Python is een veelgebruikte programmeertaal die verschillende unieke kenmerken en voordelen biedt in vergelijking met talen zoals Java En C++. Onze Python-tutorial legt de basisprincipes en geavanceerde concepten van Python grondig uit, te beginnen met de installatie, Voorwaardelijke stellingen , loops , ingebouwde datastructuren , Object-Oriented Programming , Generators , Exception Handling , Python RegEx en vele andere concepten. Deze tutorial is bedoeld voor beginners en werkende professionals.
Eind jaren tachtig Guido van Rossum droomde ervan Python te ontwikkelen. De eerste versie van Python 0.9.0 werd uitgebracht in 1991 . Sinds de release begon Python aan populariteit te winnen. Volgens rapporten is Python nu de meest populaire programmeertaal onder ontwikkelaars vanwege de hoge eisen op technisch gebied.
Wat is Python
Python is een dynamisch getypeerde, gecompileerde en geïnterpreteerde, op afval verzamelde en puur objectgeoriënteerde programmeertaal voor algemene doeleinden die procedureel, objectgeoriënteerd en functioneel programmeren ondersteunt.
Kenmerken van Python:
Python heeft er veel webgebaseerde middelen , open source projecten , En een levendige gemeenschap . Het leren van de taal, samenwerken aan projecten en bijdragen aan het Python-ecosysteem worden allemaal heel gemakkelijk gemaakt voor ontwikkelaars.
Vanwege het eenvoudige taalframework is Python gemakkelijker te begrijpen en code in te schrijven. Dit maakt het een fantastische programmeertaal voor beginners. Bovendien helpt het doorgewinterde programmeurs bij het schrijven van duidelijke en foutloze code.
Python heeft veel bibliotheken van derden die kunnen worden gebruikt om de functionaliteit ervan eenvoudiger te maken. Deze bibliotheken bestrijken vele domeinen, bijvoorbeeld webontwikkeling, wetenschappelijk computergebruik, data-analyse en meer.
Java versus Python
Python is een uitstekende keuze voor snelle ontwikkelings- en scripttaken. Terwijl Java de nadruk legt op een sterk typesysteem en objectgeoriënteerd programmeren.
Hier zijn enkele basisprogramma's die de belangrijkste verschillen daartussen illustreren.
Bedrukking 'Hallo wereld'
Python-code:
print('Hello World)'
In Python is het één regel code. Het vereist een eenvoudige syntaxis om 'Hallo wereld' af te drukken
Java-code:
public class HelloWorld { public static void main(String[] args) { System.out.println('Hello, World!'); } } In Java moeten we klassen declareren, methodestructuren en nog veel meer.
Hoewel beide programma's dezelfde uitvoer geven, kunnen we het syntaxisverschil in de print-instructie opmerken.
industrie en fabriek
- In Python is het gemakkelijk om code te leren en te schrijven. In Java is meer code nodig om bepaalde taken uit te voeren.
- Python is dynamisch getypeerd, wat betekent dat we de variabele niet hoeven te declareren, terwijl Java statistisch is getypeerd, wat betekent dat we het variabeletype moeten declareren.
- Python is geschikt voor verschillende domeinen zoals Data Science, Machine Learning, Webontwikkeling en meer. Terwijl Java geschikt is voor webontwikkeling, ontwikkeling van mobiele apps (Android) en meer.
Basissyntaxis van Python
Er wordt geen gebruik gemaakt van accolades of puntkomma's in de programmeertaal Python. Het is een Engelsachtige taal. Maar Python gebruikt inspringen om een codeblok te definiëren. Inspringen is niets anders dan het toevoegen van witruimte vóór de instructie wanneer dat nodig is.
Bijvoorbeeld -
def func(): statement 1 statement 2 ………………… ………………… statement N
In het bovenstaande voorbeeld behoren de uitspraken die rechts op hetzelfde niveau liggen, tot de functie. Over het algemeen kunnen we vier witruimten gebruiken om de inspringing te definiëren.
In plaats van de puntkomma, zoals die in andere talen wordt gebruikt, beëindigt Python zijn instructies met een NewLine-teken.
Python is een hoofdlettergevoelige taal, wat betekent dat hoofdletters en kleine letters verschillend worden behandeld. 'naam' en 'Naam' zijn bijvoorbeeld twee verschillende variabelen in Python.
In Python kunnen opmerkingen worden toegevoegd met behulp van het '#'-symbool. Elke tekst die na het '#'-symbool wordt geschreven, wordt beschouwd als commentaar en wordt door de tolk genegeerd. Deze truc is handig om notities aan de code toe te voegen of een codeblok tijdelijk uit te schakelen. Het helpt ook bij het beter begrijpen van de code door sommige andere ontwikkelaars.
'Als' , 'anders', 'for' , 'while' , 'try', 'except' en 'finally' zijn enkele gereserveerde trefwoorden in Python die niet als variabelenamen kunnen worden gebruikt. Deze termen worden om bepaalde redenen in de taal gebruikt en hebben een vaste betekenis. Als u deze trefwoorden gebruikt, kan uw code fouten bevatten, of kan de interpreter ze afwijzen als potentiële nieuwe variabelen.
Geschiedenis van Python
Python is gemaakt door Guido van Rossum . Eind jaren tachtig begon Guido van Rossum, een Nederlandse programmeur, aan Python te werken terwijl hij bij het Centrum Wiskunde & Informatica (CWI) in Nederland werkte. Hij wilde een opvolger creëren voor de ABC-programmeertaal dat zou gemakkelijk te lezen en efficiënt zijn.
In februari 1991 werd de eerste openbare versie van Python, versie 0.9.0, uitgebracht. Dit markeerde de officiële geboorte van Python als open source-project . De taal is vernoemd naar de Britse comedyserie ' Het vliegende circus van Monty Python '.
De ontwikkeling van Python heeft verschillende fasen doorlopen. In januari 1994 werd Python 1.0 uitgebracht als een bruikbare en stabiele programmeertaal. Deze versie bevatte veel van de functies die nog steeds aanwezig zijn in Python.
Van de jaren negentig tot de jaren 2000 , werd Python populair vanwege zijn eenvoud, leesbaarheid en veelzijdigheid. In oktober 2000 werd Python 2.0 uitgebracht . Python 2.0 introduceerde lijstbegrippen, garbagecollection en ondersteuning voor Unicode.
In december 2008 werd Python 3.0 uitgebracht. Python 3.0 introduceerde verschillende achterwaarts incompatibele wijzigingen om de leesbaarheid en onderhoudbaarheid van de code te verbeteren.
Gedurende de jaren 2010 is de populariteit van Python toegenomen, vooral op gebieden als machinaal leren en webontwikkeling. Het rijke ecosysteem van bibliotheken en frameworks maakte het tot een favoriet onder ontwikkelaars.
De Python Software Foundation (PSF) werd in 2001 opgericht om de programmeertaal Python en zijn gemeenschap te promoten, beschermen en bevorderen.
Waarom Python leren?
Python biedt veel handige functies voor de programmeur. Deze kenmerken maken het de meest populaire en meest gebruikte taal. We hebben hieronder enkele essentiële kenmerken van Python opgesomd.
- Objectgeoriënteerde taal : Het ondersteunt objectgeoriënteerd programmeren, waardoor het schrijven van herbruikbare en modulaire code eenvoudig wordt.
Waar wordt Python gebruikt?
Python is een populaire programmeertaal voor algemeen gebruik en wordt op vrijwel elk technisch gebied gebruikt. De verschillende gebieden van Python-gebruik worden hieronder gegeven.
- Kunstmatige intelligentie : AI is een opkomende technologie, en Python is een perfecte taal voor kunstmatige intelligentie en machinaal leren vanwege de beschikbaarheid van krachtige bibliotheken zoals TensorFlow, Keras en PyTorch.
- DevOps : Python wordt veel gebruikt in DevOps voor automatisering en scripting van infrastructuurbeheer, configuratiebeheer en implementatieprocessen.
- Verzoeken : een bibliotheek voor het doen van HTTP-verzoeken
- SQLAlchemie : een bibliotheek voor het werken met SQL-databases
- Wanhopig : een raamwerk voor het bouwen van multi-touch-applicaties
- Pygame : een bibliotheek voor game-ontwikkeling
- REST-framework : een toolkit voor het bouwen van RESTful API's
- SnelleAPI : een modern, snel webframework voor het bouwen van API's
- Gestroomlijnd : een bibliotheek voor het bouwen van interactieve webapps voor machine learning en data science
- NLTK : een bibliotheek voor natuurlijke taalverwerking
Python heeft een breed scala aan bibliotheken en raamwerken die op grote schaal worden gebruikt op verschillende gebieden, zoals machinaal leren, kunstmatige intelligentie, webapplicaties, enz. We definiëren enkele populaire raamwerken en bibliotheken van Python als volgt.
Pythonprint() Functie
De Python print()-functie wordt gebruikt om uitvoer naar de console of terminal weer te geven. Hiermee kunnen we tekst, variabelen en andere gegevens weergeven in een voor mensen leesbaar formaat.
Syntaxis:
print(object(en), sep=scheidingsteken, end=einde, bestand=bestand, flush=flush)
Er zijn een of meer argumenten nodig, gescheiden door komma(,) en er wordt standaard een 'nieuwe regel' aan het einde toegevoegd.
Parameters:
- object(en) - Zoveel als u wilt dat gegevens worden weergegeven, worden eerst omgezet in tekenreeksen en afgedrukt naar de console.
- sep - Scheidt de objecten door een doorgegeven scheidingsteken, standaardwaarde = ' '.
- end - Beëindigt een regel met een newline-teken
- file - een bestandsobject met schrijfmethode, standaardwaarde = sys.stdout
Voorbeeld:
# 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)) Uitgang:
Hello, World! Name: Aman Age: 21 X = 5 y = 7 Sum = 12 Score: 85.75%
In dit voorbeeld wordt de print-instructie gebruikt om string-, integer- en float-waarden af te drukken in een voor mensen leesbaar formaat.
De printinstructie kan worden gebruikt voor debuggen, loggen en om informatie aan de gebruiker te verstrekken.
Voorwaardelijke Python-verklaringen
Voorwaardelijke instructies helpen ons een bepaald blok voor een bepaalde voorwaarde uit te voeren. In deze zelfstudie leren we hoe we voorwaardelijke expressie kunnen gebruiken om een ander blok met instructies uit te voeren. Python biedt if en else trefwoorden om logische voorwaarden in te stellen. De Elif trefwoord wordt ook gebruikt als een voorwaardelijke verklaring.
Voorbeeldcode voor if..else-instructie
x = 10 y = 5 if x > y: print('x is greater than y') else: print('y is greater than or equal to x')
Uitgang:
x is greater than y
In de bovenstaande code hebben we twee variabelen, x en y, met respectievelijk 10 en 5. Vervolgens gebruikten we een if..else-instructie om te controleren of x groter is dan y of omgekeerd. Als de eerste voorwaarde waar is, wordt de uitspraak 'x is groter dan y' afgedrukt. Als de eerste voorwaarde onwaar is, wordt in plaats daarvan de verklaring 'y is groter dan of gelijk aan x' afgedrukt.
Het sleutelwoord if controleert of de voorwaarde waar is en voert het codeblok daarin uit. De code in het else-blok wordt uitgevoerd als de voorwaarde onwaar is. Op deze manier helpt de if..else-instructie ons om verschillende codeblokken uit te voeren op basis van een voorwaarde.
We zullen hierover meer in detail leren in het verdere artikel voor de Python-tutorial.
Python-lussen
Soms moeten we de stroom van het programma wijzigen. Het kan zijn dat de uitvoering van een specifieke code meerdere keren herhaald moet worden. Voor dit doel bieden de programmeertalen verschillende lussen die een specifieke code meerdere keren kunnen herhalen. Bekijk de volgende tutorial om de uitspraken in detail te begrijpen.
Python voor lus
fruits = ['apple', 'banana', 'cherry'] for x in fruits: print(x, end=' ')
Uitgang:
apple banana cherry
Python While-lus
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:> In de bovenstaande voorbeeldcode hebben we het gebruik van twee soorten lussen in Python gedemonstreerd: For-lus en While-lus.
De For-lus wordt gebruikt om een reeks items te herhalen, zoals een lijst, tupel of tekenreeks. In het voorbeeld hebben we een lijst met vruchten gedefinieerd en een for-lus gebruikt om elke vrucht af te drukken, maar deze kan ook worden gebruikt om een reeks getallen af te drukken.
De While-lus herhaalt een codeblok als de opgegeven voorwaarde waar is. In het voorbeeld hebben we een variabele i geïnitialiseerd op 1 en een while-lus gebruikt om de waarde van i af te drukken totdat deze groter wordt dan of gelijk is aan 6. De instructie i += 1 wordt gebruikt om de waarde van i in elke iteratie te verhogen. .
We zullen er in de tutorial in detail over leren.
Python-gegevensstructuren
Python biedt vier ingebouwde datastructuren: lijsten , tupels , sets , En woordenboeken waarmee we gegevens op een efficiënte manier kunnen opslaan. Hieronder staan de veelgebruikte datastructuren in Python, samen met voorbeeldcode:
1. Lijsten
- Lijsten zijn bestelde collecties van gegevenselementen van verschillende gegevenstypen.
- Lijsten zijn veranderlijk wat betekent dat een lijst op elk moment kan worden gewijzigd.
- Elementen kunnen zijn toegankelijk via indexen .
- Ze worden gedefinieerd met behulp van vierkante haakjes ' [] '.
Voorbeeld:
wanneer werd de eerste computer uitgevonden
# 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)
Uitgang:
fuirts[1] = banana fruits = ['apple', 'banana', 'cherry', 'orange'] sum_nums = 15
2. Tupels
- Tupels zijn dat ook bestelde collecties van gegevenselementen van verschillende gegevenstypen, vergelijkbaar met Lijsten.
- Elementen kunnen zijn toegankelijk via indexen .
- Tupels zijn onveranderlijk wat betekent dat Tuples niet meer kunnen worden gewijzigd nadat ze zijn gemaakt.
- Ze worden gedefinieerd met behulp van een open haakje ' () '.
Voorbeeld:
# 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_)
Uitgang:
(x, y) = 3 4 Tuple = ('apple', 'banana', 'cherry', 'orange')
3 sets
- Setjes zijn ongeordend verzamelingen van onveranderlijke gegevenselementen van verschillende gegevenstypen.
- Setjes zijn veranderlijk .
- Elementen zijn niet toegankelijk via indices.
- Stelt in bevatten geen dubbele elementen .
- Ze worden gedefinieerd met behulp van accolades ' {} '
Voorbeeld:
# 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) Uitgang:
set1 = {1, 2, 3, 4} set2 = {'apple', 'cherry', 'orange', 'banana'} 4. Woordenboeken
- Woordenboek zijn sleutel-waardeparen waarmee u waarden aan unieke sleutels kunt koppelen.
- Ze worden gedefinieerd met behulp van accolades ' {} ' met sleutelwaardeparen gescheiden door dubbele punten ':' .
- Woordenboeken zijn dat wel veranderlijk .
- Elementen zijn toegankelijk via toetsen.
Voorbeeld:
# Create a dictionary person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} print('person =', person) print(person['name']) # Modify Dictionary person['age'] = 27 print('person =', person) Uitgang:
person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} Umesh person = {'name': 'Umesh', 'age': 27, 'city': 'Noida'} Dit zijn slechts enkele voorbeelden van de ingebouwde datastructuren van Python. Elke datastructuur heeft zijn eigen kenmerken en gebruiksscenario’s.
Functioneel programmeren in Python
In dit gedeelte van de Python-tutorial worden enkele belangrijke tools gedefinieerd die verband houden met functioneel programmeren, zoals lambda en recursieve functies. Deze functies zijn zeer efficiënt bij het uitvoeren van complexe taken. We definiëren een paar belangrijke functies, zoals verkleinen, in kaart brengen en filteren. Python biedt de functools-module die verschillende functionele programmeertools bevat. Bezoek de volgende tutorial voor meer informatie over functioneel programmeren.
Recente versies van Python hebben functies geïntroduceerd die functioneel programmeren beknopter en expressiever maken. Met de 'walrus-operator':= kunt u bijvoorbeeld inline variabelen toewijzen in expressies, wat handig kan zijn bij het werken met geneste functieaanroepen of lijstbegrippen.
Python-functie
- Lambda-functie - Een lambdafunctie is een kleine, anonieme functie die een willekeurig aantal argumenten kan aannemen, maar slechts één uitdrukking kan hebben. Lambda-functies worden vaak gebruikt bij functioneel programmeren om 'on the fly' functies te creëren zonder een benoemde functie te definiëren.
- Recursieve functie - Een recursieve functie is een functie die zichzelf aanroept om een probleem op te lossen. Recursieve functies worden vaak gebruikt bij functioneel programmeren om complexe berekeningen uit te voeren of om complexe datastructuren te doorkruisen.
- Kaartfunctie - De functie map() past een gegeven functie toe op elk item van een iterabele en retourneert een nieuwe iterabele met de resultaten. De itereerbare invoer kan een lijst, tuple of iets anders zijn.
- Filterfunctie - De functie filter() retourneert een iterator uit een iterabele waarvoor de functie is doorgegeven als het eerste argument True retourneert. Het filtert de items uit een iterabele die niet aan de gegeven voorwaarde voldoen.
- Functie verminderen - De functie reduce() past een functie van twee argumenten cumulatief toe op de items van een iterabele van links naar rechts om deze tot één enkele waarde te reduceren.
- functools-module - De functools-module in Python biedt functies van hogere orde die op andere functies werken, zoals Partial() en Reduce().
- Curry-functie - Een curryfunctie is een functie die meerdere argumenten nodig heeft en een reeks functies retourneert die elk één argument aannemen.
- Memoisatiefunctie - Memoisatie is een techniek die wordt gebruikt bij functioneel programmeren om de resultaten van dure functieaanroepen in het cachegeheugen op te slaan en het in de cache opgeslagen resultaat terug te sturen wanneer dezelfde invoer opnieuw plaatsvindt.
- Inrijgfunctie - Threading is een techniek die wordt gebruikt bij functioneel programmeren om meerdere taken tegelijkertijd uit te voeren om de code efficiënter en sneller te maken.
Python-modules
Python-modules zijn de programmabestanden die Python-code of -functies bevatten. Python heeft twee soorten modules: door de gebruiker gedefinieerde modules en ingebouwde modules. Een module die de gebruiker definieert, of onze Python-code die is opgeslagen met de .py-extensie, wordt behandeld als een door de gebruiker gedefinieerde module.
Ingebouwde modules zijn vooraf gedefinieerde modules van Python. Om de functionaliteit van de modules te gebruiken, moeten we ze in ons huidige werkprogramma importeren.
Python-modules zijn essentieel voor het ecosysteem van de taal, omdat ze herbruikbare code en functionaliteit bieden die in elk Python-programma kan worden geïmporteerd. Hier zijn een paar voorbeelden van verschillende Python-modules, samen met een korte beschrijving van elke module:
Wiskunde : geeft gebruikers toegang tot wiskundige constanten en pi- en trigonometrische functies.
Datum Tijd : biedt klassen voor een eenvoudigere manier om datums, tijden en perioden te manipuleren.
JIJ : Maakt interactie met het basisbesturingssysteem mogelijk, inclusief beheer van processen en bestandssysteemactiviteiten.
willekeurig : De willekeurige functie biedt hulpmiddelen voor het genereren van willekeurige gehele getallen en het kiezen van willekeurige items uit een lijst.
JSON : JSON is een datastructuur die kan worden gecodeerd en gedecodeerd en wordt vaak gebruikt in online API's en gegevensuitwisseling. Deze module maakt het mogelijk om met JSON om te gaan.
Met betrekking tot : Ondersteunt reguliere expressies, een krachtig hulpmiddel voor het zoeken naar en tekstmanipuleren van tekst.
Collecties : biedt alternatieve gegevensstructuren, zoals gesorteerde woordenboeken, standaardwoordenboeken en benoemde tupels.
NumPy : NumPy is een kerntoolkit voor wetenschappelijk computergebruik die numerieke bewerkingen op arrays en matrices ondersteunt.
Panda's : Het biedt gegevensstructuren en -bewerkingen op hoog niveau voor het omgaan met tijdreeksen en andere gestructureerde gegevenstypen.
Verzoeken : Biedt een eenvoudige gebruikersinterface voor web-API's en voert HTTP-verzoeken uit.
Python-bestand I/O
Bestanden worden gebruikt om gegevens op een computerschijf op te slaan. In deze tutorial leggen we het ingebouwde bestandsobject van Python uit. We kunnen een bestand openen met behulp van het Python-script en verschillende bewerkingen uitvoeren, zoals schrijven, lezen en toevoegen. Er zijn verschillende manieren om een bestand te openen. We worden uitgelegd met het relevante voorbeeld. We zullen ook leren lees-/schrijfbewerkingen uit te voeren op binaire bestanden.
Python's bestandsinvoer/uitvoer (I/O)-systeem biedt programma's om te communiceren met bestanden die op een schijf zijn opgeslagen. Dankzij de ingebouwde methoden van Python voor het bestandsobject kunnen we acties uitvoeren zoals het lezen, schrijven en toevoegen van gegevens aan bestanden.
De open() methode in Python maakt een bestandsobject bij het werken met bestanden. De naam van het bestand dat moet worden geopend en de modus waarin het bestand moet worden geopend, zijn de twee parameters die voor deze functie vereist zijn. De modus kan worden gebruikt afhankelijk van het werk dat met het bestand moet worden gedaan, zoals ' R ' voor lezen, ' In 'voor schrijven, of' A ' voor het bevestigen.
Nadat u met succes een object hebt gemaakt, kunnen er afhankelijk van ons werk verschillende methoden worden gebruikt. Als we in het bestand willen schrijven, kunnen we de functies write() gebruiken, en als je beide wilt lezen en schrijven, dan kunnen we de functie append() gebruiken en, in gevallen waarin we alleen de inhoud van het bestand kunnen we de functie read() gebruiken. Er kan ook met Python worden gewerkt met binaire bestanden die gegevens in binair formaat bevatten in plaats van in tekstformaat. Binaire bestanden worden geschreven op een manier die mensen niet direct kunnen begrijpen. De rb En wb modi kunnen binaire gegevens in binaire bestanden lezen en schrijven.
Python-uitzonderingen
Een uitzondering kan worden gedefinieerd als een ongebruikelijke toestand in een programma die resulteert in een onderbreking in de stroom van het programma.
Wanneer er zich een uitzondering voordoet, stopt het programma de uitvoering en wordt de andere code dus niet uitgevoerd. Een uitzondering vormen daarom de runtimefouten die het Python-script niet kunnen verwerken. Een uitzondering is een Python-object dat een fout vertegenwoordigt.
Python-uitzonderingen zijn een belangrijk aspect van foutafhandeling bij het programmeren in Python. Wanneer een programma een onverwachte situatie of fout tegenkomt, kan er een uitzondering optreden, die de normale werking van het programma kan onderbreken.
In Python worden uitzonderingen weergegeven als objecten die informatie over de fout bevatten, inclusief het type en bericht. Het meest voorkomende type uitzondering in Python is de klasse Exception, een basisklasse voor alle andere ingebouwde uitzonderingen.
Om uitzonderingen in Python af te handelen, gebruiken we de poging En behalve verklaringen. De poging statement wordt gebruikt om de code in te sluiten die een uitzondering kan opleveren, terwijl de behalve statement wordt gebruikt om een codeblok te definiëren dat moet worden uitgevoerd wanneer er een uitzondering optreedt.
Neem bijvoorbeeld de volgende code:
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')
Uitgang:
Enter a number: 0 Error: Division by zero
In deze code gebruiken we de try-instructie om te proberen een delingsbewerking uit te voeren. Als een van deze bewerkingen een uitzondering oplevert, wordt het overeenkomende behalve-blok uitgevoerd.
Python biedt ook veel ingebouwde uitzonderingen die in vergelijkbare situaties kunnen worden gegenereerd. Enkele veelvoorkomende ingebouwde uitzonderingen zijn onder meer IndexError, TypeError , En NaamFout . We kunnen ook onze aangepaste uitzonderingen definiëren door een nieuwe klasse te maken die overneemt van de klasse Exception.
Python-CSV
Een CSV staat voor 'door komma's gescheiden waarden', wat wordt gedefinieerd als een eenvoudig bestandsformaat dat specifieke structurering gebruikt om tabelgegevens te rangschikken. Het slaat tabelgegevens zoals spreadsheets of databases op in platte tekst en heeft een gemeenschappelijk formaat voor gegevensuitwisseling. Er wordt een CSV-bestand geopend in het Excel-werkblad en de rij- en kolomgegevens definiëren het standaardformaat.
We kunnen de CSV.reader-functie gebruiken om een CSV-bestand te lezen. Deze functie retourneert een reader-object dat we kunnen gebruiken om de rijen in het CSV-bestand te herhalen. Elke rij wordt geretourneerd als een lijst met waarden, waarbij elke waarde overeenkomt met een kolom in het CSV-bestand.
Neem bijvoorbeeld de volgende code:
import csv with open('data.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)
Hier openen we het bestand data.csv in de leesmodus en maken we een csv.lezer object met behulp van de csv.reader() functie. Vervolgens herhalen we de rijen in het CSV-bestand met behulp van een for-lus en drukken we elke rij af naar de console.
Wij kunnen gebruik maken van de CSV.writer() functie om gegevens naar een CSV-bestand te schrijven. Het retourneert een writer-object dat we kunnen gebruiken om rijen naar het CSV-bestand te schrijven. We kunnen rijen schrijven door de auteur () methode op het writer-object.
Neem bijvoorbeeld de volgende code:
import csv data = [ ['Name', 'Age', 'Country'], ['Alice', '25', 'USA'], ['Bob', '30', 'Canada'], ['Charlie', '35', 'Australia'] ] with open('data.csv', 'w') as file: writer = csv.writer(file) for row in data: writer.writerow(row)
In dit programma maken we een lijst met lijsten die data worden genoemd, waarbij elke binnenste lijst een rij met gegevens vertegenwoordigt. Vervolgens openen we het bestand data.csv in de schrijfmodus en maken we een CSV.schrijver object met behulp van de CSV.writer-functie. Vervolgens herhalen we de rijen met gegevens met behulp van een for-lus en schrijven we elke rij naar het CSV-bestand met behulp van de schrijvermethode.
Python verzendt e-mail
We kunnen een e-mail verzenden of lezen met behulp van het Python-script. De standaardbibliotheekmodules van Python zijn handig voor het verwerken van verschillende protocollen zoals PoP3 en IMAP. Python zorgt voor de smtplib module voor het verzenden van e-mails via SMTP (Simple Mail Transfer Protocol). We leren hoe u e-mail kunt verzenden met de populaire e-mailservice SMTP vanuit een Python-script.
Python magische methoden
De Python-magiemethode is de speciale methode die 'magie' aan een klasse toevoegt. Het begint en eindigt met dubbele onderstrepingstekens, bijvoorbeeld _heet_ of _str_ .
De ingebouwde klassen definiëren veel magische methoden. De Jij() functie kan worden gebruikt om het aantal magische methoden te zien dat door een klasse wordt geërfd. Het heeft twee voorvoegsels en achtervoegsel onderstrepingstekens in de naam van de methode.
- Magische Python-methoden worden ook wel dunder-methoden , een afkorting van 'double underscore'-methoden omdat hun namen beginnen en eindigen met een dubbel onderstrepingsteken.
- Magische methoden worden in bepaalde situaties automatisch aangeroepen door de Python-interpreter, bijvoorbeeld wanneer een object wordt gemaakt, vergeleken met een ander object of afgedrukt.
- Magische methoden kunnen worden gebruikt om het gedrag van klassen aan te passen, zoals definiëren hoe objecten worden vergeleken, geconverteerd naar tekenreeksen of worden geopend als containers.
- Enkele veelgebruikte magische methoden zijn onder meer: warmte voor het initialiseren van een object, str voor het converteren van een object naar een string, gelijk voor het vergelijken van twee objecten op gelijkheid, en getimed En setitem voor toegang tot items in een containerobject.
Bijvoorbeeld de str magische methode kan definiëren hoe een object als een string moet worden weergegeven. Hier is een voorbeeld
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) Uitgang:
Vikas (22)
In dit voorbeeld is de str-methode gedefinieerd om een opgemaakte tekenreeksrepresentatie van het Person-object te retourneren met de naam en leeftijd van de persoon.
Een andere veelgebruikte magische methode is gelijk , dat definieert hoe objecten moeten worden vergeleken op gelijkheid. Hier is een voorbeeld:
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)
Uitgang:
False True
In dit voorbeeld is de gelijk De methode is gedefinieerd om True te retourneren als twee Point-objecten dezelfde x- en y-coördinaten hebben en anders False.
Python Oeps-concepten
Alles in Python wordt behandeld als een object, inclusief gehele waarden, floats, functies, klassen en geen. Daarnaast ondersteunt Python alle georiënteerde concepten. Hieronder vindt u een korte introductie tot de Oeps-concepten van Python.
- Klassen en objecten - Python-klassen zijn de blauwdrukken van het object. Een object is een verzameling gegevens en methoden die op de gegevens inwerken.
- Erfenis - Een overerving is een techniek waarbij één klasse de eigenschappen van andere klassen erft.
- Constructeur - Python biedt een speciale methode __init__() die bekend staat als een constructor. Deze methode wordt automatisch aangeroepen wanneer een object wordt geïnstantieerd.
- Polymorfisme - Polymorfisme is een concept waarbij een object vele vormen kan aannemen. In Python kan polymorfisme worden bereikt door overbelasting van methoden en het overschrijven van methoden.
- Methode overschrijven - Methode overschrijven is een concept waarbij een subklasse een methode implementeert die al in zijn superklasse is gedefinieerd.
- Inkapseling - Encapsulatie is het verpakken van gegevens en methoden in één enkele eenheid. In Python wordt inkapseling bereikt via toegangsmodificatoren, zoals openbaar, privé en beschermd. Python dwingt echter niet strikt toegangsmodifiers af, en de naamgevingsconventie geeft het toegangsniveau aan.
- Data abstractie : Een techniek om de complexiteit van gegevens te verbergen en alleen essentiële kenmerken aan de gebruiker te tonen. Het biedt een interface voor interactie met de gegevens. Gegevensabstractie vermindert de complexiteit en maakt code modulairer, waardoor ontwikkelaars zich kunnen concentreren op de essentiële functies van het programma.
Bezoek de volgende bronnen om het Oeps-concept in detail te lezen.
- Python Oeps-concepten - In Python is het objectgeoriënteerde paradigma het ontwerpen van het programma met behulp van klassen en objecten. Het object is gerelateerd aan entiteiten uit het echte woord, zoals boek, huis, potlood, enz., en de klasse definieert de eigenschappen en het gedrag ervan.
- Python-objecten en -klassen - In Python zijn objecten instanties van klassen en klassen zijn blauwdrukken die de structuur en het gedrag van gegevens definiëren.
- Python-constructeur - Een constructor is een speciale methode in een klasse die wordt gebruikt om de attributen van een object te initialiseren wanneer het object wordt gemaakt.
- Python-erfenis - Overerving is een mechanisme waarbij een nieuwe klasse (subklasse of onderliggende klasse) de eigenschappen en het gedrag van een bestaande klasse (superklasse of bovenliggende klasse) erft.
- Python-polymorfisme - Polymorfisme maakt het mogelijk dat objecten van verschillende klassen worden behandeld als objecten van een gemeenschappelijke superklasse, waardoor verschillende klassen door elkaar kunnen worden gebruikt via een gemeenschappelijke interface.
Python Advance-onderwerpen
Python bevat veel vooruitgang en nuttige concepten die de programmeur helpen complexe taken op te lossen. Deze concepten worden hieronder gegeven.
Python-iterator
Een iterator is eenvoudigweg een object waarop kan worden herhaald. Het retourneert één object tegelijk. Het kan worden geïmplementeerd met behulp van de twee speciale methoden, __iter__() en verder__().
Iterators in Python zijn objecten die iteratie over een verzameling gegevens mogelijk maken. Ze verwerken elk collectie-element afzonderlijk zonder de hele collectie in het geheugen te laden.
Laten we bijvoorbeeld een iterator maken die de kwadraten van getallen tot een bepaalde limiet retourneert:
def __init__(self, limit): self.limit = limit self.n = 0 def __iter__(self): return self def __next__(self): if self.n <= 2 self.limit: square="self.n" ** self.n +="1" return else: raise stopiteration numbers="Squares(5)" for n in numbers: print(n) < pre> <p> <strong>Output:</strong> </p> <pre> 0 1 4 9 16 25 </pre> <p>In this example, we have created a class Squares that acts as an iterator by implementing the __iter__() and __next__() methods. The __iter__() method returns the Object itself, and the __next__() method returns the next square of the number until the limit is reached.</p> <p>To learn more about the iterators, visit our Python Iterators tutorial.</p> <h3> Python Generators </h3> <p> <strong>Python generators</strong> produce a sequence of values <strong>using a yield statement</strong> rather than a return since they are functions that return iterators. Generators terminate the function's execution while keeping the local state. It picks up right where it left off when it is restarted. Because we don't have to implement the iterator protocol thanks to this feature, writing iterators is made simpler. Here is an illustration of a straightforward generator function that produces squares of numbers:</p> <pre> # Generator Function def square_numbers(n): for i in range(n): yield i**2 # Create a generator object generator = square_numbers(5) # Print the values generated by the generator for num in generator: print(num) </pre> <p> <strong>Output:</strong> </p> <pre> 0 1 4 9 16 </pre> <h2>Python Modifiers</h2> <p> <strong>Python Decorators</strong> are functions used to modify the behaviour of another function. They allow adding functionality to an existing function without modifying its code directly. Decorators are defined using the <strong>@</strong> symbol followed by the name of the decorator function. They can be used for logging, timing, caching, etc.</p> <p>Here's an example of a decorator function that adds timing functionality to another function:</p> <pre> import time from math import factorial # Decorator to calculate time taken by # the function def time_it(func): def wrapper(*args, **kwargs): start = time.time() result = func(*args, **kwargs) end = time.time() print(f'{func.__name__} took {end-start:.5f} seconds to run.') return result return wrapper @time_it def my_function(n): time.sleep(2) print(f'Factorial of {n} = {factorial(n)}') my_function(25) </pre> <p> <strong>Output:</strong> </p> <pre> </pre> <p>In the above example, the time_it decorator function takes another function as an argument and returns a wrapper function. The wrapper function calculates the time to execute the original function and prints it to the console. The @time_it decorator is used to apply the time_it function to the my_function function. When my_function is called, the decorator is executed, and the timing functionality is added.</p> <h2>Python MySQL</h2> <p>Python MySQL is a powerful relational database management system. We must set up the environment and establish a connection to use MySQL with Python. We can create a new database and tables using SQL commands in Python.</p> <ul> <li> <strong>Environment Setup</strong> : Installing and configuring MySQL Connector/Python to use Python with MySQL.</li> <li> <strong>Database Connection</strong> : Establishing a connection between Python and MySQL database using MySQL Connector/Python.</li> <li> <strong>Creating New Database</strong> : Creating a new database in MySQL using Python.</li> <li> <strong>Creating Tables</strong> : Creating tables in the MySQL database with Python using SQL commands.</li> <li> <strong>Insert Operation</strong> : Insert data into MySQL tables using Python and SQL commands.</li> <li> <strong>Read Operation</strong> : Reading data from MySQL tables using Python and SQL commands.</li> <li> <strong>Update Operation</strong> : Updating data in MySQL tables using Python and SQL commands.</li> <li> <strong>Join Operation</strong> : Joining two or more tables in MySQL using Python and SQL commands.</li> <li> <strong>Performing Transactions</strong> : Performing a group of SQL queries as a single unit of work in MySQL using Python.</li> </ul> <p>Other relative points include handling errors, creating indexes, and using stored procedures and functions in MySQL with Python.</p> <h2>Python MongoDB</h2> <p> Python MongoDB is a popular NoSQL database that stores data in JSON-like documents. It is schemaless and provides high scalability and flexibility for data storage. We can use MongoDB with Python using the PyMongo library, which provides a simple and intuitive interface for interacting with MongoDB.</p> <p>Here are some common tasks when working with MongoDB in Python:</p> <ol class="points"> <li> <strong>Environment Setup</strong> : Install and configure MongoDB and PyMongo library on your system.</li> <li> <strong>Database Connection</strong> : Connect to a MongoDB server using the MongoClient class from PyMongo.</li> <li> <strong>Creating a new database</strong> : Use the MongoClient Object to create a new database.</li> <li> <strong>Creating collections</strong> : Create collections within a database to store documents.</li> <li> <strong>Inserting documents</strong> : Insert new documents into a collection using the insert_one() or insert_many() methods.</li> <li> <strong>Querying documents</strong> : Retrieve documents from a collection using various query methods like find_one(), find(), etc.</li> <li> <strong>Updating documents</strong> : Modify existing documents in a collection using update_one() or update_many() methods.</li> <li> <strong>Deleting documents</strong> : Remove documents from a collection using the delete_one() or delete_many() methods.</li> <li> <strong>Aggregation</strong> : Perform aggregation operations like grouping, counting, etc., using the aggregation pipeline framework.</li> <tr><td>Indexing:</td> Improve query performance by creating indexes on fields in collections. </tr></ol> <p>There are many more advanced topics in MongoDB, such as data sharding, replication, and more, but these tasks cover the basics of working with MongoDB in Python.</p> <h2> Python SQLite </h2> <p>Relational databases are built and maintained using Python SQLite, a compact, serverless, self-contained database engine. Its mobility and simplicity make it a popular option for local or small-scale applications. Python has a built-in module for connecting to SQLite databases called SQLite3, enabling developers to work with SQLite databases without difficulties.</p> <p>Various API methods are available through the SQLite3 library that may be used to run SQL queries, insert , select , update , and remove data, as well as get data from tables. Additionally, it allows transactions, allowing programmers to undo changes in case of a problem. Python SQLite is a fantastic option for creating programs that need an embedded database system, including desktop, mobile, and modest-sized web programs. SQLite has become popular among developers for lightweight apps with database functionality thanks to its ease of use, portability, and smooth connection with Python.</p> <h2> Python CGI </h2> <p> <strong>Python CGI</strong> is a technology for running scripts through web servers to produce dynamic online content. It offers a communication channel and a dynamic content generation interface for external CGI scripts and the web server. Python CGI scripts may create HTML web pages, handle form input, and communicate with databases. Python CGI enables the server to carry out Python scripts and provide the results to the client, offering a quick and effective approach to creating dynamic online applications.</p> <p>Python CGI scripts may be used for many things, including creating dynamic web pages, processing forms, and interacting with databases. Since Python, a potent and popular programming language, can be utilized to create scripts, it enables a more customized and flexible approach to web creation. Scalable, safe, and maintainable online applications may be created with Python CGI. Python CGI is a handy tool for web developers building dynamic and interactive online applications.</p> <h2> Asynchronous Programming in Python </h2> <p> <strong>Asynchronous programming</strong> is a paradigm for computer programming that enables independent and concurrent operation of activities. It is frequently used in applications like web servers, database software, and network programming, where several tasks or requests must be handled concurrently.</p> <p>Python has asyncio, Twisted, and Tornado among its libraries and frameworks for asynchronous programming. Asyncio, one of these, offers a simple interface for asynchronous programming and is the official asynchronous programming library in Python.</p> <p>Coroutines are functions that may be halted and restarted at specific locations in the code and are utilized by asyncio. This enables numerous coroutines to operate simultaneously without interfering with one another. For constructing and maintaining coroutines, the library offers several classes and methods, including <strong>asyncio.gather(),</strong> <strong>asyncio.wait(),</strong> and <strong>asyncio.create_task().</strong> </p> <p>Event loops, which are in charge of planning and operating coroutines, are another feature of asyncio. By cycling between coroutines in a non-blocking way, the event loop controls the execution of coroutines and ensures that no coroutine blocks another. Additionally, it supports timers and scheduling callbacks, which may be helpful when activities must be completed at specified times or intervals.</p> <h2> Python Concurrency </h2> <p>The term ' <strong>concurrency</strong> ' describes a program's capacity to carry out several tasks at once, enhancing the program's efficiency. Python offers several modules and concurrency-related methods, including asynchronous programming, multiprocessing, and multithreading. While multiprocessing involves running many processes simultaneously on a system, multithreading involves running numerous threads concurrently inside a single process.</p> <p>The <strong>threading module</strong> in Python enables programmers to build multithreading. It offers classes and operations for establishing and controlling threads. Conversely, the multiprocessing module allows developers to design and control processes. Python's asyncio module provides asynchronous programming support, allowing developers to write non-blocking code that can handle multiple tasks concurrently. Using these techniques, developers can write highperformance, scalable programs that can handle multiple tasks concurrently.</p> <p>Python's threading module enables the concurrent execution of several threads within a single process, which is helpful for I/O-bound activities.</p> <p>For CPU-intensive operations like image processing or data analysis, multiprocessing modules make it possible to execute numerous processes concurrently across multiple CPU cores.</p> <p>The asyncio module supports asynchronous I/O and permits the creation of single-threaded concurrent code using coroutines for high-concurrency network applications.</p> <p>With libraries like Dask , <a href="/pyspark-tutorial">PySpark</a> , and MPI, Python may also be used for parallel computing. These libraries allow workloads to be distributed across numerous nodes or clusters for better performance.</p> <h2> Web Scrapping using Python </h2> <p>The process of web scraping is used to retrieve data from websites automatically. Various tools and libraries extract data from HTML and other online formats. Python is among the most widely used programming languages for web scraping because of its ease of use, adaptability, and variety of libraries.</p> <p>We must take a few steps to accomplish web scraping using Python. We must first decide which website to scrape and what information to gather. Then, we can submit a request to the website and receive the HTML content using Python's requests package. Once we have the HTML text, we can extract the needed data using a variety of parsing packages, like <strong>Beautiful Soup and lxml</strong> .</p> <p>We can employ several strategies, like slowing requests, employing user agents, and using proxies, to prevent overburdening the website's server. It is also crucial to abide by the terms of service for the website and respect its robots.txt file.</p> <p>Data mining, lead creation, pricing tracking, and many more uses are possible for web scraping. However, as unauthorized web scraping may be against the law and unethical, it is essential to utilize it professionally and ethically.</p> <h2>Natural Language Processing (NLP) using Python</h2> <p>A branch of artificial intelligence (AI) called 'natural language processing' (NLP) studies how computers and human language interact. Thanks to NLP, computers can now understand, interpret, and produce human language. Due to its simplicity, versatility, and strong libraries like NLTK (Natural Language Toolkit) and spaCy, Python is a well-known programming language for NLP.</p> <p> <strong>For NLP tasks, including tokenization, stemming, lemmatization, part-of-speech tagging, named entity identification, sentiment analysis, and others, NLTK provides a complete library.</strong> It has a variety of corpora (big, organized text collections) for developing and evaluating NLP models. Another well-liked library for NLP tasks is spaCy , which offers quick and effective processing of enormous amounts of text. It enables simple modification and expansion and comes with pre-trained models for various NLP workloads.</p> <p>NLP may be used in Python for various practical purposes, including chatbots, sentiment analysis, text categorization, machine translation, and more. NLP is used, for instance, by chatbots to comprehend and reply to user inquiries in a natural language style. Sentiment analysis, which may be helpful for brand monitoring, customer feedback analysis, and other purposes, employs NLP to categorize text sentiment (positive, negative, or neutral). Text documents are categorized using natural language processing (NLP) into pre-established categories for spam detection, news categorization, and other purposes.</p> <p>Python is a strong and useful tool when analyzing and processing human language. Developers may carry out various NLP activities and create useful apps that can communicate with consumers in natural language with libraries like NLTK and spaCy.</p> <h2>Conclusion:</h2> <p>In this tutorial, we've looked at some of Python's most important features and ideas, including variables, data types, loops, functions, modules, and more. More complex subjects, including web scraping, natural language processing, parallelism, and database connection, have also been discussed. You will have a strong basis to continue learning about Python and its applications using the information you have learned from this lesson.</p> <p>Remember that practicing and developing code is the best method to learn Python. You may find many resources at javaTpoint to support your further learning, including documentation, tutorials, online groups, and more. You can master Python and use it to create wonderful things if you work hard and persist.</p> <h2>Prerequisite</h2> <p>Before learning Python, you must have the basic knowledge of programming concepts.</p> <h2>Audience</h2> <p>Our Python tutorial is designed to help beginners and professionals.</p> <h2>Problem</h2> <p>We assure that you will not find any problem in this Python tutorial. But if there is any mistake, please post the problem in contact form.</p> <hr></=> In dit voorbeeld hebben we een klasse Squares gemaakt die als iterator fungeert door de methoden __iter__() en __next__() te implementeren. De methode __iter__() retourneert het object zelf, en de methode __next__() retourneert het volgende kwadraat van het getal totdat de limiet is bereikt.
Bezoek onze Python Iterators-tutorial voor meer informatie over de iterators.
Python-generatoren
Python-generatoren een reeks waarden produceren met behulp van een rendementsverklaring in plaats van een return, aangezien het functies zijn die iteratoren retourneren. Generatoren beëindigen de uitvoering van de functie terwijl de lokale status behouden blijft. Wanneer het opnieuw wordt opgestart, gaat het verder waar het was gebleven. Omdat we dankzij deze functie het iteratorprotocol niet hoeven te implementeren, wordt het schrijven van iterators eenvoudiger gemaakt. Hier is een illustratie van een eenvoudige generatorfunctie die vierkanten van getallen produceert:
# 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)
Uitgang:
0 1 4 9 16
Python-modificatoren
Python-decorateurs zijn functies die worden gebruikt om het gedrag van een andere functie te wijzigen. Ze maken het mogelijk functionaliteit aan een bestaande functie toe te voegen zonder de code rechtstreeks te wijzigen. Decorateurs worden gedefinieerd met behulp van de @ symbool gevolgd door de naam van de decorateurfunctie. Ze kunnen worden gebruikt voor loggen, timing, caching, enz.
Hier is een voorbeeld van een decorateurfunctie die timingfunctionaliteit aan een andere functie toevoegt:
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) Uitgang:
In het bovenstaande voorbeeld neemt de decoratorfunctie time_it een andere functie als argument en retourneert een wrapperfunctie. De wrapperfunctie berekent de tijd die nodig is om de originele functie uit te voeren en drukt deze af naar de console. De @time_it-decorateur wordt gebruikt om de time_it-functie toe te passen op de my_function-functie. Wanneer my_function wordt aangeroepen, wordt de decorateur uitgevoerd en wordt de timingfunctionaliteit toegevoegd.
Python MySQL
Python MySQL is een krachtig relationeel databasebeheersysteem. We moeten de omgeving opzetten en een verbinding tot stand brengen om MySQL met Python te gebruiken. We kunnen een nieuwe database en tabellen maken met behulp van SQL-opdrachten in Python.
- Omgeving instellen : MySQL Connector/Python installeren en configureren om Python met MySQL te gebruiken.
- Databaseverbinding : Een verbinding tot stand brengen tussen Python en MySQL-database met behulp van MySQL Connector/Python.
- Nieuwe database maken : Een nieuwe database maken in MySQL met behulp van Python.
- Tabellen maken : Tabellen maken in de MySQL-database met Python met behulp van SQL-opdrachten.
- Operatie invoegen : Gegevens invoegen in MySQL-tabellen met behulp van Python- en SQL-opdrachten.
- Lees Operatie : Gegevens uit MySQL-tabellen lezen met behulp van Python- en SQL-opdrachten.
- Werking bijwerken : Gegevens bijwerken in MySQL-tabellen met behulp van Python- en SQL-opdrachten.
- Sluit je aan bij Operatie : Twee of meer tabellen in MySQL samenvoegen met behulp van Python- en SQL-opdrachten.
- Transacties uitvoeren : Het uitvoeren van een groep SQL-query's als een enkele werkeenheid in MySQL met behulp van Python.
Andere relatieve punten zijn onder meer het omgaan met fouten, het maken van indexen en het gebruiken van opgeslagen procedures en functies in MySQL met Python.
Python MongoDB
Python MongoDB is een populaire NoSQL-database die gegevens opslaat in JSON-achtige documenten. Het is schemaloos en biedt hoge schaalbaarheid en flexibiliteit voor gegevensopslag. We kunnen MongoDB gebruiken met Python met behulp van de PyMongo-bibliotheek, die een eenvoudige en intuïtieve interface biedt voor interactie met MongoDB.
Hier zijn enkele veelvoorkomende taken bij het werken met MongoDB in Python:
- Omgeving instellen : Installeer en configureer de MongoDB- en PyMongo-bibliotheek op uw systeem.
- Databaseverbinding : Maak verbinding met een MongoDB-server met behulp van de MongoClient-klasse van PyMongo.
- Een nieuwe database maken : Gebruik het MongoClient-object om een nieuwe database te maken.
- Verzamelingen maken : Verzamelingen maken binnen een database om documenten op te slaan.
- Documenten invoegen : Voeg nieuwe documenten in een verzameling in met behulp van de methoden insert_one() of insert_many().
- Documenten opvragen : Haal documenten op uit een verzameling met behulp van verschillende zoekmethoden zoals find_one(), find(), enz.
- Documenten bijwerken : Wijzig bestaande documenten in een verzameling met behulp van de methoden update_one() of update_many().
- Documenten verwijderen : Verwijder documenten uit een verzameling met behulp van de methoden delete_one() of delete_many().
- Aggregatie : Voer aggregatiebewerkingen uit, zoals groeperen, tellen, enz., met behulp van het aggregatiepijplijnframework.
Er zijn veel meer geavanceerde onderwerpen in MongoDB, zoals data-sharding, replicatie en meer, maar deze taken behandelen de basisprincipes van het werken met MongoDB in Python.
Python SQLite
Relationele databases worden gebouwd en onderhouden met behulp van Python SQLite, een compacte, serverloze, op zichzelf staande database-engine. Dankzij de mobiliteit en eenvoud is het een populaire optie voor lokale of kleinschalige toepassingen. Python heeft een ingebouwde module om verbinding te maken met SQLite-databases, SQLite3 genaamd, waardoor ontwikkelaars zonder problemen met SQLite-databases kunnen werken.
Er zijn verschillende API-methoden beschikbaar via de SQLite3-bibliotheek die kunnen worden gebruikt om SQL-query's uit te voeren, gegevens in te voegen, te selecteren, bij te werken en te verwijderen, en om gegevens uit tabellen op te halen. Bovendien maakt het transacties mogelijk, waardoor programmeurs wijzigingen ongedaan kunnen maken in geval van een probleem. Python SQLite is een fantastische optie voor het maken van programma's die een ingebed databasesysteem nodig hebben, inclusief desktop-, mobiele en bescheiden webprogramma's. SQLite is populair geworden onder ontwikkelaars voor lichtgewicht apps met databasefunctionaliteit dankzij het gebruiksgemak, de draagbaarheid en de soepele verbinding met Python.
Python-CGI
Python-CGI is een technologie waarmee scripts via webservers kunnen worden uitgevoerd om dynamische online-inhoud te produceren. Het biedt een communicatiekanaal en een dynamische interface voor het genereren van inhoud voor externe CGI-scripts en de webserver. Python CGI-scripts kunnen HTML-webpagina's maken, formulierinvoer verwerken en communiceren met databases. Python CGI stelt de server in staat Python-scripts uit te voeren en de resultaten aan de klant te verstrekken, wat een snelle en effectieve aanpak biedt voor het creëren van dynamische online applicaties.
Python CGI-scripts kunnen voor veel dingen worden gebruikt, waaronder het maken van dynamische webpagina's, het verwerken van formulieren en de interactie met databases. Omdat Python, een krachtige en populaire programmeertaal, kan worden gebruikt om scripts te maken, maakt het een meer aangepaste en flexibele benadering van het maken van websites mogelijk. Schaalbare, veilige en onderhoudbare online applicaties kunnen worden gemaakt met Python CGI. Python CGI is een handig hulpmiddel voor webontwikkelaars die dynamische en interactieve online applicaties bouwen.
Asynchrone programmering in Python
Asynchrone programmering is een paradigma voor computerprogrammering dat onafhankelijke en gelijktijdige werking van activiteiten mogelijk maakt. Het wordt vaak gebruikt in toepassingen zoals webservers, databasesoftware en netwerkprogrammering, waarbij verschillende taken of verzoeken gelijktijdig moeten worden afgehandeld.
Python heeft asyncio, Twisted en Tornado onder zijn bibliotheken en raamwerken voor asynchrone programmering. Asyncio, een daarvan, biedt een eenvoudige interface voor asynchrone programmering en is de officiële asynchrone programmeerbibliotheek in Python.
Coroutines zijn functies die op specifieke locaties in de code kunnen worden gestopt en opnieuw gestart en die door asyncio worden gebruikt. Hierdoor kunnen talloze coroutines tegelijkertijd werken zonder elkaar te hinderen. Voor het construeren en onderhouden van coroutines biedt de bibliotheek verschillende klassen en methoden, waaronder asyncio.gather(), asyncio.wacht(), En asyncio.create_task().
Evenementloops, die verantwoordelijk zijn voor de planning en bediening van coroutines, zijn een ander kenmerk van asyncio. Door op een niet-blokkerende manier tussen coroutines te wisselen, controleert de gebeurtenislus de uitvoering van coroutines en zorgt ervoor dat geen enkele coroutine een andere blokkeert. Bovendien ondersteunt het timers en het plannen van terugbelverzoeken, wat handig kan zijn wanneer activiteiten op bepaalde tijden of tussenpozen moeten worden voltooid.
Python-gelijktijdigheid
De voorwaarde ' gelijktijdigheid ' beschrijft het vermogen van een programma om meerdere taken tegelijk uit te voeren, waardoor de efficiëntie van het programma wordt vergroot. Python biedt verschillende modules en gelijktijdigheidsgerelateerde methoden, waaronder asynchrone programmering, multiprocessing en multithreading. Terwijl multiprocessing inhoudt dat er veel processen tegelijkertijd op een systeem worden uitgevoerd, houdt multithreading in dat meerdere threads tegelijkertijd binnen één proces worden uitgevoerd.
De draadmodule in Python stelt programmeurs in staat multithreading te bouwen. Het biedt klassen en bewerkingen voor het opzetten en beheren van threads. Omgekeerd stelt de multiprocessing-module ontwikkelaars in staat processen te ontwerpen en te controleren. De asyncio-module van Python biedt ondersteuning voor asynchrone programmering, waardoor ontwikkelaars niet-blokkerende code kunnen schrijven die meerdere taken tegelijkertijd kan uitvoeren. Met behulp van deze technieken kunnen ontwikkelaars hoogwaardige, schaalbare programma's schrijven die meerdere taken tegelijkertijd kunnen uitvoeren.
De threadingmodule van Python maakt de gelijktijdige uitvoering van meerdere threads binnen één proces mogelijk, wat handig is voor I/O-gebonden activiteiten.
Voor CPU-intensieve bewerkingen zoals beeldverwerking of gegevensanalyse maken multiprocessingmodules het mogelijk om talloze processen gelijktijdig uit te voeren over meerdere CPU-kernen.
De asyncio-module ondersteunt asynchrone I/O en maakt de creatie van gelijktijdige code met één thread mogelijk met behulp van coroutines voor netwerktoepassingen met hoge gelijktijdigheid.
Met bibliotheken als Dask, PySpark , en MPI, Python kan ook worden gebruikt voor parallel computergebruik. Met deze bibliotheken kunnen werklasten over talrijke knooppunten of clusters worden verdeeld voor betere prestaties.
Webscrapping met Python
Het proces van webscraping wordt gebruikt om automatisch gegevens van websites op te halen. Verschillende tools en bibliotheken halen gegevens uit HTML en andere onlineformaten. Python is een van de meest gebruikte programmeertalen voor webscraping vanwege het gebruiksgemak, het aanpassingsvermogen en de verscheidenheid aan bibliotheken.
We moeten een paar stappen ondernemen om webscraping met Python te realiseren. We moeten eerst beslissen welke website we willen schrapen en welke informatie we moeten verzamelen. Vervolgens kunnen we een verzoek indienen bij de website en de HTML-inhoud ontvangen met behulp van het verzoekenpakket van Python. Zodra we de HTML-tekst hebben, kunnen we de benodigde gegevens extraheren met behulp van verschillende parseerpakketten, zoals Mooie soep en lxml .
We kunnen verschillende strategieën gebruiken, zoals het vertragen van verzoeken, het inzetten van user agents en het gebruiken van proxy's, om overbelasting van de server van de website te voorkomen. Het is ook van cruciaal belang dat u zich houdt aan de servicevoorwaarden van de website en het robots.txt-bestand respecteert.
Datamining, het creëren van leads, het volgen van prijzen en nog veel meer toepassingen zijn mogelijk voor webscraping. Omdat ongeoorloofd webscrapen echter tegen de wet en onethisch kan zijn, is het essentieel om het professioneel en ethisch te gebruiken.
Natuurlijke taalverwerking (NLP) met behulp van Python
Een tak van kunstmatige intelligentie (AI), genaamd 'natuurlijke taalverwerking' (NLP), bestudeert hoe computers en menselijke taal met elkaar omgaan. Dankzij NLP kunnen computers nu menselijke taal begrijpen, interpreteren en produceren. Vanwege zijn eenvoud, veelzijdigheid en sterke bibliotheken zoals NLTK (Natural Language Toolkit) en spaCy is Python een bekende programmeertaal voor NLP.
Voor NLP-taken, waaronder tokenisatie, stammen, lemmatisering, tagging van deel-van-spraak, identificatie van benoemde entiteiten, sentimentanalyse en andere, biedt NLTK een complete bibliotheek. Het heeft een verscheidenheid aan corpora (grote, georganiseerde tekstcollecties) voor het ontwikkelen en evalueren van NLP-modellen. Een andere populaire bibliotheek voor NLP-taken is spaCy, die een snelle en effectieve verwerking van enorme hoeveelheden tekst biedt. Het maakt eenvoudige aanpassingen en uitbreidingen mogelijk en wordt geleverd met vooraf getrainde modellen voor verschillende NLP-werklasten.
NLP kan in Python voor verschillende praktische doeleinden worden gebruikt, waaronder chatbots, sentimentanalyse, tekstcategorisatie, automatische vertaling en meer. NLP wordt bijvoorbeeld door chatbots gebruikt om vragen van gebruikers in natuurlijke taal te begrijpen en te beantwoorden. Sentimentanalyse, die nuttig kan zijn voor merkmonitoring, klantfeedbackanalyse en andere doeleinden, maakt gebruik van NLP om tekstsentiment te categoriseren (positief, negatief of neutraal). Tekstdocumenten worden met behulp van natuurlijke taalverwerking (NLP) gecategoriseerd in vooraf vastgestelde categorieën voor spamdetectie, nieuwscategorisering en andere doeleinden.
Python is een sterk en nuttig hulpmiddel bij het analyseren en verwerken van menselijke taal. Ontwikkelaars kunnen verschillende NLP-activiteiten uitvoeren en nuttige apps maken die in natuurlijke taal met consumenten kunnen communiceren met bibliotheken als NLTK en spaCy.
Conclusie:
In deze tutorial hebben we enkele van de belangrijkste functies en ideeën van Python bekeken, waaronder variabelen, gegevenstypen, loops, functies, modules en meer. Complexere onderwerpen, waaronder webscraping, natuurlijke taalverwerking, parallellisme en databaseverbinding, zijn ook besproken. Je hebt een sterke basis om verder te leren over Python en zijn toepassingen met behulp van de informatie die je uit deze les hebt geleerd.
parameter in shellscript
Onthoud dat het oefenen en ontwikkelen van code de beste methode is om Python te leren. Mogelijk vindt u op javaTpoint veel bronnen om uw verdere leerproces te ondersteunen, waaronder documentatie, tutorials, online groepen en meer. Je kunt Python onder de knie krijgen en het gebruiken om prachtige dingen te creëren als je hard werkt en doorzet.
Voorwaarde
Voordat je Python leert, moet je de basiskennis van programmeerconcepten hebben.
Publiek
Onze Python-tutorial is ontworpen om beginners en professionals te helpen.
Probleem
We verzekeren u dat u geen enkel probleem zult vinden in deze Python-tutorial. Maar als er een fout is, plaats het probleem dan in het contactformulier.