena na webu , projekti otvorenog koda , i živa zajednica . Učenje jezika, zajednički rad na projektima i doprinos Python ekosustavu vrlo su jednostavni za programere.
Zbog svog jednostavnog jezičnog okvira, Python je lakše razumjeti i pisati kod. To ga čini fantastičnim programskim jezikom za početnike. Osim toga, pomaže iskusnim programerima u pisanju jasnog koda bez grešaka.
Python ima mnoge biblioteke trećih strana koje se mogu koristiti za lakše funkcioniranje. Ove biblioteke pokrivaju mnoga područja, na primjer, web razvoj, znanstveno računalstvo, analizu podataka i više.
Java protiv Pythona
Python je izvrstan izbor za brzi razvoj i zadatke skriptiranja. Dok Java naglašava snažan sustav tipa i objektno orijentirano programiranje.
Evo nekoliko osnovnih programa koji ilustriraju ključne razlike među njima.
Ispis 'Hello World'
Python kod:
print('Hello World)'
U Pythonu je to jedna linija koda. Za ispis 'Hello World' potrebna je jednostavna sintaksa
Java kôd:
public class HelloWorld { public static void main(String[] args) { System.out.println('Hello, World!'); } } U Javi moramo deklarirati klase, strukture metoda i mnoge druge stvari.
Iako oba programa daju isti izlaz, možemo primijetiti razliku u sintaksi u izjavi za ispis.
centos vs redhat
- U Pythonu je lako naučiti i pisati kod. Dok je u Javi, zahtijeva više koda za obavljanje određenih zadataka.
- Python se tipizira dinamički, što znači da ne moramo deklarirati varijablu, dok je Java statistički tipizirana, što znači da moramo deklarirati tip varijable.
- Python je prikladan za različite domene kao što su Data Science, Machine Learning, Web development itd. Dok je Java prikladna za web razvoj, razvoj mobilnih aplikacija (Android) i više.
Osnovna sintaksa Pythona
U programskom jeziku Python ne koriste se vitičaste zagrade ili točka-zarez. To je jezik sličan engleskom. Ali Python koristi uvlačenje za definiranje bloka koda. Uvlačenje nije ništa drugo nego dodavanje razmaka ispred izjave kada je to potrebno.
Na primjer -
def func(): statement 1 statement 2 ………………… ………………… statement N
U gornjem primjeru, izjave koje su na istoj razini s desne strane pripadaju funkciji. Općenito, možemo koristiti četiri razmaka za definiranje uvlake.
Umjesto točke i zareza koji se koristi u drugim jezicima, Python završava svoje izjave znakom NewLine.
Python je jezik koji razlikuje velika i mala slova, što znači da se velika i mala slova različito tretiraju. Na primjer, 'name' i 'Name' dvije su različite varijable u Pythonu.
U Pythonu se komentari mogu dodavati pomoću simbola '#'. Svaki tekst napisan nakon simbola '#' smatra se komentarom i tumač ga zanemaruje. Ovaj je trik koristan za dodavanje bilješki kodu ili privremeno onemogućavanje bloka koda. Također pomaže u boljem razumijevanju koda od strane nekih drugih programera.
'Ako' , 'inače', 'za' , 'dok' , 'pokušaj', 'osim' i 'konačno' je nekoliko rezerviranih ključnih riječi u Pythonu koje se ne mogu koristiti kao nazivi varijabli. Ovi se izrazi koriste u jeziku iz posebnih razloga i imaju fiksna značenja. Ako koristite ove ključne riječi, vaš kôd može sadržavati pogreške ili ih tumač može odbaciti kao potencijalne nove varijable.
Povijest Pythona
Python je stvorio Guido van Rossum . U kasnim 1980-ima, Guido van Rossum, nizozemski programer, počeo je raditi na Pythonu dok je radio u Centrum Wiskunde & Informatica (CWI) u Nizozemskoj. Želio je stvoriti nasljednika ABC programski jezik koje bi bilo lako čitljivo i učinkovito.
U veljači 1991. objavljena je prva javna verzija Pythona, verzija 0.9.0. Ovo je označilo službeno rođenje Python kao open-source projekt . Jezik je dobio ime po britanskoj humorističkoj seriji ' Leteći cirkus Montyja Pythona '.
Razvoj Pythona je prošao kroz nekoliko faza. U siječnju 1994. objavljen je Python 1.0 kao upotrebljiv i stabilan programski jezik. Ova je verzija uključivala mnoge značajke koje su i danas prisutne u Pythonu.
Od 1990-ih do 2000-ih , Python je stekao popularnost zbog svoje jednostavnosti, čitljivosti i svestranosti. U listopadu 2000. objavljen je Python 2.0 . Python 2.0 uveo je razumijevanje popisa, sakupljanje smeća i podršku za Unicode.
U prosincu 2008. objavljen je Python 3.0. Python 3.0 uveo je nekoliko promjena koje nisu kompatibilne s prethodnim verzijama kako bi se poboljšala čitljivost koda i lakoća održavanja.
Tijekom 2010-ih, popularnost Pythona je rasla, posebno u poljima kao što su strojno učenje i web razvoj. Njegov bogati ekosustav biblioteka i okvira učinio ga je omiljenim među programerima.
The Python Software Foundation (PSF) osnovan je 2001 promovirati, zaštititi i unaprijediti programski jezik Python i njegovu zajednicu.
Zašto naučiti Python?
Python pruža mnogo korisnih značajki programeru. Ove značajke ga čine najpopularnijim i najraširenijim jezikom. U nastavku smo naveli nekoliko bitnih značajki Pythona.
- Objektno orijentirani jezik : Podržava objektno orijentirano programiranje, čineći pisanje višekratnog i modularnog koda lakim.
Gdje se koristi Python?
Python je popularan programski jezik opće namjene i koristi se u gotovo svim tehničkim područjima. U nastavku su navedena različita područja upotrebe Pythona.
- Umjetna inteligencija : AI je tehnologija u nastajanju, a Python je savršen jezik za umjetnu inteligenciju i strojno učenje zbog dostupnosti moćnih biblioteka kao što su TensorFlow, Keras i PyTorch.
- DevOps : Python se široko koristi u DevOps za automatizaciju i skriptiranje upravljanja infrastrukturom, upravljanje konfiguracijom i procese implementacije.
- Zahtjevi : biblioteka za izradu HTTP zahtjeva
- SQLAlkemija : biblioteka za rad sa SQL bazama podataka
- Očajan : okvir za izgradnju multi-touch aplikacija
- Pygame : knjižnica za razvoj igrica
- REST okvir : skup alata za izgradnju RESTful API-ja
- FastAPI : moderan, brz web okvir za izgradnju API-ja
- Potočno osvijetljen : knjižnica za izradu interaktivnih web aplikacija za strojno učenje i znanost o podacima
- NLTK : knjižnica za obradu prirodnog jezika
Python ima širok raspon biblioteka i okvira koji se naširoko koriste u raznim područjima kao što su strojno učenje, umjetna inteligencija, web aplikacije itd. Neke popularne okvire i biblioteke Pythona definiramo na sljedeći način.
Python print() funkcija
Python print() funkcija koristi se za prikaz izlaza na konzoli ili terminalu. Omogućuje nam prikaz teksta, varijabli i drugih podataka u formatu čitljivom za čovjeka.
Sintaksa:
print(objekt(i), sep=razdjelnik, kraj=kraj, datoteka=datoteka, ispiranje=ispiranje)
Uzima jedan ili više argumenata odvojenih zarezom(,) i prema zadanim postavkama dodaje 'novi red' na kraju.
Parametri:
- objekt(i) - Onoliko koliko želite podataka za prikaz, prvo će se pretvoriti u niz i ispisati na konzoli.
- sep - Odvaja objekte proslijeđenim razdjelnikom, zadana vrijednost = ' '.
- kraj - Završava red znakom novog retka
- datoteka - objekt datoteke s metodom pisanja, zadana vrijednost = sys.stdout
Primjer:
# 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)) Izlaz:
Hello, World! Name: Aman Age: 21 X = 5 y = 7 Sum = 12 Score: 85.75%
U ovom primjeru, ispis naredbe koristi se za ispis niza, cijelih brojeva i vrijednosti s pomičnim zarezom u formatu čitljivom za čovjeka.
Izjava za ispis može se koristiti za otklanjanje pogrešaka, zapisivanje i pružanje informacija korisniku.
Python uvjetne izjave
Uvjetne naredbe pomažu nam izvršiti određeni blok za određeni uvjet. U ovom vodiču naučit ćemo kako koristiti uvjetni izraz za izvršavanje različitih blokova naredbi. Python nudi ključne riječi if i else za postavljanje logičkih uvjeta. The Elif ključna riječ također se koristi kao uvjetna izjava.
Primjer koda za naredbu 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')
Izlaz:
x is greater than y
U gornjem kodu imamo dvije varijable, x i y, s 10 odnosno 5. Zatim smo upotrijebili if..else naredbu da provjerimo je li x veći od y ili obrnuto. Ako je prvi uvjet istinit, ispisuje se iskaz 'x je veći od y'. Ako je prvi uvjet netočan, umjesto njega se ispisuje izjava 'y je veće ili jednako x'.
Ključna riječ if provjerava je li uvjet istinit i izvršava blok koda unutar njega. Kod unutar bloka else se izvršava ako je uvjet lažan. Na ovaj način, naredba if..else pomaže nam da izvršimo različite blokove koda na temelju uvjeta.
O tome ćemo detaljnije naučiti u daljnjem članku za Python tutorial.
Python petlje
Ponekad ćemo možda trebati promijeniti tijek programa. Izvršenje određenog koda možda će se morati ponoviti nekoliko puta. U tu svrhu, programski jezici pružaju različite petlje koje mogu nekoliko puta ponoviti određeni kod. Razmotrite sljedeći vodič kako biste detaljno razumjeli izjave.
Python za petlju
fruits = ['apple', 'banana', 'cherry'] for x in fruits: print(x, end=' ')
Izlaz:
apple banana cherry
Python while petlja
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:> U gornjem primjeru koda demonstrirali smo korištenje dvije vrste petlji u Pythonu - petlje For i While petlje.
For petlja se koristi za ponavljanje niza stavki, kao što su popis, tuple ili niz. U primjeru smo definirali popis voća i upotrijebili for petlju za ispis svakog voća, ali se također može koristiti za ispis niza brojeva.
Dok petlja ponavlja blok koda ako je navedeni uvjet istinit. U primjeru smo inicijalizirali varijablu i na 1 i upotrijebili petlju while za ispis vrijednosti i dok ne postane veća ili jednaka 6. Naredba i += 1 koristi se za povećanje vrijednosti i u svakoj iteraciji .
O njima ćemo detaljno naučiti u tutorialu.
Python strukture podataka
Python nudi četiri ugrađene strukture podataka: popisi , tuples , postavlja , i rječnicima koji nam omogućuju učinkovito pohranjivanje podataka. Ispod su najčešće korištene strukture podataka u Pythonu, zajedno s primjerom koda:
1. Popisi
- Popisi su naručene zbirke podatkovnih elemenata različitih tipova podataka.
- Popisi su promjenjiv što znači da se popis može mijenjati bilo kada.
- Elementi mogu biti pristupiti pomoću indeksa .
- Definiraju se pomoću uglatih zagrada ' [] '.
Primjer:
# 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)
Izlaz:
java char u int
fuirts[1] = banana fruits = ['apple', 'banana', 'cherry', 'orange'] sum_nums = 15
2. Tuples
- Tuples su također naručene zbirke podatkovnih elemenata različitih tipova podataka, slično popisima.
- Elementi mogu biti pristupiti pomoću indeksa .
- Torke su nepromjenjiv što znači da se torke ne mogu mijenjati nakon što su stvorene.
- Definiraju se korištenjem otvorene zagrade ' () '.
Primjer:
# 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_)
Izlaz:
(x, y) = 3 4 Tuple = ('apple', 'banana', 'cherry', 'orange')
3. Garniture
- Setovi su nesređena zbirke nepromjenjivih podatkovnih elemenata različitih tipova podataka.
- Setovi su promjenjiv .
- Elementima se ne može pristupiti pomoću indeksa.
- Setovi ne sadrže duple elemente .
- Definiraju se pomoću vitičastih zagrada ' {} '
Primjer:
# 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) Izlaz:
set1 = {1, 2, 3, 4} set2 = {'apple', 'cherry', 'orange', 'banana'} 4. Rječnici
- Rječnik su parovi ključ-vrijednost koji vam omogućuju pridruživanje vrijednosti jedinstvenim ključevima.
- Definiraju se pomoću vitičastih zagrada ' {} ' s parovima ključ-vrijednost odvojene dvotočkom ':' .
- Rječnici su promjenjiv .
- Elementima se može pristupiti pomoću tipki.
Primjer:
# Create a dictionary person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} print('person =', person) print(person['name']) # Modify Dictionary person['age'] = 27 print('person =', person) Izlaz:
person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} Umesh person = {'name': 'Umesh', 'age': 27, 'city': 'Noida'} Ovo je samo nekoliko primjera struktura podataka ugrađenih u Python. Svaka struktura podataka ima svoje karakteristike i slučajeve upotrebe.
Python funkcionalno programiranje
Ovaj odjeljak vodiča za Python definira neke važne alate koji se odnose na funkcionalno programiranje, kao što su lambda i rekurzivne funkcije. Ove su funkcije vrlo učinkovite u izvršavanju složenih zadataka. Definiramo nekoliko važnih funkcija, kao što su smanjivanje, mapiranje i filtriranje. Python nudi modul functools koji uključuje različite alate za funkcionalno programiranje. Posjetite sljedeći vodič kako biste saznali više o funkcionalnom programiranju.
Najnovije verzije Pythona uvele su značajke koje funkcionalno programiranje čine sažetijim i izražajnijim. Na primjer, 'walrus operator':= dopušta unutarnje dodjeljivanje varijabli u izrazima, što može biti korisno pri radu s ugniježđenim pozivima funkcija ili razumijevanjem popisa.
Python funkcija
- Lambda funkcija - Lambda funkcija je mala, anonimna funkcija koji može uzeti bilo koji broj argumenata, ali može imati samo jedan izraz. Lambda funkcije često se koriste u funkcionalnom programiranju za stvaranje funkcija 'u hodu' bez definiranja imenovane funkcije.
- Rekurzivna funkcija - Rekurzivna funkcija je funkcija koja sama sebe poziva da riješi problem. Rekurzivne funkcije često se koriste u funkcionalnom programiranju za izvođenje složenih izračuna ili za prolaženje složenih podatkovnih struktura.
- Funkcija karte - Funkcija map() primjenjuje danu funkciju na svaku stavku iterabla i vraća novi iterabil s rezultatima. Ulazni iterable može biti popis, tuple ili nešto drugo.
- Funkcija filtra - Funkcija filter() vraća iterator iz iterabla za koji funkcija proslijeđena kao prvi argument vraća True. Filtrira stavke iz iterabla koje ne ispunjavaju zadani uvjet.
- Smanjite funkciju - Funkcija reduce() primjenjuje funkciju dvaju argumenata kumulativno na stavke iterabilnog elementa slijeva na desno kako bi ga svela na jednu vrijednost.
- modul functools - Modul functools u Pythonu pruža funkcije višeg reda koje rade na drugim funkcijama, kao što su partial() i reduce().
- Curry funkcija - Currying funkcija je funkcija koja uzima više argumenata i vraća niz funkcija od kojih svaka uzima jedan argument.
- Funkcija pamćenja - Memoizacija je tehnika koja se koristi u funkcionalnom programiranju za spremanje u predmemoriju rezultata skupih poziva funkcija i vraćanje rezultata u predmemoriji kada se isti unosi ponovno pojave.
- Threading funkcija - Threading je tehnika koja se koristi u funkcionalnom programiranju za pokretanje više zadataka istovremeno kako bi kod bio učinkovitiji i brži.
Python moduli
Python moduli su programske datoteke koje sadrže Python kod ili funkcije. Python ima dvije vrste modula - korisnički definirane module i ugrađene module. Modul koji korisnik definira ili naš Python kod spremljen s ekstenzijom .py tretira se kao modul koji definira korisnik.
Ugrađeni moduli su unaprijed definirani moduli Pythona. Da bismo koristili funkcionalnost modula, moramo ih uvesti u naš trenutni radni program.
Moduli Pythona ključni su za ekosustav jezika budući da nude višekratni kod i funkcionalnost koja se može uvesti u bilo koji program na Pythonu. Evo nekoliko primjera nekoliko Python modula, zajedno s kratkim opisom svakog od njih:
matematika : Omogućuje korisnicima pristup matematičkim konstantama te pi i trigonometrijskim funkcijama.
Datum vrijeme : Pruža klase za jednostavniji način manipuliranja datumima, vremenima i razdobljima.
VAS : Omogućuje interakciju s osnovnim operativnim sustavom, uključujući administraciju procesa i aktivnosti sustava datoteka.
slučajan : Slučajna funkcija nudi alate za generiranje nasumičnih cijelih brojeva i odabir nasumičnih stavki s popisa.
JSON : JSON je struktura podataka koja se može kodirati i dekodirati i često se koristi u mrežnim API-jima i razmjeni podataka. Ovaj modul omogućuje rad s JSON-om.
Ponovno : Podržava regularne izraze, snažan alat za pretraživanje i manipulaciju tekstom.
Zbirke : Pruža alternativne strukture podataka kao što su sortirani rječnici, zadani rječnici i imenovane torke.
NumPy : NumPy je temeljni alat za znanstveno računalstvo koji podržava numeričke operacije na nizovima i matricama.
Pande : Pruža strukture podataka visoke razine i operacije za rad s vremenskim serijama i drugim strukturiranim tipovima podataka.
Zahtjevi : Nudi jednostavno korisničko sučelje za web API-je i izvršava HTTP zahtjeve.
Python datoteka I/O
Datoteke se koriste za pohranu podataka na disk računala. U ovom vodiču objašnjavamo ugrađeni objekt datoteke Pythona. Možemo otvoriti datoteku pomoću Python skripte i izvršiti razne operacije poput pisanja, čitanja i dodavanja. Postoje različiti načini otvaranja datoteke. Objašnjeno nam je relevantnim primjerom. Također ćemo naučiti izvoditi operacije čitanja/pisanja na binarnim datotekama.
Pythonov ulazno/izlazni (I/O) sustav datoteka nudi programe za komunikaciju s datotekama pohranjenima na disku. Ugrađene metode Pythona za objekt datoteke omogućuju nam izvršavanje radnji poput čitanja, pisanja i dodavanja podataka u datoteke.
The otvoren() metoda u Pythonu stvara objekt datoteke pri radu s datotekama. Naziv datoteke koju treba otvoriti i način na koji se datoteka otvara dva su parametra koja zahtijeva ova funkcija. Način se može koristiti prema poslu koji treba obaviti s datotekom, kao što je ' r 'za čitanje,' U 'za pisanje, ili' a ' za pričvršćivanje.
Nakon uspješnog kreiranja objekta, različite metode se mogu koristiti u skladu s našim radom. Ako želimo pisati u datoteku, možemo koristiti funkcije write(), a ako želite čitati i pisati oboje, tada možemo koristiti funkciju append() i, u slučajevima kada želimo samo čitati sadržaj datoteku možemo koristiti funkciju read(). S binarnim datotekama koje sadrže podatke u binarnom, a ne tekstualnom formatu također se može raditi pomoću Pythona. Binarne datoteke napisane su na način koji ljudi ne mogu izravno razumjeti. The rb i wb načini mogu čitati i pisati binarne podatke u binarne datoteke.
Python iznimke
Iznimka se može definirati kao neobično stanje u programu koje rezultira prekidom u tijeku programa.
Kad god se dogodi iznimka, program zaustavlja izvršenje, pa se drugi kod ne izvršava. Stoga su iznimka pogreške tijekom izvođenja koje se ne mogu obraditi s Python skriptom. Izuzetak je Python objekt koji predstavlja pogrešku.
Python iznimke su važan aspekt rukovanja pogreškama u Python programiranju. Kada program naiđe na neočekivanu situaciju ili pogrešku, može pokrenuti iznimku koja može prekinuti normalan tijek programa.
U Pythonu su iznimke predstavljene kao objekti koji sadrže informacije o pogrešci, uključujući njenu vrstu i poruku. Najčešća vrsta iznimke u Pythonu je klasa iznimke, osnovna klasa za sve ostale ugrađene iznimke.
Za rukovanje iznimkama u Pythonu koristimo probati i osim izjave. The probati naredba se koristi za uključivanje koda koji može izazvati iznimku, dok osim naredba se koristi za definiranje bloka koda koji bi se trebao izvršiti kada dođe do iznimke.
Na primjer, razmotrite sljedeći kôd:
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')
Izlaz:
Enter a number: 0 Error: Division by zero
U ovom kodu koristimo naredbu try za pokušaj izvođenja operacije dijeljenja. Ako bilo koja od ovih operacija pokrene iznimku, izvršava se odgovarajući blok osim.
Python također nudi mnoge ugrađene iznimke koje se mogu pokrenuti u sličnim situacijama. Neke uobičajene ugrađene iznimke uključuju IndexError, TypeError , i NameError . Također, možemo definirati naše prilagođene iznimke stvaranjem nove klase koja nasljeđuje klasu Exception.
Python CSV
CSV je kratica za 'vrijednosti odvojene zarezima', što je definirano kao jednostavan format datoteke koji koristi specifično strukturiranje za raspoređivanje tabelarnih podataka. Pohranjuje tablične podatke kao što su proračunske tablice ili baze podataka u običnom tekstu i ima zajednički format za razmjenu podataka. CSV datoteka otvara se u Excel listu, a podaci o redcima i stupcima definiraju standardni format.
Možemo koristiti funkciju CSV.reader za čitanje CSV datoteke. Ova funkcija vraća objekt čitača koji možemo koristiti za ponavljanje preko redaka u CSV datoteci. Svaki redak se vraća kao popis vrijednosti, gdje svaka vrijednost odgovara stupcu u CSV datoteci.
Na primjer, razmotrite sljedeći kôd:
import csv with open('data.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)
Ovdje otvaramo datoteku data.csv u načinu čitanja i stvaramo csv.čitač objekt pomoću csv.čitač() funkcija. Zatim ponavljamo retke u CSV datoteci koristeći for petlju i ispisujemo svaki red na konzoli.
Možemo koristiti CSV.writer() funkcija za pisanje podataka u CSV datoteku. Vraća objekt pisca koji možemo koristiti za pisanje redaka u CSV datoteku. Možemo pisati redove pozivom pisac () metoda na objektu pisca.
Na primjer, razmotrite sljedeći kôd:
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)
U ovom programu stvaramo popis popisa koji se nazivaju podaci, gdje svaki unutarnji popis predstavlja red podataka. Zatim otvaramo datoteku data.csv u načinu pisanja i stvaramo CSV.pisač objekt pomoću funkcije CSV.writer. Zatim ponavljamo retke u podacima pomoću petlje for i svaki redak upisujemo u CSV datoteku pomoću metode pisanja.
Python šalje poštu
Pomoću Python skripte možemo poslati ili pročitati mail. Moduli standardne knjižnice Pythona korisni su za rukovanje raznim protokolima kao što su PoP3 i IMAP. Python pruža smtplib modul za slanje e-pošte koristeći SMTP (Simple Mail Transfer Protocol). Naučit ćemo kako putem Python skripte slati poštu popularnom uslugom e-pošte SMTP.
Python magične metode
Python čarobna metoda je posebna metoda koja dodaje 'magiju' klasi. Počinje i završava dvostrukim podvlakama, na primjer, _vruće_ ili _str_ .
Ugrađene klase definiraju mnoge čarobne metode. The vas() funkcija se može koristiti za pregled broja čarobnih metoda koje je naslijedila klasa. Ima dva prefiksa i sufiks podvlake u nazivu metode.
- Python magične metode također su poznate kao dunder metode , skraćenica za metode 'dvostruka podvlaka' jer njihova imena počinju i završavaju dvostrukom podvlakom.
- Čarobne metode Python tumač automatski poziva u određenim situacijama, kao što je kada se objekt kreira, uspoređuje s drugim objektom ili ispisuje.
- Čarobne metode mogu se koristiti za prilagodbu ponašanja klasa, kao što je definiranje načina na koji se objekti uspoređuju, pretvaraju u nizove ili im se pristupa kao spremnicima.
- Neke često korištene čarobne metode uključuju toplina za inicijaliziranje objekta, str za pretvaranje objekta u niz, ekv za usporedbu dva objekta radi jednakosti, i naslovljen i setitem za pristup stavkama u objektu spremnika.
Na primjer, str čarobna metoda može definirati kako objekt treba biti predstavljen kao niz. Evo primjera
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) Izlaz:
Vikas (22)
U ovom primjeru, str metoda je definirana da vrati formatirani prikaz niza objekta Person s imenom i dobi osobe.
Još jedna često korištena čarobna metoda je ekv , koji definira kako se objekti trebaju uspoređivati radi jednakosti. Evo primjera:
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)
Izlaz:
False True
U ovom primjeru, ekv definirana je da vrati True ako dva Point objekta imaju iste x i y koordinate i False u suprotnom.
Python Ups koncepti
Sve se u Pythonu tretira kao objekt, uključujući cjelobrojne vrijednosti, floatove, funkcije, klase i ništa. Osim toga, Python podržava sve orijentirane koncepte. Dolje je kratak uvod u koncepte Oops Pythona.
- Klase i objekti - Python klase su nacrti objekta. Objekt je zbirka podataka i metoda koje djeluju na podatke.
- Nasljedstvo - Nasljeđivanje je tehnika u kojoj jedna klasa nasljeđuje svojstva drugih klasa.
- Konstruktor - Python nudi posebnu metodu __init__() koja je poznata kao konstruktor. Ova se metoda automatski poziva kada se objekt instancira.
- Polimorfizam - Polimorfizam je koncept gdje objekt može poprimiti mnogo oblika. U Pythonu se polimorfizam može postići preopterećenjem metode i nadjačavanjem metode.
- Nadjačavanje metode - Nadjačavanje metode je koncept gdje potklasa implementira metodu koja je već definirana u svojoj superklasi.
- Enkapsulacija - Enkapsulacija je omatanje podataka i metoda u jednu jedinicu. U Pythonu, enkapsulacija se postiže modifikatorima pristupa, kao što su javni, privatni i zaštićeni. Međutim, Python ne primjenjuje striktno modifikatore pristupa, a konvencija imenovanja označava razinu pristupa.
- Apstrakcija podataka : tehnika za skrivanje složenosti podataka i prikazivanje samo bitnih značajki korisniku. Omogućuje sučelje za interakciju s podacima. Apstrakcija podataka smanjuje složenost i čini kod modularnijim, omogućujući programerima da se usredotoče na bitne značajke programa.
Da biste detaljno pročitali koncept Ups, posjetite sljedeće izvore.
- Python Ups Koncepti - U Pythonu, objektno orijentirana paradigma je dizajniranje programa korištenjem klasa i objekata. Objekt je povezan s entitetima stvarne riječi kao što su knjiga, kuća, olovka itd., a klasa definira njegova svojstva i ponašanja.
- Python objekti i klase - U Pythonu objekti su instance klasa, a klase su nacrti koji definiraju strukturu i ponašanje podataka.
- Python konstruktor - Konstruktor je posebna metoda u klasi koja se koristi za inicijalizaciju atributa objekta kada se objekt kreira.
- Python nasljeđivanje - Nasljeđivanje je mehanizam u kojem nova klasa (potklasa ili klasa dijete) nasljeđuje svojstva i ponašanja postojeće klase (super klasa ili klasa roditelj).
- Python polimorfizam - polimorfizam dopušta da se objekti različitih klasa tretiraju kao objekti zajedničke superklase, što omogućuje da se različite klase koriste naizmjenično kroz zajedničko sučelje.
Python napredne teme
Python uključuje mnoge prednosti i korisne koncepte koji pomažu programeru u rješavanju složenih zadataka. Ovi koncepti su navedeni u nastavku.
Python iterator
Iterator je jednostavno objekt po kojem se može ponavljati. Vraća jedan po jedan objekt. Može se implementirati pomoću dvije posebne metode, __iter__() i __sljedeći__().
Iteratori u Pythonu su objekti koji dopuštaju iteraciju preko zbirke podataka. Obrađuju svaki element zbirke zasebno bez učitavanja cijele zbirke u memoriju.
Na primjer, stvorimo iterator koji vraća kvadrate brojeva do zadane granice:
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></=> U ovom smo primjeru stvorili klasu Squares koja djeluje kao iterator implementacijom metoda __iter__() i __next__(). Metoda __iter__() vraća sam objekt, a metoda __next__() vraća sljedeći kvadrat broja dok se ne dosegne ograničenje.
Da biste saznali više o iteratorima, posjetite naš vodič za iteratore Pythona.
Python generatori
Python generatori proizvesti niz vrijednosti koristeći izjavu o prinosu a ne return budući da su to funkcije koje vraćaju iteratore. Generatori prekidaju izvršavanje funkcije zadržavajući lokalno stanje. Nastavlja tamo gdje je stao kada se ponovno pokrene. Budući da ne moramo implementirati protokol iteratora zahvaljujući ovoj značajci, pisanje iteratora postalo je jednostavnije. Ovdje je ilustracija jednostavne funkcije generatora koja proizvodi kvadrate brojeva:
# 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)
Izlaz:
0 1 4 9 16
Python modifikatori
Python dekorateri su funkcije koje se koriste za modificiranje ponašanja druge funkcije. Omogućuju dodavanje funkcionalnosti postojećoj funkciji bez izravne izmjene njezina koda. Dekorateri se definiraju pomoću @ simbol iza kojeg slijedi naziv funkcije dekoratera. Mogu se koristiti za bilježenje, mjerenje vremena, predmemoriju itd.
Evo primjera funkcije dekoratera koja dodaje funkciju mjerenja vremena drugoj funkciji:
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) Izlaz:
U gornjem primjeru, funkcija dekoratera time_it uzima drugu funkciju kao argument i vraća funkciju omotača. Funkcija omotača izračunava vrijeme za izvršavanje izvorne funkcije i ispisuje ga na konzoli. Dekorator @time_it koristi se za primjenu funkcije time_it na funkciju my_function. Kada se pozove my_function, dekorater se izvršava i dodaje se funkcija mjerenja vremena.
Python MySQL
Python MySQL moćan je sustav za upravljanje relacijskim bazama podataka. Moramo postaviti okruženje i uspostaviti vezu za korištenje MySQL-a s Pythonom. Možemo stvoriti novu bazu podataka i tablice pomoću SQL naredbi u Pythonu.
- Postavljanje okruženja : Instaliranje i konfiguriranje MySQL Connector/Python za korištenje Pythona s MySQL.
- Veza s bazom podataka : Uspostavljanje veze između Pythona i MySQL baze podataka pomoću MySQL Connector/Python.
- Stvaranje nove baze podataka : Stvaranje nove baze podataka u MySQL pomoću Pythona.
- Izrada tablica : Izrada tablica u MySQL bazi podataka s Pythonom pomoću SQL naredbi.
- Operacija umetanja : Umetnite podatke u MySQL tablice pomoću Python i SQL naredbi.
- Pročitajte Operaciju : Čitanje podataka iz MySQL tablica pomoću Python i SQL naredbi.
- Operacija ažuriranja : Ažuriranje podataka u MySQL tablicama pomoću Python i SQL naredbi.
- Pridružite se operaciji : Spajanje dvije ili više tablica u MySQL pomoću Python i SQL naredbi.
- Izvođenje transakcija : Izvođenje grupe SQL upita kao jedne jedinice rada u MySQL-u pomoću Pythona.
Ostale relativne točke uključuju rukovanje pogreškama, stvaranje indeksa i korištenje pohranjenih procedura i funkcija u MySQL-u s Pythonom.
Python MongoDB
Python MongoDB je popularna NoSQL baza podataka koja pohranjuje podatke u dokumente slične JSON-u. Bez sheme je i pruža visoku skalabilnost i fleksibilnost za pohranu podataka. Možemo koristiti MongoDB s Pythonom pomoću biblioteke PyMongo, koja pruža jednostavno i intuitivno sučelje za interakciju s MongoDB-om.
Evo nekih uobičajenih zadataka pri radu s MongoDB-om u Pythonu:
- Postavljanje okruženja : Instalirajte i konfigurirajte MongoDB i PyMongo biblioteku na vašem sustavu.
- Veza s bazom podataka : Povežite se s MongoDB poslužiteljem pomoću klase MongoClient iz PyMonga.
- Izrada nove baze podataka : Koristite MongoClient Object za stvaranje nove baze podataka.
- Stvaranje kolekcija : Stvorite zbirke unutar baze podataka za pohranu dokumenata.
- Umetanje dokumenata : Umetnite nove dokumente u kolekciju koristeći metode insert_one() ili insert_many().
- Upit za dokumente : Dohvatite dokumente iz zbirke pomoću različitih metoda upita kao što su find_one(), find() itd.
- Ažuriranje dokumenata : Izmijenite postojeće dokumente u kolekciji pomoću metoda update_one() ili update_many().
- Brisanje dokumenata : Uklonite dokumente iz zbirke korištenjem metoda delete_one() ili delete_many().
- Agregacija : Izvedite operacije združivanja poput grupiranja, brojanja itd., koristeći okvir cjevovoda združivanja.
Postoji mnogo naprednijih tema u MongoDB-u, kao što su dijeljenje podataka, replikacija i više, ali ovi zadaci pokrivaju osnove rada s MongoDB-om u Pythonu.
Python SQLite
Relacijske baze podataka izrađuju se i održavaju pomoću Python SQLite, kompaktnog, samostalnog mehanizma baze podataka bez poslužitelja. Njegova mobilnost i jednostavnost čine ga popularnom opcijom za lokalne ili male primjene. Python ima ugrađeni modul za povezivanje sa SQLite bazama podataka pod nazivom SQLite3, koji programerima omogućuje rad sa SQLite bazama podataka bez poteškoća.
Razne API metode dostupne su kroz SQLite3 biblioteku koje se mogu koristiti za pokretanje SQL upita, umetanje, odabir, ažuriranje i uklanjanje podataka, kao i za dobivanje podataka iz tablica. Osim toga, dopušta transakcije, omogućujući programerima da ponište promjene u slučaju problema. Python SQLite je fantastična opcija za stvaranje programa koji trebaju ugrađeni sustav baze podataka, uključujući programe za stolna računala, mobilne uređaje i web programe skromne veličine. SQLite je postao popularan među programerima za lagane aplikacije s funkcionalnošću baze podataka zahvaljujući jednostavnosti korištenja, prenosivosti i glatkoj vezi s Pythonom.
Python CGI
Python CGI je tehnologija za pokretanje skripti kroz web poslužitelje za proizvodnju dinamičkog mrežnog sadržaja. Nudi komunikacijski kanal i sučelje za dinamičko generiranje sadržaja za vanjske CGI skripte i web poslužitelj. Python CGI skripte mogu stvarati HTML web stranice, rukovati unosom obrazaca i komunicirati s bazama podataka. Python CGI omogućuje poslužitelju izvođenje Python skripti i pružanje rezultata klijentu, nudeći brz i učinkovit pristup stvaranju dinamičkih online aplikacija.
Python CGI skripte mogu se koristiti za mnoge stvari, uključujući stvaranje dinamičkih web stranica, obradu obrazaca i interakciju s bazama podataka. Budući da se Python, moćan i popularan programski jezik, može koristiti za izradu skripti, omogućuje prilagođeniji i fleksibilniji pristup izradi weba. Skalabilne, sigurne i održive online aplikacije mogu se izraditi s Python CGI. Python CGI je zgodan alat za web programere koji grade dinamične i interaktivne online aplikacije.
Asinkrono programiranje u Pythonu
Asinkrono programiranje je paradigma za računalno programiranje koja omogućuje neovisno i istovremeno odvijanje aktivnosti. Često se koristi u aplikacijama kao što su web poslužitelji, softver za baze podataka i mrežno programiranje, gdje se nekoliko zadataka ili zahtjeva mora obrađivati istovremeno.
Python ima asyncio, Twisted i Tornado među svojim bibliotekama i okvirima za asinkrono programiranje. Asyncio, jedan od njih, nudi jednostavno sučelje za asinkrono programiranje i službena je biblioteka za asinkrono programiranje u Pythonu.
Korutine su funkcije koje se mogu zaustaviti i ponovno pokrenuti na određenim mjestima u kodu, a koristi ih asyncio. To omogućuje da brojne korutine rade istovremeno bez međusobnog ometanja. Za izradu i održavanje korutina, knjižnica nudi nekoliko klasa i metoda, uključujući asyncio.gather(), asyncio.wait(), i asyncio.create_task().
Petlje događaja, koje su zadužene za planiranje i rad korutina, još su jedna značajka asyncia. Kruženjem između korutina na način koji ne blokira, petlja događaja kontrolira izvršenje korutina i osigurava da nijedna korutina ne blokira drugu. Osim toga, podržava mjerače vremena i planiranje povratnih poziva, što može biti od pomoći kada se aktivnosti moraju dovršiti u određenim vremenima ili intervalima.
Python konkurentnost
Uvjet ' konkurencija ' opisuje sposobnost programa da izvrši nekoliko zadataka odjednom, povećavajući učinkovitost programa. Python nudi nekoliko modula i metoda povezanih s paralelnošću, uključujući asinkrono programiranje, višeprocesiranje i višenitnost. Dok multiprocessing uključuje pokretanje mnogih procesa istovremeno na sustavu, multithreading uključuje pokretanje brojnih niti istovremeno unutar jednog procesa.
The modul navoja u Pythonu omogućuje programerima izgradnju višenitnosti. Nudi klase i operacije za uspostavljanje i kontrolu niti. S druge strane, višeprocesni modul omogućuje programerima da dizajniraju i kontroliraju procese. Pythonov asyncio modul pruža podršku za asinkrono programiranje, omogućujući razvojnim programerima da napišu neblokirajući kod koji može nositi s više zadataka istovremeno. Koristeći ove tehnike, programeri mogu pisati skalabilne programe visokih performansi koji mogu rješavati više zadataka istovremeno.
Pythonov modul threadinga omogućuje istovremeno izvršavanje nekoliko niti unutar jednog procesa, što je korisno za I/O-vezane aktivnosti.
Za CPU-intenzivne operacije poput obrade slike ili analize podataka, višeprocesni moduli omogućuju istovremeno izvršavanje brojnih procesa u više CPU jezgri.
Modul asyncio podržava asinkroni I/O i dopušta stvaranje istodobnog koda s jednom niti pomoću korutina za mrežne aplikacije s visokom konkurentnošću.
S bibliotekama poput Daska, PySpark , i MPI, Python se također može koristiti za paralelno računanje. Ove biblioteke omogućuju raspodjelu radnih opterećenja na brojne čvorove ili klastere za bolju izvedbu.
Web Scrapping pomoću Pythona
Proces web skrapinga koristi se za automatsko dohvaćanje podataka s web stranica. Različiti alati i biblioteke izdvajaju podatke iz HTML-a i drugih mrežnih formata. Python je jedan od najčešće korištenih programskih jezika za skrapiranje weba zbog svoje jednostavnosti upotrebe, prilagodljivosti i raznolikosti biblioteka.
Moramo poduzeti nekoliko koraka kako bismo izvršili struganje weba pomoću Pythona. Prvo moramo odlučiti koju ćemo web-stranicu analizirati i koje ćemo informacije prikupiti. Zatim možemo podnijeti zahtjev web stranici i primiti HTML sadržaj pomoću Pythonovog paketa zahtjeva. Jednom kada imamo HTML tekst, možemo izdvojiti potrebne podatke korištenjem raznih paketa za raščlanjivanje, kao što je Prekrasna juha i lxml .
Možemo upotrijebiti nekoliko strategija, poput usporavanja zahtjeva, korištenja korisničkih agenata i korištenja proxyja, kako bismo spriječili preopterećenje poslužitelja web stranice. Također je ključno pridržavati se uvjeta usluge za web mjesto i poštivati njegovu datoteku robots.txt.
Iskopavanje podataka, stvaranje potencijalnih klijenata, praćenje cijena i mnoge druge upotrebe moguće su za skrapiranje weba. Međutim, budući da neovlašteno struganje weba može biti protivzakonito i neetično, ključno ga je koristiti profesionalno i etički.
Obrada prirodnog jezika (NLP) pomoću Pythona
Grana umjetne inteligencije (AI) pod nazivom 'obrada prirodnog jezika' (NLP) proučava interakciju računala i ljudskog jezika. Zahvaljujući NLP-u, računala sada mogu razumjeti, interpretirati i proizvesti ljudski jezik. Zbog svoje jednostavnosti, svestranosti i jakih biblioteka kao što su NLTK (Natural Language Toolkit) i spaCy, Python je dobro poznati programski jezik za NLP.
Za NLP zadatke, uključujući tokenizaciju, stvaranje korijena, lematizaciju, označavanje dijela govora, identifikaciju imenovanih entiteta, analizu osjećaja i druge, NLTK pruža potpunu biblioteku. Ima razne korpuse (velike, organizirane zbirke teksta) za razvoj i procjenu NLP modela. Još jedna popularna biblioteka za NLP zadatke je spaCy, koja nudi brzu i učinkovitu obradu golemih količina teksta. Omogućuje jednostavnu izmjenu i proširenje i dolazi s unaprijed obučenim modelima za različita NLP radna opterećenja.
NLP se može koristiti u Pythonu u razne praktične svrhe, uključujući chatbotove, analizu osjećaja, kategorizaciju teksta, strojno prevođenje i još mnogo toga. NLP koriste, na primjer, chatbotovi za razumijevanje i odgovaranje na upite korisnika u stilu prirodnog jezika. Analiza sentimenta, koja može biti korisna za praćenje brenda, analizu povratnih informacija kupaca i druge svrhe, koristi NLP za kategorizaciju sentimenta teksta (pozitivan, negativan ili neutralan). Tekstualni dokumenti kategoriziraju se pomoću obrade prirodnog jezika (NLP) u unaprijed utvrđene kategorije za otkrivanje neželjene pošte, kategorizaciju vijesti i druge svrhe.
Python je snažan i koristan alat za analizu i obradu ljudskog jezika. Programeri mogu provoditi razne NLP aktivnosti i stvarati korisne aplikacije koje mogu komunicirati s potrošačima na prirodnom jeziku s bibliotekama kao što su NLTK i spaCy.
Zaključak:
U ovom vodiču pogledali smo neke od najvažnijih značajki i ideja Pythona, uključujući varijable, tipove podataka, petlje, funkcije, module i još mnogo toga. Također se raspravljalo o složenijim temama, uključujući web scraping, obradu prirodnog jezika, paralelizam i povezivanje s bazom podataka. Imat ćete čvrstu osnovu za nastavak učenja o Pythonu i njegovim aplikacijama koristeći informacije koje ste naučili iz ove lekcije.
pretvoriti niz u json objekt
Upamtite da je vježbanje i razvoj koda najbolja metoda za učenje Pythona. Na javaTpointu možete pronaći mnoge resurse koji će podržati vaše daljnje učenje, uključujući dokumentaciju, upute, online grupe i još mnogo toga. Možete svladati Python i koristiti ga za stvaranje prekrasnih stvari ako marljivo radite i ustrajete.
Preduvjet
Prije nego naučite Python, morate imati osnovno znanje o konceptima programiranja.
Publika
Naš vodič za Python osmišljen je kao pomoć početnicima i profesionalcima.
Problem
Uvjeravamo vas da u ovom vodiču za Python nećete pronaći nikakav problem. Ali ako postoji bilo kakva pogreška, objavite problem u obrascu za kontakt.