Python dùng để làm gì?
Lần tới khi bạn duyệt qua Google, thưởng thức Instagram hàng ngày, dành hàng giờ để xem video trên Youtube hoặc nghe bản nhạc yêu thích của bạn trên Spotify, hãy nhớ rằng tất cả chúng đều sử dụng Python cho nhu cầu lập trình của họ. Python có nhiều cách sử dụng khác nhau trên các ứng dụng, nền tảng và dịch vụ. Hãy để chúng tôi nói về một vài ở đây
Phát triển web
Nhiều lựa chọn thư viện Python dựng sẵn giúp việc phát triển web trở thành một nhiệm vụ đơn giản hơn nhiều. Viết mã Python ít tốn thời gian hơn do cú pháp đơn giản và rõ ràng của nó. Điều này giúp tạo mẫu nhanh giúp tăng ROI của các sản phẩm thương mại. Các khung thử nghiệm tích hợp giúp gửi mã không có lỗi. Nhiều lựa chọn khung được hỗ trợ tốt giúp tạo điều kiện triển khai nhanh chóng mà không ảnh hưởng đến hiệu suất của giải pháp
Internet vạn vật
Để đơn giản, chúng ta hãy coi Internet vạn vật là 'các đối tượng vật lý kết nối một hệ thống nhúng với internet'. Nó đóng một vai trò quan trọng trong các dự án liên quan đến dữ liệu lớn, máy học, phân tích dữ liệu, mạng dữ liệu không dây và hệ thống thực-ảo . Các dự án IoT cũng xử lý các phân tích thời gian thực.
Một ngôn ngữ lập trình nên là một sự lựa chọn táo bạo khi ghi nhớ các lĩnh vực ứng dụng đã nói ở trên. Đây là nơi Python đánh dấu vào tất cả các hộp kiểm. Ngoài ra, Python cũng có thể mở rộng, có thể mở rộng, di động và có thể nhúng. Điều này làm cho Python trở nên độc lập với hệ thống và cho phép nó chứa nhiều máy tính bảng đơn, bất kể hệ điều hành hay kiến trúc.
Ngoài ra, Python là công cụ tuyệt vời để quản lý và sắp xếp dữ liệu phức tạp. Nó đặc biệt hữu ích cho các hệ thống IoT chứa nhiều dữ liệu. Một lý do khác để Python trở thành ngôn ngữ lập trình lý tưởng cho các ứng dụng IoT là mối quan hệ chặt chẽ của nó với điện toán khoa học .
Mọi thứ Python
Hãy giúp bạn khám phá Python nhiều hơn
Bạn đang tìm kiếm các bài viết hướng dẫn nghề nghiệp bằng Python?
- Câu hỏi và câu trả lời phỏng vấn Python
- Các mẫu sơ yếu lý lịch dành cho nhà phát triển Python
- Mức lương của nhà phát triển Python ở Ấn Độ
HOẶC LÀ
Bạn đang tìm kiếm các bài viết Kiến thức về Python?
- Nối trong Python
- Chương trình giai thừa trong Python
- Chuỗi Fibonacci trong Python
- Chương trình mẫu trong Python
- bảng chữ cái trong Python
Học máy
Machine Learning đã đưa ra một cách tiếp cận hoàn toàn mới để giải quyết vấn đề. Python đi đầu trong Machine Learning và Data Science vì những lý do sau
- Hỗ trợ thư viện mã nguồn mở mở rộng
- Cú pháp hiệu quả và chính xác
- Dễ dàng tích hợp với các ngôn ngữ lập trình khác
- Python có điểm đầu vào thấp
- Có thể mở rộng cho các hệ điều hành và kiến trúc khác nhau
Đây là video Hướng dẫn Python dành cho bạn bởi Great Learning
Làm cách nào để cài đặt Python?
Nếu bạn là người dùng Windows và nếu bạn đã cài đặt Python bằng gói phân phối Anaconda có sẵn tại Anaconda. org, bạn cần truy cập “ Tải xuống Anaconda ” rồi tải xuống phiên bản mới nhất cho Python 3. 6.
Sau khi bạn tải xuống phần mềm này, đây là một quy trình khá đơn giản và dễ thực hiện và bạn sẽ cài đặt Python cho mình. Bước tiếp theo là khởi động một IDE để bắt đầu viết mã bằng Python
Vì vậy, khi bạn cài đặt Python, bạn có thể có nhiều IDE hoặc trình soạn thảo văn bản trên bản cài đặt Python của mình
Đối với trình soạn thảo văn bản, bạn có thể sử dụng một cái gì đó như Sublime hoặc Notepad++. Nếu bạn cảm thấy thoải mái khi sử dụng Môi trường phát triển tích hợp, thì bạn có thể sử dụng Jupyter. Ngoài ra, còn có các tùy chọn khác như Wingware, Komodo, Pycharm và Spyder
Có nhiều gói có sẵn trong Python. Một số thư viện công cụ là numpy, pandas, seaborn để trực quan hóa và scipy để tính toán và thống kê. Những thứ khác là xlrb, openpyxl, matplotlib và io
Tại sao chọn Python?
Bạn nên chọn cái này vì Python đã trở thành ngôn ngữ lập trình được ưa thích nhất để kích hoạt các ứng dụng khoa học dữ liệu và máy học. Tất nhiên, Python có lợi thế của nó;
Chúng ta có thể dễ dàng nói rằng Python là một trình biên dịch nhanh. Vì nó là ngôn ngữ lập trình dựa trên Java, bạn sẽ có thể mở rộng các ứng dụng của nó ngoài nghiên cứu phân tích, mô hình phân tích và mô hình thống kê. Bạn sẽ có thể tạo các ứng dụng web bằng Python và tích hợp trực tiếp các ứng dụng web này vào các mô hình phân tích của mình trong nền
Python cũng rất dễ tích hợp với các nền tảng khác và các ngôn ngữ lập trình khác. Nó có kiến trúc lập trình hướng đối tượng phổ biến, trong đó các nhà phát triển CNTT, nhà phân tích CNTT và lập trình viên CNTT hiện tại thấy rất dễ dàng chuyển đổi sang miền phân tích
Vì cấu trúc mã hóa trong Python là kiến trúc lập trình hướng đối tượng nên nó có hỗ trợ tài liệu tuyệt vời
7 lý do tại sao bạn nên sử dụng Python
- Mã có thể đọc và bảo trì
- Nhiều mô hình lập trình
- Tương thích với các nền tảng và hệ thống chính
- Thư viện tiêu chuẩn mạnh mẽ
- Công cụ và khung mã nguồn mở
- Phát triển phần mềm đơn giản hóa
- Hướng phát triển thử nghiệm
R so với Python?
R được phát triển cho các ứng dụng phân tích thống kê; . Cả hai điều này đều cần thiết cho những người làm việc với tập dữ liệu lớn, giải quyết các vấn đề về máy học và tạo trực quan hóa dữ liệu phức tạp
Chúng ta hãy xem sự khác biệt giữa R và Python
Đọc thêm về sự khác biệt giữa R và Python, và đâu là giải pháp thay thế tốt hơn
Cách tốt nhất để học Python?
Dễ học là thuộc tính chính đằng sau sự phổ biến của Python. Nó là một ngôn ngữ lập trình đơn giản và miễn phí, do đó dễ học. Thời gian học ngôn ngữ phụ thuộc vào cấp độ bạn muốn đạt được với Python. Ngoài ra, đường cong học tập có thể ngắn hơn hoặc dài hơn tùy thuộc vào khả năng của từng cá nhân
Một người sẽ cần 6-8 tuần để học những điều cơ bản về Python. Điều này sẽ bao gồm việc học cú pháp, từ khóa, hàm và lớp, kiểu dữ liệu, mã hóa cơ bản và xử lý ngoại lệ
Kỹ năng Python nâng cao không cần thiết cho tất cả các chuyên gia Python. Tùy thuộc vào tính chất công việc của bạn, bạn có thể học các kỹ năng như lập trình cơ sở dữ liệu, lập trình socket, đa luồng, kỹ thuật đồng bộ hóa, v.v.
Các kỹ năng Python rất phức tạp bao gồm các khái niệm về Phân tích dữ liệu, trải nghiệm thực tế về các thư viện cần thiết, xử lý hình ảnh, v.v. Mỗi kỹ năng chuyên biệt sẽ cần khoảng một tuần để thành thạo
Đọc blog của chúng tôi về 50 câu hỏi phỏng vấn hàng đầu cho Python để kiểm tra kiến thức của bạn. Nó sẽ cung cấp cho bạn một ý tưởng về mức độ bạn biết về Python và những gì khác để học
Các IDE Python hàng đầu là gì?
Có 7 IDE hàng đầu cho Python
- gián điệp
- PyCharm
- Thonny
- nguyên tử
- Jupyter
- Komodo
- bộ cánh
IDE nào tốt nhất cho Python?
Jupyter là IDE tốt nhất cho Python và là một trong những IDE được sử dụng rộng rãi nhất cho Python. Chúng ta hãy xem cách thiết lập Jupyter Notebook. Ngoài ra, chúng ta hãy xem các chức năng của Jupyter Notebook
Cách cấp nguồn cho máy tính xách tay Jupyter
Dưới đây là các bước được hướng dẫn để khởi động máy tính xách tay Jupyter
- Mở dấu nhắc Anaconda. Điều này có sẵn cho bạn nếu bạn đã thực hiện cài đặt thông qua trình cài đặt Anaconda.
- Khi bạn mở Dấu nhắc lệnh Anaconda, bạn sẽ thấy một đường dẫn mặc định được chỉ định cho bạn. Đây là tên người dùng cho máy tính mà bạn đang sử dụng
- Thêm đường dẫn thư mục vào đường dẫn mặc định này [e. g. , cd Desktop → cd Python], nơi bạn muốn mở sổ tay
- Sau khi bạn đặt đường dẫn, hãy thêm sổ ghi chép Jupyter bằng lệnh jupyter notebook
- Nhấn Enter. Thao tác này sẽ mở sổ ghi chép trong máy chủ cục bộ của bạn, tôi. e. , hệ thống của bạn
- Đường dẫn được mô tả trong dấu nhắc Anaconda giờ sẽ xuất hiện trên trang chủ máy tính xách tay jupyter của bạn
- Bước tiếp theo là mở một Notebook Python mới. Đây là môi trường của bạn để thực hiện tất cả các mã hóa. Bạn có thể đổi tên sổ ghi chép mới [không có tiêu đề] thành tên bạn muốn và nhấn 'đổi tên'
Giữ lời nhắc anaconda hoạt động, lời nhắc mà bạn đã sử dụng để khởi động máy tính xách tay Jupyter của mình, trong khi bạn đang làm việc với Jupyter tại địa phương của mình. Nếu dấu nhắc anaconda bị đóng, python không còn chạy trên hệ thống của bạn và kernel bị ngắt kết nối
Các chức năng trong Notebook Python [Jupyter]
Có nhiều tùy chọn trên thanh công cụ, tôi. e. , Tệp, Chỉnh sửa, Xem, Chèn, Ô, Hạt nhân, Tiện ích con và Trợ giúp. Chúng ta hãy lần lượt xem qua một số tính năng và chức năng.
Tùy chọn tệp
Lưu và Điểm kiểm tra – Đặt Điểm kiểm tra là một khái niệm hấp dẫn. Tệp được lưu tự động theo định kỳ và bằng cách đặt điểm kiểm tra, bạn có thể bỏ qua một vài lần tự động lưu vào điểm kiểm tra đã đặt. Điều này hữu ích trong trường hợp bạn mắc lỗi trong vài phút hoặc vài giờ qua. Bạn luôn có thể trở lại điểm kiểm tra ổn định hơn và tiếp tục với mã của mình từ đó, thay vì bắt đầu lại từ đầu.
Tải xuống dưới dạng – Có nhiều cách khác nhau để bạn có thể tải xuống Jupyter Notebook. Đầu tiên là Notebook cổ điển, là tiện ích mở rộng ipynb . Trước khi được gọi là sổ ghi chép jupyter, nó là sổ ghi chép Ipython. Đó là lý do tại sao phần mở rộng này.
Sau đó, bạn có . phần mở rộng py . Lưu tệp với . py và bạn có thể nhập phần mở rộng tương tự vào một IDE khác để sử dụng dễ dàng hơn.
Đóng và dừng – Lệnh này đóng bất kỳ kernel nào đang chạy tại thời điểm cụ thể này và tạm dừng tất cả các tiến trình.
Chỉnh sửa tùy chọn
Nó bao gồm Cắt ô, Sao chép ô, Dán, Xóa, Tách ô, Di chuyển lên, xuống , v.v.
Vì vậy, một tế bào là gì?
Các ô không là gì ngoài mã mà bạn nhập vào hộp thoại hiện trên cửa sổ. Đây là một ô, nơi bạn nhập mã của mình — mỗi ô khi chạy sẽ cung cấp cho bạn một đầu ra
Để chạy đoạn mã cụ thể này, bạn có thể nhấp vào tùy chọn cụ thể có nội dung Chạy ô hoặc phím tắt cho cùng . Shift + Enter.
Nếu bạn muốn khám phá các tùy chọn phím tắt khả dụng khác, bạn có thể vào phần Trợ giúp trong Bàn phím .
Bạn có thể cắt các ô này, dán chúng sau. Bạn có thể hợp nhất, tách, v.v. Đây là những món đồ đơn giản
Xem tùy chọn
Bạn có thể Chuyển đổi Tiêu đề , Thanh công cụ và . Line numbers as well.
Tùy chọn Chèn
Đây là các thao tác chèn cơ bản. Bạn có thể chèn ô bên trên hoặc bên dưới theo yêu cầu của mã của bạn.
Tùy chọn ô
Nếu bạn nhấn Chạy tất cả, thì nó sẽ chạy tất cả các ô có trong toàn bộ sổ làm việc này. Khi bạn nhấp vào ‘ Chạy tất cả ở trên’, nó sẽ chạy tất cả các ô phía trên ô đã chọn. Tương tự, nếu bạn nhấp vào ‘ Chạy tất cả bên dưới’ , thao tác này sẽ chạy tất cả các ô bên dưới ô đã chọn.
Các loại ô khác nhau, i. e. , Tệp chuyển đổi mã, Markdown và thô.
Một tính năng thú vị mà chúng tôi sẽ sử dụng nhiều trong các tệp mã của mình là tệp Markdown. Đánh dấu không là gì ngoài việc chuyển đổi bất cứ thứ gì bạn đã nhập vào một ô thành tin nhắn văn bản
Các ô mà bạn đã chuyển đổi dưới dạng Markdown sẽ không được chạy hoặc được coi là một dòng mã. Khi bạn chạy ô này, nó được lấy làm trường văn bản và đầu ra cũng là văn bản. Không có phép tính nào được thực hiện trên ô này
Tùy chọn trợ giúp
Tại đây bạn có thể thấy các thư viện và gói thông thường có sẵn
Bạn có thể nhấp vào các tùy chọn này và nó sẽ mở ra sách hướng dẫn hoặc sách tham khảo, nơi bạn có thể xem các phương pháp khác nhau có sẵn trong gói đã chọn
Có nhiều tùy chọn khác mà bạn có thể thử nghiệm khi làm việc với Jupyter
Bình luận
Nhận xét rất hữu ích để mô tả logic chương trình và mục đích của các mô-đun khác nhau. Những người khác ngoài lập trình viên có thể hiểu mã bằng cách xem xét các nhận xét có ý nghĩa
Trong khi kiểm tra chương trình, các nhận xét có thể được sử dụng để vô hiệu hóa các phần mã và bị loại khỏi quá trình thực thi
Nhận xét Python bắt đầu bằng ký hiệu #. Nhận xét có thể là của chính nó hoặc nhận xét có thể bắt đầu sau một mã trong cùng một dòng. Cả hai trường hợp được giải thích trong hình dưới đây
# comment in separate line
x = x * 5
x = x * 5 # multiply by 5; comment in same line
# this function is going to divide two variables
# the second value should not be zero
# if it is zero, error is thrown
def divide[first, second]:
Không có cách nào khác để đề cập đến nhận xét nhiều dòng. # có thể được thêm vào các dòng khác nhau
Khi # được đặt bên trong dấu ngoặc kép thì nó là một phần của chuỗi và không phải là chú thích
Ví dụ,
str = "# hello world" Biến
Biến Python là thùng chứa dữ liệu. Các giá trị dữ liệu được gán cho một biến này có thể được thay đổi ở giai đoạn sau
Việc gán giá trị đầu tiên cho một biến sẽ tạo ra biến đó. Không có khai báo rõ ràng về biến
numOfBoxes = 7
ownerName = "Karthik"
print["numOfBoxes= ", numOfBoxes]
print["ownerName= ", ownerName] Trong ví dụ trên, hai biến có dữ liệu số và chuỗi được tạo. Các câu lệnh in được sử dụng để hiển thị các biến đó
Tên biến tuân theo các quy ước này
- Tên biến bắt đầu bằng chữ cái hoặc ký tự gạch dưới
- Alpha-số và dấu gạch dưới được cho phép trong phần còn lại của tên
- Tên biến phân biệt chữ hoa chữ thường
# valid names
numOfBoxes = 7
_num_of_boxes = 10 # this is a different variable than numOfBoxes
_NUM_OF_BOXES = 15 # a different variable as names are case sensitive
ownerName = "Karthik"
ownerName2 = "Charan" # different, valid variable
# invalid names
2ownerName = "David" # cannot start with number.
# Only letter or underscore in the beginning
owner-name = "Ram" # no hypen
owner name = "Krish" # no space allowed
# only alpha numeric and underscore Ở đây chúng tôi đã liệt kê ra một số tên biến có thể và một vài tên không hợp lệ
Trong python, bạn có thể gán nhiều giá trị cho nhiều biến. Cũng gán cùng một giá trị cho nhiều biến. Vui lòng xem ví dụ này
# different values assigned to many variables
length, width, depth = 5, 8, 7
print[length]
print[width]
print[depth]
# same value assigned to many variables
length = width = depth = 5
print[length]
print[width]
print[depth]
nhà điều hành
Đóng góp bởi – papaprogrammer
Toán tử giúp xử lý các biến và giá trị. Ví dụ: nếu chúng ta có thể hai biến số, chúng có thể được cộng hoặc trừ, nhân hoặc chia. Các thao tác này làm thay đổi giá trị và đưa ra giá trị mới
Python hỗ trợ các loại toán tử sau
- toán tử số học
- Toán tử gán
- Toán tử so sánh
- Toán tử logic
- Toán tử nhận dạng
- nhà khai thác thành viên
- Toán tử bitwise
toán tử số học
Các phép toán như cộng, trừ được thực hiện bằng các toán tử số học. Hãy để chúng tôi đi qua chúng
a = 10
b = 6
print [a + b] # addition
print [a - b] # subtraction
print [a * b] # multiplication
print [a / b] # division
print [a % b] # modulus
print [a ** b] # exponentiation
print [a // b] # floor division
Tất cả các thao tác đều dễ hiểu. Hoạt động mô đun trả về phần còn lại của phép chia hai số [trong ví dụ của chúng tôi, 4 là lời nhắc]. Tương tự, phép chia sàn là phép chia số nguyên, trả về kết quả của phép chia dưới dạng số nguyên [10 // 6 = 1]
Toán tử gán
Các giá trị hoặc nội dung biến có thể được gán cho một biến khác bằng toán tử gán. Vế phải cũng có thể là một biểu thức [gán cho c trong ví dụ sau]. Đây là vài ví dụ
a = 7 # assign value to a
b = a # assign value of a into b
c = a + b -2 # calculate an expression and place result into c
b += 2 # equivalent to b = b + 2
b -= 2 # equivalent to b = b - 2
b *= 2 # equivalent to b = b * 2
b /= 2 # equivalent to b = b / 2
b %= 2 # equivalent to b = b % 2
b //= 2 # equivalent to b = b // 2
b **= 2 # equivalent to b = b ** 2
b &= 2 # equivalent to b = b & 2
b |= 2 # equivalent to b = b | 2
b ^= 2 # equivalent to b = b ^ 2
b >>= 2 # equivalent to b = b >> 2
b 6 or b < 7]
# True if given condition is false [inverse of given condition]
print[not[a > 3]]
Toán tử nhận dạng
Toán tử nhận dạng so sánh nếu hai đối tượng giống nhau. Họ cần trỏ đến cùng một vị trí
str = "# hello world" nhà khai thác thành viên
Kiểm tra xem một phần tử có trong một danh sách nhất định hay không
str = "# hello world" Toán tử bitwise
Trong khi xử lý các số nhị phân, chúng ta cần các toán tử bitwise để thao tác với chúng. Số nhị phân là số không và số, được đặt tên là bit
str = "# hello world" Toán tử bậc ba
Giới thiệu Python Ternary Operator
Chúng ta đều biết các toán tử khác nhau trong python, tôi. e. , Toán tử một ngôi và Toán tử nhị phân
Một toán tử có thể được sử dụng để phủ định một giá trị dương với một toán hạng được gọi là toán tử một ngôi;
Toán tử làm việc với hai toán hạng được gọi là toán tử nhị phân;
Toán tử +,- hoạt động như cả toán tử Đơn nguyên và Nhị phân
Bây giờ chúng ta đã biết toán tử Đơn nguyên và Nhị phân là gì, vậy toán tử bậc ba này là gì?
Ý nghĩa từ điển của ternary là “bao gồm ba mục”, toán tử đánh giá điều gì đó dựa trên một điều kiện và kết quả là true_value nếu điều kiện ước tính là TRUE nếu không thì kết quả là false_value
Ba thành phần là [1] Điều kiện [2] Giá trị đúng [3] Giá trị sai
Hãy viết một điều kiện if đơn giản để đánh giá tuổi của một người và cho biết người đó là chính hay phụ
str = "# hello world" Ta khai báo biến Age bằng 21;
Để đánh giá một điều kiện đơn giản, chúng tôi đã viết 5 dòng mã. Chúng ta có thể viết cùng một đoạn mã với số lượng dòng ít hơn không?
Có, với sự trợ giúp của toán tử bậc ba, chúng ta có thể đạt được điều này. Toán tử này có sẵn từ phiên bản Python 2. 4
Cú pháp của Python Ternary Operator
Như mình đã nói ở trên, toán tử bậc ba cần có 3 thành phần và cấu trúc của các thành phần này như sau
Vì vậy, đoạn mã sau đây cho thấy cách chúng ta có thể chuyển đổi đoạn mã dài ở trên thành số lượng dòng ít hơn bằng cách sử dụng toán tử bậc ba
str = "# hello world" Đó là nó. Thành phần 2 là điều kiện của chúng tôi [ if [Age > 18] ], được đánh giá trước. Nếu nó đánh giá là True, thì “Major” là đầu ra; . Trong trường hợp này, Tuổi > 18 đánh giá là TRUE, vì vậy đầu ra là “Major”
Hãy phân tách mã cải tiến của chúng ta để phù hợp với cấu trúc của toán tử bậc ba
[1] Một điều kiện → nếu [Tuổi > 18]
[2] Giá trị thực → “Chính”
[3] Giá trị sai → “Nhỏ”
Toán tử Ternary trong Python trong câu lệnh return
Chúng ta có thể sử dụng các toán tử bậc ba trong câu lệnh trả về của hàm. Ví dụ: viết một hàm lấy Tuổi của một người làm đầu vào và trả về người đó là “Chính” hoặc “Phụ”
str = "# hello world" Đoạn mã trên cho thấy cách chúng ta có thể sử dụng toán tử bậc ba trong câu lệnh trả về;
Toán tử bậc ba ShortHand
Chúng ta cũng có dạng tốc ký của toán tử bậc ba mà chúng ta đã thảo luận ở trên, sẽ nhanh chóng kiểm tra đầu ra của hàm. Loại cú pháp này được giới thiệu trong Python 2. 5 và có thể được sử dụng trong python 2. 5 hoặc cao hơn
str = "# hello world" Câu lệnh đầu tiên [True hoặc “NULL”] sẽ trả về True và câu lệnh thứ hai [Sai hoặc “1”] sẽ trả về 1
Bạn có thể sử dụng cú pháp này để kiểm tra một giá trị biến
str = "# hello world" str = "# hello world" Điều này sẽ hữu ích khi bạn nhanh chóng kiểm tra đầu vào của người dùng trong một chức năng
str = "# hello world" Hàm trên lấy tên và biệt hiệu của người đó làm đối số và sử dụng cú pháp toán tử bậc ba tốc ký và kết quả là hiển thị tên của người đó;
Toán tử bậc ba với câu lệnh if-else-if
Hãy viết một hàm đánh giá nhiều điều kiện if và trả về kết quả
numOfBoxes = 7
ownerName = "Karthik"
print["numOfBoxes= ", numOfBoxes]
print["ownerName= ", ownerName] Đoạn mã If…elif ở trên đánh giá một số tầng và kết quả là loại tòa nhà, tôi. e. , nếu số tầng lớn hơn nhỏ hơn hoặc bằng 3 tầng thì được xếp vào loại “Nhà thấp tầng” ngược lại nếu số tầng lớn hơn 3 nhưng nhỏ hơn hoặc bằng 7 thì được xếp vào “Nhà trung tầng”
Với sự trợ giúp của toán tử bậc ba, chúng ta có thể viết đoạn mã này trong một số dòng nhỏ, Nhưng bằng cách nào? .
numOfBoxes = 7
ownerName = "Karthik"
print["numOfBoxes= ", numOfBoxes]
print["ownerName= ", ownerName] Lambda
Trước đó chúng ta đã thấy định nghĩa hàm và gọi hàm. Lambdas là các chức năng nhỏ, ẩn danh. Phần thân của lambda chỉ có thể có một biểu thức. Lambda có thể nhận bất kỳ số lượng đối số nào
numOfBoxes = 7
ownerName = "Karthik"
print["numOfBoxes= ", numOfBoxes]
print["ownerName= ", ownerName] Lambdas rất hữu ích khi được lồng trong một chức năng khác. Hàm trở thành mẫu để tạo hàm
numOfBoxes = 7
ownerName = "Karthik"
print["numOfBoxes= ", numOfBoxes]
print["ownerName= ", ownerName] Trong ví dụ trên, sử dụng cùng một chức năng tăng trưởng, chúng tôi sinh ra các chức năng khác nhau strechTwo và strechThree. Điều này có thể thực hiện được với hàm lambda được khai báo bên trong hàm tăng trưởng. Chúng tôi nhận được đầu ra 9 và 10 bằng cách chạy mã này
Mảng
Mảng được sử dụng để lưu trữ danh sách các giá trị trong một biến. Đây là cú pháp để tạo một mảng. Dấu ngoặc vuông được sử dụng để xác định một danh sách
numOfBoxes = 7
ownerName = "Karthik"
print["numOfBoxes= ", numOfBoxes]
print["ownerName= ", ownerName] Mảng cho phép chúng ta truy cập các phần tử của mảng bằng cách sử dụng chỉ mục. Chỉ số không dựa trên số không, chúng bắt đầu từ số không
numOfBoxes = 7
ownerName = "Karthik"
print["numOfBoxes= ", numOfBoxes]
print["ownerName= ", ownerName] Tương tự như truy cập phần tử, chúng ta có thể sửa đổi phần tử bằng cách sử dụng chỉ mục
numOfBoxes = 7
ownerName = "Karthik"
print["numOfBoxes= ", numOfBoxes]
print["ownerName= ", ownerName] Số lượng phần tử trong một mảng có thể được biết bằng cách sử dụng phương thức len[]
numOfBoxes = 7
ownerName = "Karthik"
print["numOfBoxes= ", numOfBoxes]
print["ownerName= ", ownerName] câu lệnh for dùng để lặp qua các phần tử của mảng. Chúng ta có thể xử lý các phần tử riêng lẻ bên trong vòng lặp
numOfBoxes = 7
ownerName = "Karthik"
print["numOfBoxes= ", numOfBoxes]
print["ownerName= ", ownerName] Phương thức append[] thêm phần tử mới vào cuối mảng
numOfBoxes = 7
ownerName = "Karthik"
print["numOfBoxes= ", numOfBoxes]
print["ownerName= ", ownerName] Hai phương pháp hữu ích để loại bỏ các phần tử khỏi mảng. phương thức pop[] lấy chỉ mục mảng và loại bỏ phần tử ở vị trí cụ thể [hãy nhớ rằng các phần tử đều dựa trên số 0]. remove[] chấp nhận giá trị của phần tử và loại bỏ nó. Hãy để chúng tôi xem hai phương pháp này đang hoạt động
# valid names
numOfBoxes = 7
_num_of_boxes = 10 # this is a different variable than numOfBoxes
_NUM_OF_BOXES = 15 # a different variable as names are case sensitive
ownerName = "Karthik"
ownerName2 = "Charan" # different, valid variable
# invalid names
2ownerName = "David" # cannot start with number.
# Only letter or underscore in the beginning
owner-name = "Ram" # no hypen
owner name = "Krish" # no space allowed
# only alpha numeric and underscore Các lớp học
Đối tượng là thực thể có thuộc tính và phương thức. Các đối tượng này có thể được tạo bằng cách khai báo các lớp. Các lớp là bản thiết kế của các đối tượng
Trong ví dụ này, chúng ta thấy cách định nghĩa một lớp, tạo các đối tượng bên ngoài lớp và truy cập thuộc tính của đối tượng
# valid names
numOfBoxes = 7
_num_of_boxes = 10 # this is a different variable than numOfBoxes
_NUM_OF_BOXES = 15 # a different variable as names are case sensitive
ownerName = "Karthik"
ownerName2 = "Charan" # different, valid variable
# invalid names
2ownerName = "David" # cannot start with number.
# Only letter or underscore in the beginning
owner-name = "Ram" # no hypen
owner name = "Krish" # no space allowed
# only alpha numeric and underscore Tất cả các lớp đều có chức năng sẵn có, __init__[]
Hàm này được gọi khi một đối tượng mới được tạo từ lớp. Hàm này được gọi tự động khi đối tượng được tạo
Chúng ta có thể viết mã khởi tạo hữu ích trong hàm này để các biến được đặt tại thời điểm khởi tạo đối tượng.
# valid names
numOfBoxes = 7
_num_of_boxes = 10 # this is a different variable than numOfBoxes
_NUM_OF_BOXES = 15 # a different variable as names are case sensitive
ownerName = "Karthik"
ownerName2 = "Charan" # different, valid variable
# invalid names
2ownerName = "David" # cannot start with number.
# Only letter or underscore in the beginning
owner-name = "Ram" # no hypen
owner name = "Krish" # no space allowed
# only alpha numeric and underscore Trong ví dụ trên, chúng tôi đã sử dụng tham số “self”. Có ba tham số được định nghĩa trong hàm init, tuy nhiên chúng ta chỉ truyền hai đối số trong lời gọi lớp. Tham số tự động được truyền tự động cho phương thức của lớp. Tên “bản thân” không cố định, bạn có thể sử dụng bất kỳ tên nào. Nó phải là tham số đầu tiên.
Ngoài các phương thức sẵn có, lớp có thể có các phương thức do người dùng định nghĩa khác. Hãy để chúng tôi tạo một phương thức makeJuice[] bên trong lớp
# valid names
numOfBoxes = 7
_num_of_boxes = 10 # this is a different variable than numOfBoxes
_NUM_OF_BOXES = 15 # a different variable as names are case sensitive
ownerName = "Karthik"
ownerName2 = "Charan" # different, valid variable
# invalid names
2ownerName = "David" # cannot start with number.
# Only letter or underscore in the beginning
owner-name = "Ram" # no hypen
owner name = "Krish" # no space allowed
# only alpha numeric and underscore Di sản
Kế thừa là một khái niệm trong đó chúng ta mở rộng chức năng của một lớp để tạo các lớp mới. Có rất nhiều lợi ích khi làm điều này. Quan trọng nhất là sử dụng lại mã hiện có
Lớp hiện có có mã chung có thể được sử dụng lại. Lớp này được gọi là lớp cha hoặc lớp cơ sở
Chúng tôi tạo một lớp con sẽ nhận định nghĩa từ lớp cha
Chúng ta hãy xem xét một lớp cha, Xe cộ. Điều này có các thuộc tính và phương pháp phù hợp để mô tả bất kỳ phương tiện nào
# valid names
numOfBoxes = 7
_num_of_boxes = 10 # this is a different variable than numOfBoxes
_NUM_OF_BOXES = 15 # a different variable as names are case sensitive
ownerName = "Karthik"
ownerName2 = "Charan" # different, valid variable
# invalid names
2ownerName = "David" # cannot start with number.
# Only letter or underscore in the beginning
owner-name = "Ram" # no hypen
owner name = "Krish" # no space allowed
# only alpha numeric and underscore Hai thuộc tính, make và color, được xác định trong thuộc tính Xe
Chúng ta hãy mở rộng một lớp con Car từ lớp Vehicle
# valid names
numOfBoxes = 7
_num_of_boxes = 10 # this is a different variable than numOfBoxes
_NUM_OF_BOXES = 15 # a different variable as names are case sensitive
ownerName = "Karthik"
ownerName2 = "Charan" # different, valid variable
# invalid names
2ownerName = "David" # cannot start with number.
# Only letter or underscore in the beginning
owner-name = "Ram" # no hypen
owner name = "Krish" # no space allowed
# only alpha numeric and underscore Có nhiều điểm cần lưu ý trong mã này
Dòng 12 định nghĩa một lớp, Car. Đây là một Phương tiện mở rộng [được đề cập trong ngoặc đơn]
Dòng 13 là hàm tạo của Car. Ba tham số được chấp nhận
Dòng 14 gọi hàm tạo của lớp cha, Vehicle. Hai tham số được truyền cho hàm tạo của cha mẹ
Dòng 15 khởi tạo một thuộc tính đối tượng, numOfSeats. Thuộc tính này thuộc về Car và không tồn tại trong lớp Vehicle
Dòng 17 định nghĩa lại phương thức display[]. Trong mã của phương thức, phương thức gốc được gọi, cũng như mã ở đó để thể hiện chức năng của đối tượng Xe hơi
Dòng 21 định nghĩa một phương thức thuộc lớp Car
Dòng 24 đến 26 tạo một đối tượng Car, xử lý các thuộc tính Car và gọi các phương thức khác nhau
vòng lặp
Iterator là một thùng chứa các giá trị mà chúng ta có thể duyệt qua tất cả các giá trị
Trong Python, iterator là một đối tượng triển khai __iter__[] và __next__[]
Danh sách, bộ dữ liệu, từ điển và bộ có thể lặp lại và triển khai giao thức lặp. Các thùng chứa này có phương thức iter[] được sử dụng để duyệt qua các giá trị
Đây là một ví dụ
# valid names
numOfBoxes = 7
_num_of_boxes = 10 # this is a different variable than numOfBoxes
_NUM_OF_BOXES = 15 # a different variable as names are case sensitive
ownerName = "Karthik"
ownerName2 = "Charan" # different, valid variable
# invalid names
2ownerName = "David" # cannot start with number.
# Only letter or underscore in the beginning
owner-name = "Ram" # no hypen
owner name = "Krish" # no space allowed
# only alpha numeric and underscore Lưu ý rằng năm lệnh gọi next [] đầu tiên in ra từng ký tự của “xoài”. Next [] cuối cùng đưa ra một lỗi cho biết quá trình lặp đã dừng
Đối tượng iterable có thể được lặp lại với vòng lặp for in
# valid names
numOfBoxes = 7
_num_of_boxes = 10 # this is a different variable than numOfBoxes
_NUM_OF_BOXES = 15 # a different variable as names are case sensitive
ownerName = "Karthik"
ownerName2 = "Charan" # different, valid variable
# invalid names
2ownerName = "David" # cannot start with number.
# Only letter or underscore in the beginning
owner-name = "Ram" # no hypen
owner name = "Krish" # no space allowed
# only alpha numeric and underscore Chúng ta có thể tạo lớp lặp của riêng mình. Chúng ta cần triển khai các phương thức __iter__[] và __next__[]
Hãy nhớ __init__[] chúng ta đã thấy trong định nghĩa lớp?
Chúng ta hãy xem xét một ví dụ sẽ tạo một iterator. Trình vòng lặp là một chuỗi Fibonacci bắt đầu từ 1, 2
# valid names
numOfBoxes = 7
_num_of_boxes = 10 # this is a different variable than numOfBoxes
_NUM_OF_BOXES = 15 # a different variable as names are case sensitive
ownerName = "Karthik"
ownerName2 = "Charan" # different, valid variable
# invalid names
2ownerName = "David" # cannot start with number.
# Only letter or underscore in the beginning
owner-name = "Ram" # no hypen
owner name = "Krish" # no space allowed
# only alpha numeric and underscore khi dòng 15 iter[fibo] được gọi, __iter__[] được gọi nội bộ. Khi next[iter] được gọi, phương thức __next__[] được gọi để tìm phần tử tiếp theo trong chuỗi
Trình lặp này không bao giờ kết thúc vì không có điều khiển kết thúc
Để ngăn chặn chuỗi dài vô tận, chúng ta có thể thêm câu lệnh StopIteration. Trong __next__, chúng ta có thể thêm một điều kiện và sử dụng StopIteration
# valid names
numOfBoxes = 7
_num_of_boxes = 10 # this is a different variable than numOfBoxes
_NUM_OF_BOXES = 15 # a different variable as names are case sensitive
ownerName = "Karthik"
ownerName2 = "Charan" # different, valid variable
# invalid names
2ownerName = "David" # cannot start with number.
# Only letter or underscore in the beginning
owner-name = "Ram" # no hypen
owner name = "Krish" # no space allowed
# only alpha numeric and underscore Trong mẫu này, chúng tôi kiểm tra xem chuỗi Fibonacci đã đạt đến 50 chưa. Bất kỳ giá trị nào vượt quá hoặc bằng 50 sẽ gây ra lỗi. Điều đó sẽ dừng vòng lặp for
Phạm vi
Biến chỉ khả dụng trong vùng mà nó được khai báo. Hạn chế của việc khai báo biến đó là phạm vi. Phạm vi của biến hoặc phương thức xác định nơi các phần tử đó có thể truy cập được
# different values assigned to many variables
length, width, depth = 5, 8, 7
print[length]
print[width]
print[depth]
# same value assigned to many variables
length = width = depth = 5
print[length]
print[width]
print[depth]
Câu lệnh in cuối cùng đưa ra lỗi vì a không thể truy cập được ở phần chính của mã
Một cách để có quyền truy cập vào biến ở mọi nơi là khai báo biến ở phạm vi toàn cầu. Biến được tạo ở cấp độ chính là biến toàn cục và có thể được truy cập bên trong định nghĩa hàm
# different values assigned to many variables
length, width, depth = 5, 8, 7
print[length]
print[width]
print[depth]
# same value assigned to many variables
length = width = depth = 5
print[length]
print[width]
print[depth]
Bây giờ cả hai câu lệnh in đều có quyền truy cập vào biến
Khi cùng một tên được sử dụng cho các biến bên trong và bên ngoài một hàm, thì python coi chúng là hai biến riêng biệt
# different values assigned to many variables
length, width, depth = 5, 8, 7
print[length]
print[width]
print[depth]
# same value assigned to many variables
length = width = depth = 5
print[length]
print[width]
print[depth]
Nếu chúng ta thay đổi giá trị của biến bên trong hàm thì sự thay đổi đó sẽ không ảnh hưởng đến biến bên ngoài hàm
Trong khi một biến được định nghĩa bên trong một hàm, biến đó có thể được khai báo là toàn cục bằng cách sử dụng từ khóa “toàn cầu”
# different values assigned to many variables
length, width, depth = 5, 8, 7
print[length]
print[width]
print[depth]
# same value assigned to many variables
length = width = depth = 5
print[length]
print[width]
print[depth]
mô-đun
Mô-đun nói về việc sử dụng tệp thư viện. Bạn tạo một tệp thư viện python với các hàm chung và khai báo biến. Các định nghĩa này có thể được gọi bằng một tệp python khác
Các chức năng và giá trị sau được xác định trong kho. py
# different values assigned to many variables
length, width, depth = 5, 8, 7
print[length]
print[width]
print[depth]
# same value assigned to many variables
length = width = depth = 5
print[length]
print[width]
print[depth]
Để sử dụng hàm và mảng này, chúng ta sẽ phải nhập thư viện này vào tệp mã chính của mình
# different values assigned to many variables
length, width, depth = 5, 8, 7
print[length]
print[width]
print[depth]
# same value assigned to many variables
length = width = depth = 5
print[length]
print[width]
print[depth]
Dòng 1 nhập thư viện hàng tồn kho. Dòng 3 và 4 là hàm và các biến được khai báo trong thư viện
Tên thư viện có thể thay đổi thành tên phù hợp. Trong đoạn mã sau, chúng tôi thay đổi tên thư viện thành inv. Thay đổi này là cục bộ đối với mã của chúng tôi
# different values assigned to many variables
length, width, depth = 5, 8, 7
print[length]
print[width]
print[depth]
# same value assigned to many variables
length = width = depth = 5
print[length]
print[width]
print[depth]
Chúng tôi không phải nhập tất cả các yếu tố từ thư viện. Chúng ta có thể kén chọn trong việc nhập khẩu. Mệnh đề from được sử dụng để nhập một phần của mô-đun
# different values assigned to many variables
length, width, depth = 5, 8, 7
print[length]
print[width]
print[depth]
# same value assigned to many variables
length = width = depth = 5
print[length]
print[width]
print[depth]
Trong đoạn mã trên, hàm CountStock trả về kết quả mong đợi. Tuy nhiên, trái cây là không xác định và lỗi ném
Có nhiều mô-đun tích hợp sẵn trong python, có thể được sử dụng trong các kiểu nhập ở trên
ngày
Bằng cách nhập mô-đun, datetime, chúng ta có thể làm việc với ngày tháng trong python
# different values assigned to many variables
length, width, depth = 5, 8, 7
print[length]
print[width]
print[depth]
# same value assigned to many variables
length = width = depth = 5
print[length]
print[width]
print[depth]
Chúng tôi có thể in ngày và dấu thời gian hiện tại
Chúng tôi cũng có thể tạo một đối tượng ngày với giá trị ngày cụ thể. Hàm tạo của đối tượng datetime chấp nhận năm, tháng và ngày để tạo ngày tháng
# different values assigned to many variables
length, width, depth = 5, 8, 7
print[length]
print[width]
print[depth]
# same value assigned to many variables
length = width = depth = 5
print[length]
print[width]
print[depth]
Trong lệnh gọi hàm tạo ở trên, giờ, phút, giây, mili giây là tùy chọn. Zero là giá trị mặc định của họ
Datetime có một cách để định dạng giá trị ngày. Đối tượng datetime hiển thị phương thức strftime[] định dạng giá trị ngày của đối tượng. Strftime[] chấp nhận một chuỗi định dạng làm đầu vào và trả về đầu ra được định dạng
a = 10
b = 6
print [a + b] # addition
print [a - b] # subtraction
print [a * b] # multiplication
print [a / b] # division
print [a % b] # modulus
print [a ** b] # exponentiation
print [a // b] # floor division
%B trả về tên đầy đủ của tháng
Các chi tiết định dạng khác như được đề cập trong bảng này
Chỉ thịMô tảVí dụ%aNgày trong tuần, phiên bản ngắnFri%Aweekday, phiên bản đầy đủThứ sáu%wWeekday dưới dạng số 0-6, 0 là Chủ nhật2%dNgày của tháng 01-3122%bMonth name, short versionMar%BMonth name, full versionMarch%mMonth dưới dạng số 01-1210 . 23. 00 2020%xPhiên bản địa phương của ngày02/29/20%XPhiên bản địa phương của thời gian13. 57. 00%%A % ký tự%Trình tạo số ngẫu nhiên trong Python
MÁY TẠO SỐ NGẪU NHIÊN LÀ GÌ. –
Trình tạo là các chức năng tạo ra các mục bất cứ khi nào chúng được gọi. Trình tạo số ngẫu nhiên trong Python là một chức năng sẵn có hỗ trợ bạn tạo các số ngẫu nhiên bất cứ khi nào cần thiết. Tất cả các chức năng này được tích hợp sẵn trong mô-đun ngẫu nhiên của python
TẠO SỐ LƯỢNG. -
Nếu chúng ta nói về các số nguyên ngẫu nhiên, chúng có thể được tạo bằng cách sử dụng randrange[] và randint[]. Hãy xem hai chức năng này hoạt động như thế nào,
RANDINT[]RANDARANGE[]DEFINITIONHàm này tạo ra các số nguyên nằm giữa một giới hạn nhất định. Nó nhận hai tham số trong đó tham số đầu tiên chỉ định giới hạn dưới của phạm vi và tham số thứ hai chỉ định giới hạn trên của phạm vi đã cho. randint[a,b] bắt đầu tạo các giá trị từ a đến b sao cho. a = 2 # equivalent to b = b >> 2 b > 2 b > 2 b > 2 b > 2 b > 2 b > 2 b > 2 b > 2 b > 2 b = b] # true if a is greater than or equal to b print[a b] # true if a is greater than b print[a < b] # true if a is less than b print[a >= b] # true if a is greater than or equal to b print[a b] # true if a is greater than b print[a < b] # true if a is less than b print[a >= b] # true if a is greater than or equal to b print[a b] # true if a is greater than b print[a < b] # true if a is less than b print[a >= b] # true if a is greater than or equal to b print[a b] # true if a is greater than b print[a < b] # true if a is less than b print[a >= b] # true if a is greater than or equal to b print[a b] # true if a is greater than b print[a < b] # true if a is less than b print[a >= b] # true if a is greater than or equal to b print[a b] # true if a is greater than b print[a < b] # true if a is less than b print[a >= b] # true if a is greater than or equal to b print[a b] # true if a is greater than b print[a < b] # true if a is less than b print[a >= b] # true if a is greater than or equal to b print[a b] # true if a is greater than b print[a < b] # true if a is less than b print[a >= b] # true if a is greater than or equal to b print[a b] # true if a is greater than b print[a < b] # true if a is less than b print[a >= b] # true if a is greater than or equal to b print[a 3 and a < 7] # True if one condition is true print[a > 6 or b < 7] # True if given condition is false [inverse of given condition] print[not[a > 3]] 0Just like conditional statements, you can also implement while functions on the different data structures such as tuple, list, string, etc. Let us look at an example with a list
a = 5
b = 8
# True if both conditions are true
print[a > 3 and a < 7]
# True if one condition is true
print[a > 6 or b < 7]
# True if given condition is false [inverse of given condition]
print[not[a > 3]]
Output
a = 5
b = 8
# True if both conditions are true
print[a > 3 and a < 7]
# True if one condition is true
print[a > 6 or b < 7]
# True if given condition is false [inverse of given condition]
print[not[a > 3]]
Next, let us take a look at where and how to use a for loop. For loop is used to iterate over a sequence, let us head to the code to understand the functionality of the for loop
a = 5
b = 8
# True if both conditions are true
print[a > 3 and a < 7]
# True if one condition is true
print[a > 6 or b < 7]
# True if given condition is false [inverse of given condition]
print[not[a > 3]]
Output
a = 5
b = 8
# True if both conditions are true
print[a > 3 and a < 7]
# True if one condition is true
print[a > 6 or b < 7]
# True if given condition is false [inverse of given condition]
print[not[a > 3]]
Now, let us see how to create nested for loops, i. e. , a for loop inside a for loop
a = 5
b = 8
# True if both conditions are true
print[a > 3 and a < 7]
# True if one condition is true
print[a > 6 or b < 7]
# True if given condition is false [inverse of given condition]
print[not[a > 3]]
Output
a = 5
b = 8
# True if both conditions are true
print[a > 3 and a < 7]
# True if one condition is true
print[a > 6 or b < 7]
# True if given condition is false [inverse of given condition]
print[not[a > 3]]
So this is all about the flow control statements. You can apply these functions and loops in many ways as required for the type of data you are working with and the type of problem you are trying to solve.
File handling
Python hỗ trợ nhiều chức năng để tạo, đọc, ghi và xóa tệp. Các thao tác này rất quan trọng trong hầu hết các ứng dụng
hàm open[] mở hàm để xử lý tiếp. open[] nhận hai tham số, một là tên tệp mà chúng ta muốn thao tác và một là chế độ
chế độ liên quan đến hoạt động chúng tôi muốn thực hiện. Nó có thể được đọc [r] hoặc nối thêm [a] hoặc viết [w] hoặc tạo [x]
Hơn nữa, chúng ta có thể chỉ định xem tệp là tệp nhị phân [b] hay tệp văn bản [t]
Tạo một tệp văn bản với một số nội dung trong tên trái cây. txt. Đặt tệp này vào cùng thư mục với mã python mà chúng tôi đang viết
Hãy xem xét ví dụ này
a = 5
b = 8
# True if both conditions are true
print[a > 3 and a < 7]
# True if one condition is true
print[a > 6 or b < 7]
# True if given condition is false [inverse of given condition]
print[not[a > 3]]
Ở đây chế độ mặc định được giả định. Theo mặc định, tệp văn bản được mở ở chế độ đọc. Tuyên bố trên có thể được viết là
a = 5
b = 8
# True if both conditions are true
print[a > 3 and a < 7]
# True if one condition is true
print[a > 6 or b < 7]
# True if given condition is false [inverse of given condition]
print[not[a > 3]]
Việc mở trả về một đối tượng tệp. Đối tượng tệp này được sử dụng để đọc hoặc ghi vào tệp
a = 5
b = 8
# True if both conditions are true
print[a > 3 and a < 7]
# True if one condition is true
print[a > 6 or b < 7]
# True if given condition is false [inverse of given condition]
print[not[a > 3]]
Phương thức đọc của đối tượng tệp tải nội dung của tệp văn bản và trả về dưới dạng một chuỗi
Thay vì đọc cả dòng, chúng ta có thể đọc từng dòng một. phương thức readline[] trả về một dòng văn bản. Chúng tôi có thể gọi readline bất kỳ số lần nào, cho đến khi tệp có nội dung văn bản
str = "# hello world" Hai dòng đầu tiên được hiển thị trong mã này
Tất cả các dòng có thể được đọc trong vòng lặp for
str = "# hello world" Khi sử dụng tệp kết thúc, tốt hơn là đóng tệp. Điều này giải phóng tay cầm và các tài nguyên khác được liên kết với tệp và lệnh mở tệp
str = "# hello world" Có thể ghi vào tệp bằng cách chuyển qua các chế độ thích hợp. chế độ append [a] sẽ thêm các chuỗi mới vào cuối tệp. chế độ ghi [w] sẽ xóa nội dung hiện có của tệp và ghi chuỗi mới một mình vào tệp
str = "# hello world" Bằng cách chạy mã này, chúng tôi thêm chuỗi mới vào tệp hiện có và hiển thị toàn bộ nội dung
Nếu chúng ta thay chế độ “a” bằng “w” thì toàn bộ tệp văn bản [nội dung hiện có] sẽ bị xóa và chỉ có chuỗi mới trong tệp
chế độ x được sử dụng để tạo một tệp mới. Nếu tệp đã tồn tại, x sẽ báo lỗi cho biết tệp đã tồn tại
f = open[“trái cây. txt”, “x”]
Ngoài ra, chế độ x và w sẽ tạo tệp mới nếu tệp không tồn tại
Thư viện os được sử dụng để xóa các thư mục và kiểm tra xem các tệp có tồn tại không
str = "# hello world" Ở đây chúng tôi đã xóa các tập tin. Lỗi được đưa ra nếu tệp không tồn tại
Bạn có thể kiểm tra xem tệp có tồn tại hay không bằng cách sử dụng phương thức tồn tại[] của os. đối tượng đường dẫn
str = "# hello world" Một thư mục có thể bị xóa bằng phương thức rmdir[] của mô-đun os
str = "# hello world" Tạo hàm trong Python
Hàm là một khối mã có thể tái sử dụng. Nó được sử dụng để thực hiện một hành động đơn lẻ, có liên quan và người ta có thể gọi trực tiếp hàm khi họ cần thực hiện hành động đó, thường là một phần của mã lớn hơn. Chỉ cần gọi hàm và nhập các giá trị cần thiết cho các biến và do đó loại bỏ nhu cầu viết mã dài mỗi khi bạn cần thực hiện cùng một hành động
Để tạo hàm trong Python, chúng ta sẽ sử dụng phương thức ‘def’. Mọi tham số hoặc đối số đầu vào cần được đặt bên trong dấu ngoặc đơn với tên hàm khi xác định nó. Khối mã trong mọi chức năng bắt đầu bằng dấu hai chấm [. ] và được thụt vào. Cuối cùng, trả về [biểu thức] thoát khỏi một chức năng. Nhìn vào ví dụ dưới đây
str = "# hello world" Hãy để chúng tôi xem đầu ra nào chúng tôi nhận được khi gọi chức năng này
str = "# hello world" Output
str = "# hello world" Chúng ta hãy xem một ví dụ khác về việc xác định một hàm bằng cách sử dụng if và other
Tìm hiểu các lệnh đơn giản bằng cách sử dụng Python làm máy tính
Để chèn một bình luận trong Python, hãy bắt đầu câu bằng ký tự băm, i. e. , #. Một nhận xét có thể xuất hiện ở đầu dòng. Nó cũng có thể theo mã hoặc khoảng trắng. Nhận xét được giải thích dưới đây với sự trợ giúp của một số ví dụ
str = "# hello world" Hãy để chúng tôi chạy một số lệnh đơn giản. Bắt đầu trình thông dịch và đợi dấu nhắc chính, tôi. e. , >>>. Bây giờ chúng ta hãy xem một số lệnh đơn giản và kết quả của chúng. Dưới đây là các phép toán cơ bản như tổng, hiệu, nhân và chia
str = "# hello world" Bộ phận luôn cung cấp một giá trị nổi làm đầu ra. Nếu bạn muốn hiển thị riêng kết quả số nguyên và phần dư, lệnh sẽ bao gồm “//” để hiển thị giá trị số nguyên sau khi chia và % sẽ hiển thị phần còn lại
str = "# hello world" Trong Python, bạn có thể sử dụng ** để tính lũy thừa
str = "# hello world" Tiếp theo, ký hiệu [=] được dùng để gán giá trị cho một biến
str = "# hello world" Khi làm việc ở chế độ tương tác, giá trị in cuối cùng được gán cho biến [_], i. e. , gạch dưới. Do đó, người ta có thể gọi lại giá trị được in cuối cùng bằng cách gọi biến _. Chúng ta hãy xem ví dụ dưới đây, nơi chúng tôi tính thuế đánh vào giá của một sản phẩm
str = "# hello world" Thao tác dữ liệu với Pandas
Pandas là viết tắt của Dữ liệu bảng. Đây là thư viện cốt lõi để thao tác dữ liệu và phân tích dữ liệu.
NumPy cung cấp cho chúng ta mảng đa chiều, tương tự Pandas cung cấp cho chúng ta cấu trúc dữ liệu đa chiều để thực hiện các thao tác thao tác dữ liệu khác nhau.
Pandas provides us with both single-dimensional and multidimensional data structures.
The single-dimensional data structure is called a series object; the multidimensional data structure is known as data-frame
In Python, we’ll mainly be working with data-frames. This is because, Machine Learning algorithms such as linear regression, logistic regression and so on, are all applicable on data-frames. All the data sets available to us can be converted into a data-frame in Python and all manipulations can be done on this.
In Pandas, the series object is a one-dimensional labelled array. When we consider NumPy array, it is not labelled.
Pandas Series object
Let us take a look at how to create a series object using Pandas. Pandas are pre-installed in Anaconda, hence, we will not have to install it manually.
First, we would have to invoke the Pandas library. To do this, type in-
str = "# hello world" Here, ‘pd’ is an alias for Pandas.
Once Pandas has been imported, we can create the first series object. Let us name it as s1
str = "# hello world" We must keep in mind that S should always be a capital letter. A series object has now been created.
Take a look at the image for reference.
This is how a series object is created. As you can see, the values 10,20,30,40,50 are int64 type. And 0,1,2,3,4 are the labels associated with each of these values. These values can either be known as labels associated or index values.
If you wish to change the index in a panda series, you can do it by adding an index attribute as shown in the following image.
This allows us to choose the value associated or the index value corresponding to the series list
Series object from Dictionary
Now that we have seen how to create a series object with the help of lists, we can take a look at how it is done with the help of a dictionary.
In case of a dictionary, the key automatically becomes the index and the values will stay as the actual values of the index.
Here, the index is k1, k2 and k3 and the values are 10,20 and 30 respectively.
Pandas Data-frames
A data-frame is a two dimensional labelled data structure and it comprises rows and columns. Normally, in a data-frame, all the elements in a particular column are of the same type.
For example- If we consider a column which contains the names of people, all of them would be a string type value. If we consider a column containing the marks of these individuals, they would be of an integer type.
Let us create a data-frame named ‘student’. We’ll list the names of the students inside the data-frame and also the marks which each student obtained, this creates a dictionary.
To create the data-frame using the dictionary we created, we need to type pd. DataFrame[student]
Refer the image below for reference and to see the output for the same
The key becomes the column name and the list of values for a particular key becomes the row values for that column. In simpler words, the key here is student_name and the row values are Bob, Sam, Julia and Charles.
This is basically how a data-frame is created in Pandas.
There are a few inbuilt functions which can be performed on any data frame. They are – head[], shape[], tail[] and describe[]. If we want to separate individual rows and columns from a data frame, we can use any of these two methods. They are . iloc[] and . loc[] method.
These are some of the data manipulation methods which can be done with Pandas.
Python Tutorial FAQs
1. How do I start python for beginners?
As a beginner, it is quite confusing to decide where to begin your learning journey. Có một số tài nguyên có sẵn trực tuyến mà qua đó người ta có thể học Python cho người mới bắt đầu. Tùy thuộc vào phương pháp học phù hợp với bạn, bạn có thể học qua nội dung video, blog, khóa học trực tuyến miễn phí, v.v. Great Learning Academy cung cấp Khóa học trực tuyến miễn phí về Python cho Machine Learning mà bạn có thể tham gia khi mới bắt đầu. Khóa học này sẽ giúp bạn bước vào lĩnh vực Python
2. Các bước để học Python là gì?
Bắt đầu với các khái niệm cơ bản trong Python. Tìm hiểu ý nghĩa của Python, nơi nó được sử dụng và cách cài đặt Python. Đăng bài này, bắt đầu học Cú pháp cơ bản liên quan đến Python. Nếu bạn muốn có quy trình học Python từng bước được hướng dẫn, bạn có thể tham gia các khóa học trực tuyến miễn phí để học. Hãy xem khóa học python miễn phí có chứng chỉ này và bắt đầu với Python
3. Làm cách nào tôi có thể học Python nhanh?
Những người mới bắt đầu trong lĩnh vực Python thích học ngôn ngữ lập trình này do tính đơn giản và linh hoạt của nó. Để học Python nhanh, hãy bắt đầu với những điều cơ bản. Học các nguyên tắc cơ bản sẽ cho bạn một ý tưởng rõ ràng về ngôn ngữ. Thực hành lập trình và làm việc trên các dự án khác nhau cũng giúp bạn học hỏi nhanh chóng và thông qua tiếp xúc thực tế
4. Người mới bắt đầu có thể học Python không?
Đúng. Python là một ngôn ngữ lập trình hướng đối tượng được biết đến với sự đơn giản của nó. Hầu hết những người mới bắt đầu trong lĩnh vực phát triển thích học Python
5. Tôi có thể học Python mà không cần bất kỳ kinh nghiệm lập trình nào không?
Đúng. Bạn có thể học Python mà không cần có kiến thức hoặc kinh nghiệm lập trình trước đó. Python rất tốt cho người mới bắt đầu do Cú pháp đơn giản của nó
6. Mất bao nhiêu thời gian để học Python?
Thời gian để học Python sẽ phụ thuộc vào từng cá nhân và thay đổi dựa trên một số yếu tố. Tuy nhiên, để tìm hiểu kiến thức cơ bản về Python, bao gồm cú pháp, biến, kiểu dữ liệu, v.v. , sẽ mất từ năm đến mười tuần muộn nhất
7. Tôi nên học gì sau khi học Python cơ bản?
Sau khi học kiến thức cơ bản về Python, bạn có thể tìm hiểu thêm về Khung phát triển web, bạn có thể học Máy học và bạn cũng có thể làm việc trên các Dự án Python khác nhau hữu ích trong việc xây dựng CV của mình. Làm việc trên các Dự án và Thực tập Python có thể đưa bạn đến gần hơn với công việc mơ ước của mình
8. Làm cách nào để bắt đầu mã hóa python?
Để bắt đầu viết mã bằng Python, trước tiên bạn phải cài đặt Python với sự trợ giúp của gói phân phối Anaconda có sẵn trên Anaconda. tổ chức. Tải xuống Anaconda và sau đó tải xuống phiên bản Python mới nhất. Quá trình sau này rất đơn giản. Bước tiếp theo là khởi động IDE và bắt đầu viết mã bằng Python
9. Python có dễ hơn Java không?
Có sự khác biệt nhất định giữa hai ngôn ngữ lập trình. Python là một ngôn ngữ được giải thích và được gõ động. Trong khi Java là một ngôn ngữ được biên dịch và được gõ tĩnh. Mặc dù thời gian chạy trong Java nhanh hơn và dễ gỡ lỗi hơn, nhưng Python dễ học và dễ đọc hơn
Học python từ các giảng viên chuyên gia trong chương trình PG của Great Learning về Trí tuệ nhân tạo và Học máy. Bạn không cần bất kỳ nền tảng kỹ thuật nào trước đó để theo đuổi khóa học này và hiểu chức năng của python