Python ist eine weit verbreitete Programmiersprache, die im Vergleich zu ähnlichen Sprachen mehrere einzigartige Funktionen und Vorteile bietet Java Und C++. Unser Python-Tutorial erklärt ausführlich die Python-Grundlagen und fortgeschrittenen Konzepte, beginnend mit der Installation, bedingte Anweisungen , Schleifen, integrierte Datenstrukturen, objektorientierte Programmierung, Generatoren, Ausnahmebehandlung, Python RegEx und viele andere Konzepte. Dieses Tutorial richtet sich an Anfänger und Berufstätige.
In den späten 1980er Jahren Guido van Rossum Ich habe davon geträumt, Python zu entwickeln. Die erste Version von Python 0.9.0 wurde 1991 veröffentlicht . Seit seiner Veröffentlichung erfreut sich Python immer größerer Beliebtheit. Berichten zufolge ist Python aufgrund seiner hohen Anforderungen im technischen Bereich mittlerweile die beliebteste Programmiersprache unter Entwicklern.
Was ist Python?
Python ist eine universelle, dynamisch typisierte, kompilierte und interpretierte, durch Müll gesammelte und rein objektorientierte Programmiersprache auf hoher Ebene, die prozedurale, objektorientierte und funktionale Programmierung unterstützt.
Funktionen von Python:
Python hat viele webbasierte Assets , Open-Source-Projekte , Und eine lebendige Gemeinschaft . Das Erlernen der Sprache, die Zusammenarbeit an Projekten und der Beitrag zum Python-Ökosystem werden für Entwickler sehr einfach.
Aufgrund seines unkomplizierten Sprachgerüsts ist Python einfacher zu verstehen und Code darin zu schreiben. Dies macht es zu einer fantastischen Programmiersprache für Anfänger. Darüber hinaus unterstützt es erfahrene Programmierer dabei, klaren und fehlerfreien Code zu schreiben.
Python verfügt über viele Bibliotheken von Drittanbietern, die zur Vereinfachung seiner Funktionalität verwendet werden können. Diese Bibliotheken decken viele Bereiche ab, beispielsweise Webentwicklung, wissenschaftliches Rechnen, Datenanalyse und mehr.
Java vs. Python
Python ist eine ausgezeichnete Wahl für schnelle Entwicklungs- und Skriptaufgaben. Während Java Wert auf ein starkes Typsystem und objektorientierte Programmierung legt.
Hier sind einige grundlegende Programme, die die wichtigsten Unterschiede zwischen ihnen veranschaulichen.
Drucken von „Hello World“
Python-Code:
print('Hello World)'
In Python ist es eine Codezeile. Es erfordert eine einfache Syntax, um „Hello World“ zu drucken.
Java-Code:
public class HelloWorld { public static void main(String[] args) { System.out.println('Hello, World!'); } } In Java müssen wir Klassen, Methodenstrukturen und viele andere Dinge deklarieren.
Obwohl beide Programme die gleiche Ausgabe liefern, können wir den Syntaxunterschied in der print-Anweisung feststellen.
Wie viele Tasten haben Tastaturen?
- In Python ist es einfach, Code zu erlernen und zu schreiben. Während in Java mehr Code erforderlich ist, um bestimmte Aufgaben auszuführen.
- Python ist dynamisch typisiert, was bedeutet, dass wir die Variable nicht deklarieren müssen, während Java statistisch typisiert ist, was bedeutet, dass wir den Variablentyp deklarieren müssen.
- Python eignet sich für verschiedene Bereiche wie Data Science, maschinelles Lernen, Webentwicklung und mehr. Während Java für die Webentwicklung, die Entwicklung mobiler Apps (Android) und mehr geeignet ist.
Grundlegende Python-Syntax
In der Programmiersprache Python werden keine geschweiften Klammern oder Semikolons verwendet. Es ist eine englischähnliche Sprache. Aber Python verwendet Einrückungen, um einen Codeblock zu definieren. Einrückung ist nichts anderes als das Hinzufügen von Leerzeichen vor der Anweisung, wenn dies erforderlich ist.
Zum Beispiel -
def func(): statement 1 statement 2 ………………… ………………… statement N
Im obigen Beispiel gehören die Anweisungen, die rechts auf derselben Ebene liegen, zur Funktion. Im Allgemeinen können wir vier Leerzeichen verwenden, um Einrückungen zu definieren.
Anstelle des in anderen Sprachen verwendeten Semikolons beendet Python seine Anweisungen mit einem NewLine-Zeichen.
Python ist eine Sprache, bei der die Groß- und Kleinschreibung beachtet wird, was bedeutet, dass Groß- und Kleinbuchstaben unterschiedlich behandelt werden. „Name“ und „Name“ sind beispielsweise zwei verschiedene Variablen in Python.
In Python können Kommentare mit dem „#“-Symbol hinzugefügt werden. Jeder nach dem „#“-Symbol geschriebene Text gilt als Kommentar und wird vom Interpreter ignoriert. Dieser Trick ist nützlich, um dem Code Notizen hinzuzufügen oder einen Codeblock vorübergehend zu deaktivieren. Es hilft auch einigen anderen Entwicklern dabei, den Code besser zu verstehen.
'Wenn' , „otherwise“, „for“, „while“, „try“, „exclusive“ und „finally“ sind einige reservierte Schlüsselwörter in Python, die nicht als Variablennamen verwendet werden können. Diese Begriffe werden in der Sprache aus bestimmten Gründen verwendet und haben eine feste Bedeutung. Wenn Sie diese Schlüsselwörter verwenden, enthält Ihr Code möglicherweise Fehler oder der Interpreter lehnt sie möglicherweise als potenzielle neue Variablen ab.
Geschichte von Python
Python wurde von Guido van Rossum erstellt . In den späten 1980er Jahren begann Guido van Rossum, ein niederländischer Programmierer, am Centrum Wiskunde & Informatica (CWI) in den Niederlanden mit der Arbeit an Python. Er wollte einen Nachfolger schaffen ABC-Programmiersprache Das wäre leicht zu lesen und effizient.
Im Februar 1991 wurde die erste öffentliche Version von Python, Version 0.9.0, veröffentlicht. Dies war die offizielle Geburtsstunde von Python als Open-Source-Projekt . Die Sprache wurde nach der britischen Comedy-Serie benannt. Monty Pythons Flying Circus '.
Die Python-Entwicklung hat mehrere Phasen durchlaufen. Im Januar 1994 wurde Python 1.0 als nutzbare und stabile Programmiersprache veröffentlicht. Diese Version enthielt viele der Funktionen, die auch heute noch in Python vorhanden sind.
Von den 1990er bis 2000er Jahren Python erfreute sich aufgrund seiner Einfachheit, Lesbarkeit und Vielseitigkeit großer Beliebtheit. Im Oktober 2000 wurde Python 2.0 veröffentlicht . Mit Python 2.0 wurden Listenverständnis, Speicherbereinigung und Unterstützung für Unicode eingeführt.
Im Dezember 2008 wurde Python 3.0 veröffentlicht. Mit Python 3.0 wurden mehrere abwärtsinkompatible Änderungen eingeführt, um die Lesbarkeit und Wartbarkeit des Codes zu verbessern.
Im Laufe der 2010er Jahre nahm die Popularität von Python zu, insbesondere in Bereichen wie maschinelles Lernen und Webentwicklung. Sein reichhaltiges Ökosystem an Bibliotheken und Frameworks machte es zu einem Favoriten unter Entwicklern.
Der Die Python Software Foundation (PSF) wurde 2001 gegründet Förderung, Schutz und Weiterentwicklung der Programmiersprache Python und ihrer Community.
Warum Python lernen?
Python bietet dem Programmierer viele nützliche Funktionen. Diese Eigenschaften machen sie zur beliebtesten und am weitesten verbreiteten Sprache. Nachfolgend haben wir einige wesentliche Funktionen von Python aufgelistet.
- Objektorientierte Sprache : Es unterstützt objektorientierte Programmierung und erleichtert das Schreiben von wiederverwendbarem und modularem Code.
Wo wird Python verwendet?
Python ist eine universelle, beliebte Programmiersprache und wird in fast allen technischen Bereichen verwendet. Nachfolgend sind die verschiedenen Anwendungsbereiche von Python aufgeführt.
- Künstliche Intelligenz : KI ist eine aufstrebende Technologie und Python ist aufgrund der Verfügbarkeit leistungsstarker Bibliotheken wie TensorFlow, Keras und PyTorch eine perfekte Sprache für künstliche Intelligenz und maschinelles Lernen.
- DevOps : Python wird in DevOps häufig zur Automatisierung und Skripterstellung von Infrastrukturmanagement, Konfigurationsmanagement und Bereitstellungsprozessen verwendet.
- Anfragen : eine Bibliothek zum Senden von HTTP-Anfragen
- SQLAlchemy : eine Bibliothek für die Arbeit mit SQL-Datenbanken
- Verzweifelt : ein Framework zum Erstellen von Multi-Touch-Anwendungen
- Pygame : eine Bibliothek für die Spieleentwicklung
- REST-Framework : ein Toolkit zum Erstellen von RESTful-APIs
- FastAPI : ein modernes, schnelles Webframework zum Erstellen von APIs
- Streamlit : eine Bibliothek zum Erstellen interaktiver Web-Apps für maschinelles Lernen und Datenwissenschaft
- NLTK : eine Bibliothek für die Verarbeitung natürlicher Sprache
Python verfügt über eine breite Palette an Bibliotheken und Frameworks, die in verschiedenen Bereichen wie maschinellem Lernen, künstlicher Intelligenz, Webanwendungen usw. weit verbreitet sind. Wir definieren einige beliebte Frameworks und Bibliotheken von Python wie folgt.
Python print()-Funktion
Die Python-Funktion print() wird verwendet, um die Ausgabe auf der Konsole oder dem Terminal anzuzeigen. Es ermöglicht uns, Text, Variablen und andere Daten in einem für Menschen lesbaren Format anzuzeigen.
Syntax:
print(Objekt(e), sep=Trennzeichen, Ende=Ende, Datei=Datei, Flush=Flush)
Es akzeptiert ein oder mehrere durch Komma (,) getrennte Argumente und fügt am Ende standardmäßig eine „Neue Zeile“ hinzu.
Parameter:
- Objekt(e) – Es werden so viele Daten angezeigt, wie Sie möchten. Sie werden zunächst in einen String umgewandelt und auf der Konsole ausgegeben.
- sep – Trennt die Objekte durch ein übergebenes Trennzeichen, Standardwert = ' '.
- end – Beendet eine Zeile mit einem Newline-Zeichen
- Datei – ein Dateiobjekt mit Schreibmethode, Standardwert = sys.stdout
Beispiel:
# 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)) Ausgabe:
Hello, World! Name: Aman Age: 21 X = 5 y = 7 Sum = 12 Score: 85.75%
In diesem Beispiel wird die print-Anweisung verwendet, um String-, Integer- und Float-Werte in einem für Menschen lesbaren Format zu drucken.
Die print-Anweisung kann zum Debuggen, zur Protokollierung und zur Bereitstellung von Informationen für den Benutzer verwendet werden.
Bedingte Python-Anweisungen
Bedingte Anweisungen helfen uns, einen bestimmten Block für eine bestimmte Bedingung auszuführen. In diesem Tutorial lernen wir, wie man bedingte Ausdrücke verwendet, um einen anderen Anweisungsblock auszuführen. Python bietet if- und else-Schlüsselwörter zum Einrichten logischer Bedingungen. Der Elif Das Schlüsselwort wird auch als bedingte Anweisung verwendet.
Beispielcode für die if..else-Anweisung
x = 10 y = 5 if x > y: print('x is greater than y') else: print('y is greater than or equal to x')
Ausgabe:
x is greater than y
Im obigen Code haben wir zwei Variablen, x und y, mit 10 bzw. 5. Dann haben wir eine if..else-Anweisung verwendet, um zu prüfen, ob x größer als y ist oder umgekehrt. Wenn die erste Bedingung wahr ist, wird die Aussage „x ist größer als y“ ausgegeben. Wenn die erste Bedingung falsch ist, wird stattdessen die Aussage „y ist größer oder gleich x“ ausgegeben.
Das Schlüsselwort if prüft, ob die Bedingung wahr ist, und führt den darin enthaltenen Codeblock aus. Der Code im else-Block wird ausgeführt, wenn die Bedingung falsch ist. Auf diese Weise hilft uns die if..else-Anweisung, verschiedene Codeblöcke basierend auf einer Bedingung auszuführen.
Genaueres dazu erfahren wir im weiteren Artikel zum Python-Tutorial.
Python-Schleifen
Manchmal müssen wir möglicherweise den Ablauf des Programms ändern. Die Ausführung eines bestimmten Codes muss möglicherweise mehrmals wiederholt werden. Zu diesem Zweck stellen die Programmiersprachen verschiedene Schleifen zur Verfügung, die einen bestimmten Code mehrmals wiederholen können. Betrachten Sie das folgende Tutorial, um die Aussagen im Detail zu verstehen.
Python For-Schleife
fruits = ['apple', 'banana', 'cherry'] for x in fruits: print(x, end=' ')
Ausgabe:
apple banana cherry
Python While-Schleife
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:> Im obigen Beispielcode haben wir die Verwendung von zwei Arten von Schleifen in Python demonstriert – For-Schleife und While-Schleife.
Die For-Schleife wird verwendet, um eine Folge von Elementen zu durchlaufen, z. B. eine Liste, ein Tupel oder eine Zeichenfolge. Im Beispiel haben wir eine Liste von Früchten definiert und eine for-Schleife zum Drucken jeder Frucht verwendet, sie kann jedoch auch zum Drucken eines Zahlenbereichs verwendet werden.
Die While-Schleife wiederholt einen Codeblock, wenn die angegebene Bedingung wahr ist. Im Beispiel haben wir eine Variable i auf 1 initialisiert und eine While-Schleife verwendet, um den Wert von i zu drucken, bis er größer oder gleich 6 wird. Die Anweisung i += 1 wird verwendet, um den Wert von i in jeder Iteration zu erhöhen .
Wir werden sie im Tutorial im Detail kennenlernen.
Python-Datenstrukturen
Python bietet vier integrierte Datenstrukturen: Listen , Tupel , Sätze , Und Wörterbücher die es uns ermöglichen, Daten effizient zu speichern. Nachfolgend finden Sie die häufig verwendeten Datenstrukturen in Python sowie Beispielcode:
1. Listen
- Listen sind geordnete Sammlungen von Datenelementen unterschiedlicher Datentypen.
- Listen sind veränderlich Das heißt, eine Liste kann jederzeit geändert werden.
- Elemente können sein Zugriff über Indizes .
- Sie werden mit eckigen Klammern definiert. [] '.
Beispiel:
# 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)
Ausgabe:
fuirts[1] = banana fruits = ['apple', 'banana', 'cherry', 'orange'] sum_nums = 15
2. Tupel
- Tupel sind auch geordnete Sammlungen von Datenelementen verschiedener Datentypen, ähnlich wie Listen.
- Elemente können sein Zugriff über Indizes .
- Tupel sind unveränderlich Dies bedeutet, dass Tupel nach ihrer Erstellung nicht mehr geändert werden können.
- Sie werden mit der offenen Klammer ' definiert. () '.
Beispiel:
# 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_)
Ausgabe:
(x, y) = 3 4 Tuple = ('apple', 'banana', 'cherry', 'orange')
3. Sets
- Sets sind ungeordnet Sammlungen unveränderlicher Datenelemente verschiedener Datentypen.
- Sets sind veränderlich .
- Auf Elemente kann nicht über Indizes zugegriffen werden.
- Sets enthalten keine doppelten Elemente .
- Sie werden mit geschweiften Klammern definiert. {} '
Beispiel:
# 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) Ausgabe:
set1 = {1, 2, 3, 4} set2 = {'apple', 'cherry', 'orange', 'banana'} 4. Wörterbücher
- Wörterbuch sind Schlüssel-Wert-Paare die es Ihnen ermöglichen, Werte mit eindeutigen Schlüsseln zu verknüpfen.
- Sie werden mit geschweiften Klammern definiert. {} ' mit Schlüssel-Wert-Paaren getrennt durch Doppelpunkte ':' .
- Wörterbücher sind veränderlich .
- Auf Elemente kann über Tasten zugegriffen werden.
Beispiel:
# Create a dictionary person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} print('person =', person) print(person['name']) # Modify Dictionary person['age'] = 27 print('person =', person) Ausgabe:
person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} Umesh person = {'name': 'Umesh', 'age': 27, 'city': 'Noida'} Dies sind nur einige Beispiele für die in Python integrierten Datenstrukturen. Jede Datenstruktur hat ihre eigenen Eigenschaften und Anwendungsfälle.
Funktionale Python-Programmierung
In diesem Abschnitt des Python-Tutorials werden einige wichtige Tools im Zusammenhang mit der funktionalen Programmierung definiert, z. B. Lambda und rekursive Funktionen. Diese Funktionen sind bei der Bewältigung komplexer Aufgaben sehr effizient. Wir definieren einige wichtige Funktionen wie Reduzieren, Zuordnen und Filtern. Python stellt das Modul functools bereit, das verschiedene funktionale Programmiertools enthält. Besuchen Sie das folgende Tutorial, um mehr über funktionale Programmierung zu erfahren.
Neuere Versionen von Python haben Funktionen eingeführt, die die funktionale Programmierung prägnanter und ausdrucksvoller machen. Beispielsweise ermöglicht der „Walross-Operator“:= die Inline-Variablenzuweisung in Ausdrücken, was bei der Arbeit mit verschachtelten Funktionsaufrufen oder Listenverständnissen nützlich sein kann.
Python-Funktion
- Lambda-Funktion - Eine Lambda-Funktion ist eine kleine, anonyme Funktion Das kann eine beliebige Anzahl von Argumenten annehmen, aber nur einen Ausdruck haben. Lambda-Funktionen werden in der funktionalen Programmierung häufig verwendet, um Funktionen „on the fly“ zu erstellen, ohne eine benannte Funktion zu definieren.
- Rekursive Funktion - Eine rekursive Funktion ist eine Funktion, die sich selbst aufruft, um ein Problem zu lösen. Rekursive Funktionen werden in der funktionalen Programmierung häufig verwendet, um komplexe Berechnungen durchzuführen oder komplexe Datenstrukturen zu durchlaufen.
- Kartenfunktion – Die Funktion „map()“ wendet eine bestimmte Funktion auf jedes Element einer Iterable an und gibt eine neue Iterable mit den Ergebnissen zurück. Die iterierbare Eingabe kann eine Liste, ein Tupel oder etwas anderes sein.
- Filterfunktion – Die Funktion filter() gibt einen Iterator aus einem Iterable zurück, für das die als erstes Argument übergebene Funktion True zurückgibt. Es filtert die Elemente aus einer Iterable heraus, die die gegebene Bedingung nicht erfüllen.
- Funktion reduzieren – Die Funktion „reduce()“ wendet eine Funktion aus zwei Argumenten kumulativ auf die Elemente einer Iterable von links nach rechts an, um sie auf einen einzelnen Wert zu reduzieren.
- functools-Modul – Das functools-Modul in Python stellt Funktionen höherer Ordnung bereit, die auf anderen Funktionen wie „partial()“ und „reduce()“ ausgeführt werden.
- Currying-Funktion - Eine Currying-Funktion ist eine Funktion, die mehrere Argumente annimmt und eine Folge von Funktionen zurückgibt, die jeweils ein einzelnes Argument annehmen.
- Memoisierungsfunktion - Memoisierung ist eine Technik, die in der funktionalen Programmierung verwendet wird, um die Ergebnisse teurer Funktionsaufrufe zwischenzuspeichern und das zwischengespeicherte Ergebnis zurückzugeben, wenn dieselben Eingaben erneut auftreten.
- Threading-Funktion - Threading ist eine Technik, die in der funktionalen Programmierung verwendet wird, um mehrere Aufgaben gleichzeitig auszuführen, um den Code effizienter und schneller zu machen.
Python-Module
Python-Module sind Programmdateien, die Python-Code oder -Funktionen enthalten. Python verfügt über zwei Arten von Modulen: benutzerdefinierte Module und integrierte Module. Ein vom Benutzer definiertes Modul oder unser mit der Erweiterung .py gespeicherter Python-Code wird als benutzerdefiniertes Modul behandelt.
Integrierte Module sind vordefinierte Module von Python. Um die Funktionalität der Module nutzen zu können, müssen wir sie in unser aktuelles Arbeitsprogramm importieren.
Python-Module sind für das Ökosystem der Sprache von wesentlicher Bedeutung, da sie wiederverwendbaren Code und Funktionen bieten, die in jedes Python-Programm importiert werden können. Hier sind einige Beispiele mehrerer Python-Module, zusammen mit einer kurzen Beschreibung jedes einzelnen:
Mathematik : Ermöglicht Benutzern Zugriff auf mathematische Konstanten sowie Pi- und trigonometrische Funktionen.
Terminzeit : Bietet Klassen für eine einfachere Möglichkeit, Datumsangaben, Uhrzeiten und Zeiträume zu bearbeiten.
DU : Ermöglicht die Interaktion mit dem Basisbetriebssystem, einschließlich der Verwaltung von Prozessen und Dateisystemaktivitäten.
zufällig : Die Zufallsfunktion bietet Werkzeuge zum Generieren zufälliger Ganzzahlen und zum Auswählen zufälliger Elemente aus einer Liste.
JSON : JSON ist eine Datenstruktur, die kodiert und dekodiert werden kann und häufig in Online-APIs und beim Datenaustausch verwendet wird. Dieses Modul ermöglicht den Umgang mit JSON.
Re : Unterstützt reguläre Ausdrücke, ein leistungsstarkes Tool zur Textsuche und Textmanipulation.
Sammlungen : Bietet alternative Datenstrukturen wie sortierte Wörterbücher, Standardwörterbücher und benannte Tupel.
NumPy : NumPy ist ein Kern-Toolkit für wissenschaftliches Rechnen, das numerische Operationen auf Arrays und Matrizen unterstützt.
Pandas : Es bietet High-Level-Datenstrukturen und Operationen für den Umgang mit Zeitreihen und anderen strukturierten Datentypen.
Anfragen : Bietet eine einfache Benutzeroberfläche für Web-APIs und führt HTTP-Anfragen aus.
Python-Datei-E/A
Dateien werden zum Speichern von Daten auf einer Computerfestplatte verwendet. In diesem Tutorial erklären wir das integrierte Dateiobjekt von Python. Wir können eine Datei mit einem Python-Skript öffnen und verschiedene Vorgänge wie Schreiben, Lesen und Anhängen ausführen. Es gibt verschiedene Möglichkeiten, eine Datei zu öffnen. Wir werden anhand des entsprechenden Beispiels erläutert. Wir werden auch lernen, Lese-/Schreibvorgänge für Binärdateien durchzuführen.
Pythons Datei-Eingabe-/Ausgabesystem (E/A). bietet Programme zur Kommunikation mit auf einer Disc gespeicherten Dateien. Mit den in Python integrierten Methoden für das Dateiobjekt können wir Aktionen wie Lesen, Schreiben und Hinzufügen von Daten zu Dateien ausführen.
Der offen() Die Methode in Python erstellt ein Dateiobjekt, wenn mit Dateien gearbeitet wird. Der Name der zu öffnenden Datei und der Modus, in dem die Datei geöffnet werden soll, sind die beiden für diese Funktion erforderlichen Parameter. Der Modus kann entsprechend der Arbeit verwendet werden, die mit der Datei ausgeführt werden muss, z. B. „ R ' zum Lesen, ' In ' zum Schreiben, oder ' A ' zum Anhängen.
Nach erfolgreicher Erstellung eines Objekts können entsprechend unserer Arbeit unterschiedliche Methoden eingesetzt werden. Wenn wir in die Datei schreiben möchten, können wir die Funktionen write() verwenden, und wenn Sie sowohl lesen als auch schreiben möchten, können wir die Funktion append() verwenden und, in Fällen, in denen wir nur den Inhalt von lesen möchten Für die Datei können wir die Funktion read() verwenden. Mit Python können auch Binärdateien bearbeitet werden, die Daten im Binär- statt im Textformat enthalten. Binärdateien sind auf eine Weise geschrieben, die für Menschen nicht direkt verständlich ist. Der rb Und wb Modi können Binärdaten in Binärdateien lesen und schreiben.
Python-Ausnahmen
Eine Ausnahme kann als ungewöhnliche Bedingung in einem Programm definiert werden, die zu einer Unterbrechung des Programmablaufs führt.
Immer wenn eine Ausnahme auftritt, stoppt das Programm die Ausführung und der andere Code wird daher nicht ausgeführt. Eine Ausnahme bilden daher Laufzeitfehler, die das Python-Skript nicht verarbeiten kann. Eine Ausnahme ist ein Python-Objekt, das einen Fehler darstellt.
Python-Ausnahmen sind ein wichtiger Aspekt der Fehlerbehandlung in der Python-Programmierung. Wenn ein Programm auf eine unerwartete Situation oder einen unerwarteten Fehler stößt, kann es eine Ausnahme auslösen, die den normalen Programmablauf unterbrechen kann.
In Python werden Ausnahmen als Objekte dargestellt, die Informationen über den Fehler enthalten, einschließlich seines Typs und seiner Meldung. Der häufigste Ausnahmetyp in Python ist die Exception-Klasse, eine Basisklasse für alle anderen integrierten Ausnahmen.
Um Ausnahmen in Python zu behandeln, verwenden wir die versuchen Und außer Aussagen. Der versuchen Die Anweisung wird verwendet, um den Code einzuschließen, der eine Ausnahme auslösen kann, während die außer Die Anweisung wird verwendet, um einen Codeblock zu definieren, der ausgeführt werden soll, wenn eine Ausnahme auftritt.
Betrachten Sie beispielsweise den folgenden 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')
Ausgabe:
Enter a number: 0 Error: Division by zero
In diesem Code verwenden wir die try-Anweisung, um zu versuchen, eine Divisionsoperation durchzuführen. Wenn einer dieser Vorgänge eine Ausnahme auslöst, wird der entsprechende Except-Block ausgeführt.
Python bietet außerdem viele integrierte Ausnahmen, die in ähnlichen Situationen ausgelöst werden können. Zu den häufigen integrierten Ausnahmen gehören: IndexError, TypeError , Und Namensfehler . Außerdem können wir unsere benutzerdefinierten Ausnahmen definieren, indem wir eine neue Klasse erstellen, die von der Exception-Klasse erbt.
Python-CSV
Ein CSV steht für „Comma Separated Values“ und ist als einfaches Dateiformat definiert, das eine bestimmte Strukturierung zum Anordnen tabellarischer Daten verwendet. Es speichert tabellarische Daten wie Tabellenkalkulationen oder Datenbanken im Klartext und verfügt über ein gemeinsames Format für den Datenaustausch. Eine CSV-Datei wird in der Excel-Tabelle geöffnet und die Zeilen- und Spaltendaten definieren das Standardformat.
Wir können die Funktion CSV.reader verwenden, um eine CSV-Datei zu lesen. Diese Funktion gibt ein Reader-Objekt zurück, mit dem wir die Zeilen in der CSV-Datei wiederholen können. Jede Zeile wird als Werteliste zurückgegeben, wobei jeder Wert einer Spalte in der CSV-Datei entspricht.
Betrachten Sie beispielsweise den folgenden Code:
import csv with open('data.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)
Hier öffnen wir die Datei data.csv im Lesemodus und erstellen eine csv.reader Objekt mit der csv.reader() Funktion. Anschließend durchlaufen wir mithilfe einer for-Schleife die Zeilen in der CSV-Datei und geben jede Zeile an die Konsole aus.
Zeichen zu String Java
Wir können das nutzen CSV.writer() Funktion zum Schreiben von Daten in eine CSV-Datei. Es gibt ein Writer-Objekt zurück, mit dem wir Zeilen in die CSV-Datei schreiben können. Wir können Zeilen schreiben, indem wir die aufrufen Schriftsteller () Methode für das Writer-Objekt.
Betrachten Sie beispielsweise den folgenden 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 diesem Programm erstellen wir eine Liste von Listen namens Daten, wobei jede innere Liste eine Datenzeile darstellt. Anschließend öffnen wir die Datei data.csv im Schreibmodus und erstellen eine CSV.writer Objekt mithilfe der CSV.writer-Funktion. Anschließend iterieren wir mithilfe einer for-Schleife über die Zeilen in den Daten und schreiben jede Zeile mithilfe der Writer-Methode in die CSV-Datei.
Python, der E-Mails sendet
Mit dem Python-Skript können wir eine E-Mail senden oder lesen. Die Standardbibliotheksmodule von Python sind nützlich für die Handhabung verschiedener Protokolle wie PoP3 und IMAP. Python bietet die smtplib Modul zum Versenden von E-Mails über SMTP (Simple Mail Transfer Protocol). Wir lernen, wie man E-Mails mit dem beliebten E-Mail-Dienst SMTP aus einem Python-Skript versendet.
Python Magic-Methoden
Die Python-Magic-Methode ist die spezielle Methode, die einer Klasse „Magie“ hinzufügt. Es beginnt und endet mit doppelten Unterstrichen, zum Beispiel: _heiß_ oder _str_ .
Die integrierten Klassen definieren viele magische Methoden. Der Du() Mit der Funktion kann die Anzahl der von einer Klasse geerbten magischen Methoden angezeigt werden. Der Methodenname enthält zwei Präfixe und Suffix-Unterstriche.
- Die magischen Python-Methoden werden auch als „Python Magic“-Methoden bezeichnet Dunder-Methoden , kurz für „double underscore“-Methoden, da ihre Namen mit einem doppelten Unterstrich beginnen und enden.
- Magische Methoden werden in bestimmten Situationen automatisch vom Python-Interpreter aufgerufen, beispielsweise wenn ein Objekt erstellt, mit einem anderen Objekt verglichen oder gedruckt wird.
- Mit magischen Methoden kann das Verhalten von Klassen angepasst werden, z. B. um zu definieren, wie Objekte verglichen, in Zeichenfolgen konvertiert oder als Container aufgerufen werden.
- Zu den häufig verwendeten magischen Methoden gehören: Hitze zum Initialisieren eines Objekts, str zum Konvertieren eines Objekts in einen String, Gl zum Vergleich zweier Objekte auf Gleichheit und betitelt Und setitem für den Zugriff auf Elemente in einem Containerobjekt.
Zum Beispiel die str Die magische Methode kann definieren, wie ein Objekt als Zeichenfolge dargestellt werden soll. Hier ist ein Beispiel
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) Ausgabe:
Vikas (22)
In diesem Beispiel ist die str-Methode so definiert, dass sie eine formatierte Zeichenfolgendarstellung des Person-Objekts mit dem Namen und dem Alter der Person zurückgibt.
Eine weitere häufig verwendete magische Methode ist Gl , die definiert, wie Objekte auf Gleichheit verglichen werden sollen. Hier ist ein Beispiel:
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)
Ausgabe:
False True
In diesem Beispiel ist die Gl Die Methode ist so definiert, dass sie True zurückgibt, wenn zwei Point-Objekte dieselben x- und y-Koordinaten haben, andernfalls False.
Python-Ups-Konzepte
Alles in Python wird als Objekt behandelt, einschließlich ganzzahliger Werte, Gleitkommazahlen, Funktionen, Klassen und keiner. Ansonsten unterstützt Python alle orientierten Konzepte. Nachfolgend finden Sie eine kurze Einführung in die Oops-Konzepte von Python.
- Klassen und Objekte - Python-Klassen sind die Blaupausen des Objekts. Ein Objekt ist eine Sammlung von Daten und Methoden, die auf die Daten reagieren.
- Nachlass - Eine Vererbung ist eine Technik, bei der eine Klasse die Eigenschaften anderer Klassen erbt.
- Konstrukteur - Python bietet eine spezielle Methode __init__(), die als Konstruktor bekannt ist. Diese Methode wird automatisch aufgerufen, wenn ein Objekt instanziiert wird.
- Polymorphismus - Polymorphismus ist ein Konzept, bei dem ein Objekt viele Formen annehmen kann. In Python kann Polymorphismus durch Methodenüberladung und Methodenüberschreibung erreicht werden.
- Methodenüberschreibung - Beim Überschreiben von Methoden handelt es sich um ein Konzept, bei dem eine Unterklasse eine Methode implementiert, die bereits in ihrer Oberklasse definiert ist.
- Verkapselung - Bei der Kapselung werden Daten und Methoden in einer einzigen Einheit zusammengefasst. In Python wird die Kapselung durch Zugriffsmodifikatoren wie public, private und protected erreicht. Allerdings erzwingt Python Zugriffsmodifikatoren nicht strikt und die Namenskonvention gibt die Zugriffsebene an.
- Datenabstraktion : Eine Technik, um die Komplexität von Daten zu verbergen und dem Benutzer nur wesentliche Funktionen anzuzeigen. Es bietet eine Schnittstelle zur Interaktion mit den Daten. Die Datenabstraktion reduziert die Komplexität und macht den Code modularer, sodass sich Entwickler auf die wesentlichen Funktionen des Programms konzentrieren können.
Um das Oops-Konzept im Detail zu lesen, besuchen Sie die folgenden Ressourcen.
- Python Ups-Konzepte – In Python besteht das objektorientierte Paradigma darin, das Programm mithilfe von Klassen und Objekten zu entwerfen. Das Objekt ist mit realen Entitäten wie Buch, Haus, Bleistift usw. verknüpft und die Klasse definiert seine Eigenschaften und Verhaltensweisen.
- Python-Objekte und -Klassen – In Python sind Objekte Instanzen von Klassen und Klassen sind Blaupausen, die die Struktur und das Verhalten von Daten definieren.
- Python-Konstruktor – Ein Konstruktor ist eine spezielle Methode in einer Klasse, die zum Initialisieren der Objektattribute beim Erstellen des Objekts verwendet wird.
- Python-Vererbung - Vererbung ist ein Mechanismus, bei dem eine neue Klasse (Unterklasse oder untergeordnete Klasse) die Eigenschaften und Verhaltensweisen einer vorhandenen Klasse (Superklasse oder übergeordnete Klasse) erbt.
- Python-Polymorphismus – Polymorphismus ermöglicht die Behandlung von Objekten verschiedener Klassen als Objekte einer gemeinsamen Oberklasse, sodass verschiedene Klassen über eine gemeinsame Schnittstelle austauschbar verwendet werden können.
Python-Fortgeschrittenenthemen
Python enthält viele Fortschritte und nützliche Konzepte, die dem Programmierer bei der Lösung komplexer Aufgaben helfen. Diese Konzepte sind unten aufgeführt.
Python-Iterator
Ein Iterator ist einfach ein Objekt, über das iteriert werden kann. Es gibt jeweils ein Objekt zurück. Es kann mit den beiden speziellen Methoden implementiert werden: __iter__() und als nächstes__().
Iteratoren in Python sind Objekte, die die Iteration über eine Datensammlung ermöglichen. Sie verarbeiten jedes Sammlungselement einzeln, ohne die gesamte Sammlung in den Speicher zu laden.
Erstellen wir beispielsweise einen Iterator, der die Quadrate von Zahlen bis zu einem bestimmten Grenzwert zurückgibt:
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 diesem Beispiel haben wir eine Klasse Squares erstellt, die als Iterator fungiert, indem wir die Methoden __iter__() und __next__() implementieren. Die Methode __iter__() gibt das Objekt selbst zurück und die Methode __next__() gibt das nächste Quadrat der Zahl zurück, bis der Grenzwert erreicht ist.
Um mehr über die Iteratoren zu erfahren, besuchen Sie unser Tutorial zu Python-Iteratoren.
Python-Generatoren
Python-Generatoren eine Folge von Werten erzeugen unter Verwendung einer Yield-Anweisung statt einer Rückgabe, da es sich um Funktionen handelt, die Iteratoren zurückgeben. Generatoren beenden die Ausführung der Funktion, behalten aber den lokalen Zustand bei. Beim Neustart macht es genau dort weiter, wo es aufgehört hat. Da wir dank dieser Funktion das Iteratorprotokoll nicht implementieren müssen, wird das Schreiben von Iteratoren einfacher. Hier ist eine Darstellung einer einfachen Generatorfunktion, die Zahlenquadrate erzeugt:
# 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)
Ausgabe:
0 1 4 9 16
Python-Modifikatoren
Python-Dekoratoren sind Funktionen, mit denen das Verhalten einer anderen Funktion geändert werden kann. Sie ermöglichen das Hinzufügen von Funktionalität zu einer vorhandenen Funktion, ohne deren Code direkt zu ändern. Dekoratoren werden mithilfe von definiert @ Symbol gefolgt vom Namen der Dekoratorfunktion. Sie können für Protokollierung, Timing, Caching usw. verwendet werden.
Hier ist ein Beispiel für eine Decorator-Funktion, die einer anderen Funktion Timing-Funktionalität hinzufügt:
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) Ausgabe:
Im obigen Beispiel nimmt die Dekoratorfunktion time_it eine andere Funktion als Argument und gibt eine Wrapper-Funktion zurück. Die Wrapper-Funktion berechnet die Zeit zum Ausführen der ursprünglichen Funktion und gibt sie auf der Konsole aus. Der @time_it-Dekorator wird verwendet, um die time_it-Funktion auf die my_function-Funktion anzuwenden. Wenn my_function aufgerufen wird, wird der Dekorator ausgeführt und die Timing-Funktionalität hinzugefügt.
Python MySQL
Python MySQL ist ein leistungsstarkes relationales Datenbankverwaltungssystem. Wir müssen die Umgebung einrichten und eine Verbindung herstellen, um MySQL mit Python verwenden zu können. Mit SQL-Befehlen in Python können wir eine neue Datenbank und Tabellen erstellen.
- Umgebungseinrichtung : MySQL Connector/Python installieren und konfigurieren, um Python mit MySQL zu verwenden.
- Datenbankverbindung : Herstellen einer Verbindung zwischen Python und MySQL-Datenbank mithilfe von MySQL Connector/Python.
- Neue Datenbank erstellen : Erstellen einer neuen Datenbank in MySQL mit Python.
- Tabellen erstellen : Erstellen von Tabellen in der MySQL-Datenbank mit Python mithilfe von SQL-Befehlen.
- Vorgang einfügen : Fügen Sie Daten mithilfe von Python- und SQL-Befehlen in MySQL-Tabellen ein.
- Lesen Sie den Vorgang : Lesen von Daten aus MySQL-Tabellen mit Python- und SQL-Befehlen.
- Update-Vorgang : Aktualisieren von Daten in MySQL-Tabellen mithilfe von Python- und SQL-Befehlen.
- Nehmen Sie an der Operation teil : Verknüpfen von zwei oder mehr Tabellen in MySQL mithilfe von Python- und SQL-Befehlen.
- Durchführen von Transaktionen : Ausführen einer Gruppe von SQL-Abfragen als eine einzelne Arbeitseinheit in MySQL mit Python.
Weitere relative Punkte sind der Umgang mit Fehlern, das Erstellen von Indizes und die Verwendung gespeicherter Prozeduren und Funktionen in MySQL mit Python.
Python MongoDB
Python MongoDB ist eine beliebte NoSQL-Datenbank, die Daten in JSON-ähnlichen Dokumenten speichert. Es ist schemalos und bietet eine hohe Skalierbarkeit und Flexibilität für die Datenspeicherung. Wir können MongoDB mit Python verwenden, indem wir die PyMongo-Bibliothek verwenden, die eine einfache und intuitive Schnittstelle für die Interaktion mit MongoDB bietet.
Hier sind einige häufige Aufgaben bei der Arbeit mit MongoDB in Python:
- Umgebungseinrichtung : Installieren und konfigurieren Sie die MongoDB- und PyMongo-Bibliothek auf Ihrem System.
- Datenbankverbindung : Stellen Sie mithilfe der MongoClient-Klasse von PyMongo eine Verbindung zu einem MongoDB-Server her.
- Erstellen einer neuen Datenbank : Verwenden Sie das MongoClient-Objekt, um eine neue Datenbank zu erstellen.
- Sammlungen erstellen : Erstellen Sie Sammlungen innerhalb einer Datenbank, um Dokumente zu speichern.
- Dokumente einfügen : Fügen Sie neue Dokumente mit den Methoden insert_one() oder insert_many() in eine Sammlung ein.
- Dokumente abfragen : Dokumente aus einer Sammlung mithilfe verschiedener Abfragemethoden wie find_one(), find() usw. abrufen.
- Dokumente aktualisieren : Ändern Sie vorhandene Dokumente in einer Sammlung mit den Methoden update_one() oder update_many().
- Dokumente löschen : Entfernen Sie Dokumente aus einer Sammlung mit den Methoden delete_one() oder delete_many().
- Anhäufung : Führen Sie Aggregationsvorgänge wie Gruppieren, Zählen usw. mithilfe des Aggregationspipeline-Frameworks durch.
Es gibt viele fortgeschrittenere Themen in MongoDB, wie z. B. Daten-Sharding, Replikation und mehr, aber diese Aufgaben decken die Grundlagen der Arbeit mit MongoDB in Python ab.
Python SQLite
Relationale Datenbanken werden mit Python SQLite erstellt und verwaltet, einer kompakten, serverlosen, eigenständigen Datenbank-Engine. Seine Mobilität und Einfachheit machen es zu einer beliebten Option für lokale oder kleine Anwendungen. Python verfügt über ein integriertes Modul zur Verbindung mit SQLite-Datenbanken namens SQLite3, das es Entwicklern ermöglicht, problemlos mit SQLite-Datenbanken zu arbeiten.
Über die SQLite3-Bibliothek stehen verschiedene API-Methoden zur Verfügung, die zum Ausführen von SQL-Abfragen, zum Einfügen, Auswählen, Aktualisieren und Entfernen von Daten sowie zum Abrufen von Daten aus Tabellen verwendet werden können. Darüber hinaus ermöglicht es Transaktionen, sodass Programmierer im Falle eines Problems Änderungen rückgängig machen können. Python SQLite ist eine fantastische Option zum Erstellen von Programmen, die ein eingebettetes Datenbanksystem benötigen, einschließlich Desktop-, Mobil- und Webprogrammen mittlerer Größe. SQLite ist dank seiner Benutzerfreundlichkeit, Portabilität und reibungslosen Verbindung mit Python bei Entwicklern für leichte Apps mit Datenbankfunktionalität beliebt geworden.
Python-CGI
Python-CGI ist eine Technologie zum Ausführen von Skripten über Webserver, um dynamische Online-Inhalte zu erstellen. Es bietet einen Kommunikationskanal und eine Schnittstelle zur dynamischen Inhaltsgenerierung für externe CGI-Skripte und den Webserver. Python-CGI-Skripte können HTML-Webseiten erstellen, Formulareingaben verarbeiten und mit Datenbanken kommunizieren. Python CGI ermöglicht es dem Server, Python-Skripte auszuführen und die Ergebnisse dem Client bereitzustellen, was einen schnellen und effektiven Ansatz zur Erstellung dynamischer Online-Anwendungen bietet.
Python-CGI-Skripte können für viele Dinge verwendet werden, einschließlich der Erstellung dynamischer Webseiten, der Verarbeitung von Formularen und der Interaktion mit Datenbanken. Da Python, eine leistungsstarke und beliebte Programmiersprache, zum Erstellen von Skripten verwendet werden kann, ermöglicht es einen individuelleren und flexibleren Ansatz bei der Weberstellung. Mit Python CGI können skalierbare, sichere und wartbare Online-Anwendungen erstellt werden. Python CGI ist ein praktisches Tool für Webentwickler, die dynamische und interaktive Online-Anwendungen erstellen.
Asynchrone Programmierung in Python
Asynchrone Programmierung ist ein Paradigma für die Computerprogrammierung, das den unabhängigen und gleichzeitigen Betrieb von Aktivitäten ermöglicht. Es wird häufig in Anwendungen wie Webservern, Datenbanksoftware und Netzwerkprogrammierung verwendet, bei denen mehrere Aufgaben oder Anforderungen gleichzeitig bearbeitet werden müssen.
Zu den Bibliotheken und Frameworks von Python für die asynchrone Programmierung gehören Asyncio, Twisted und Tornado. Asyncio, eine davon, bietet eine einfache Schnittstelle für die asynchrone Programmierung und ist die offizielle asynchrone Programmierbibliothek in Python.
Coroutinen sind Funktionen, die an bestimmten Stellen im Code angehalten und neu gestartet werden können und von Asyncio verwendet werden. Dadurch können zahlreiche Coroutinen gleichzeitig arbeiten, ohne sich gegenseitig zu stören. Zum Erstellen und Verwalten von Coroutinen bietet die Bibliothek mehrere Klassen und Methoden, darunter asyncio.gather(), asyncio.wait(), Und asyncio.create_task().
Ein weiteres Merkmal von Asyncio sind Ereignisschleifen, die für die Planung und den Betrieb von Coroutinen zuständig sind. Durch den nicht blockierenden Wechsel zwischen Coroutinen steuert die Ereignisschleife die Ausführung von Coroutinen und stellt sicher, dass keine Coroutine eine andere blockiert. Darüber hinaus unterstützt es Timer und die Planung von Rückrufen, was hilfreich sein kann, wenn Aktivitäten zu bestimmten Zeiten oder in bestimmten Intervallen abgeschlossen werden müssen.
Python-Parallelität
Der Begriff ' Parallelität ' beschreibt die Fähigkeit eines Programms, mehrere Aufgaben gleichzeitig auszuführen und so die Effizienz des Programms zu steigern. Python bietet mehrere Module und nebenläufigkeitsbezogene Methoden, darunter asynchrone Programmierung, Multiprocessing und Multithreading. Während beim Multiprocessing viele Prozesse gleichzeitig auf einem System ausgeführt werden, werden beim Multithreading zahlreiche Threads gleichzeitig in einem einzigen Prozess ausgeführt.
Der Threading-Modul in Python ermöglicht es Programmierern, Multithreading zu erstellen. Es bietet Klassen und Operationen zum Einrichten und Steuern von Threads. Umgekehrt ermöglicht das Multiprocessing-Modul Entwicklern die Gestaltung und Steuerung von Prozessen. Das Asyncio-Modul von Python bietet asynchrone Programmierunterstützung und ermöglicht es Entwicklern, nicht blockierenden Code zu schreiben, der mehrere Aufgaben gleichzeitig bearbeiten kann. Mithilfe dieser Techniken können Entwickler leistungsstarke, skalierbare Programme schreiben, die mehrere Aufgaben gleichzeitig bearbeiten können.
Das Threading-Modul von Python ermöglicht die gleichzeitige Ausführung mehrerer Threads innerhalb eines einzelnen Prozesses, was für I/O-gebundene Aktivitäten hilfreich ist.
Für CPU-intensive Vorgänge wie Bildverarbeitung oder Datenanalyse ermöglichen Multiprocessing-Module die gleichzeitige Ausführung zahlreicher Prozesse auf mehreren CPU-Kernen.
Das Asyncio-Modul unterstützt asynchrone E/A und ermöglicht die Erstellung von gleichzeitigem Single-Threaded-Code mithilfe von Coroutinen für Netzwerkanwendungen mit hoher Parallelität.
Mit Bibliotheken wie Dask , PySpark , und MPI, Python kann auch für paralleles Rechnen verwendet werden. Mithilfe dieser Bibliotheken können Arbeitslasten für eine bessere Leistung auf zahlreiche Knoten oder Cluster verteilt werden.
Web Scrapping mit Python
Der Prozess des Web Scrapings dient dem automatischen Abrufen von Daten von Websites. Verschiedene Tools und Bibliotheken extrahieren Daten aus HTML und anderen Online-Formaten. Python gehört aufgrund seiner Benutzerfreundlichkeit, Anpassungsfähigkeit und Vielfalt an Bibliotheken zu den am häufigsten verwendeten Programmiersprachen für Web Scraping.
Wir müssen ein paar Schritte unternehmen, um Web Scraping mit Python durchzuführen. Wir müssen zunächst entscheiden, welche Website wir durchsuchen und welche Informationen wir sammeln möchten. Anschließend können wir eine Anfrage an die Website senden und den HTML-Inhalt mithilfe des Python-Pakets „requests“ empfangen. Sobald wir den HTML-Text haben, können wir die benötigten Daten mit verschiedenen Parsing-Paketen extrahieren, z Schöne Suppe und lxml .
Wir können verschiedene Strategien anwenden, wie z. B. die Verlangsamung von Anfragen, den Einsatz von Benutzeragenten und die Verwendung von Proxys, um eine Überlastung des Servers der Website zu verhindern. Es ist außerdem wichtig, die Nutzungsbedingungen der Website einzuhalten und deren robots.txt-Datei zu respektieren.
Data Mining, Lead-Erstellung, Preisverfolgung und viele weitere Einsatzmöglichkeiten sind für Web Scraping möglich. Da unerlaubtes Web Scraping jedoch gesetzeswidrig und unethisch sein kann, ist es wichtig, es professionell und ethisch zu nutzen.
Verarbeitung natürlicher Sprache (NLP) mit Python
Ein Zweig der künstlichen Intelligenz (KI), genannt „Natural Language Processing“ (NLP), untersucht, wie Computer und menschliche Sprache interagieren. Dank NLP können Computer jetzt menschliche Sprache verstehen, interpretieren und produzieren. Aufgrund seiner Einfachheit, Vielseitigkeit und leistungsstarken Bibliotheken wie NLTK (Natural Language Toolkit) und spaCy ist Python eine bekannte Programmiersprache für NLP.
Für NLP-Aufgaben, einschließlich Tokenisierung, Stemming, Lemmatisierung, Wortart-Tagging, Identifizierung benannter Entitäten, Stimmungsanalyse und andere, stellt NLTK eine vollständige Bibliothek bereit. Es verfügt über eine Vielzahl von Korpora (große, organisierte Textsammlungen) zur Entwicklung und Bewertung von NLP-Modellen. Eine weitere beliebte Bibliothek für NLP-Aufgaben ist spaCy, die eine schnelle und effektive Verarbeitung großer Textmengen ermöglicht. Es ermöglicht eine einfache Änderung und Erweiterung und wird mit vorab trainierten Modellen für verschiedene NLP-Workloads geliefert.
NLP kann in Python für verschiedene praktische Zwecke verwendet werden, darunter Chatbots, Stimmungsanalyse, Textkategorisierung, maschinelle Übersetzung und mehr. NLP wird beispielsweise von Chatbots genutzt, um Nutzeranfragen in natürlicher Sprache zu verstehen und zu beantworten. Die Stimmungsanalyse, die für die Markenüberwachung, die Analyse von Kundenfeedback und andere Zwecke hilfreich sein kann, nutzt NLP, um die Textstimmung (positiv, negativ oder neutral) zu kategorisieren. Textdokumente werden mithilfe der Verarbeitung natürlicher Sprache (NLP) in vorab festgelegte Kategorien zur Spam-Erkennung, Nachrichtenkategorisierung und für andere Zwecke kategorisiert.
Python ist ein starkes und nützliches Werkzeug zur Analyse und Verarbeitung menschlicher Sprache. Entwickler können mit Bibliotheken wie NLTK und spaCy verschiedene NLP-Aktivitäten durchführen und nützliche Apps erstellen, die in natürlicher Sprache mit Verbrauchern kommunizieren können.
Abschluss:
In diesem Tutorial haben wir uns einige der wichtigsten Funktionen und Ideen von Python angesehen, darunter Variablen, Datentypen, Schleifen, Funktionen, Module und mehr. Es wurden auch komplexere Themen besprochen, darunter Web Scraping, Verarbeitung natürlicher Sprache, Parallelität und Datenbankverbindung. Mit den Informationen, die Sie in dieser Lektion gelernt haben, verfügen Sie über eine solide Grundlage, um sich weiter mit Python und seinen Anwendungen vertraut zu machen.
JFX-Java-Tutorial
Denken Sie daran, dass das Üben und Entwickeln von Code die beste Methode zum Erlernen von Python ist. Möglicherweise finden Sie bei javaTpoint viele Ressourcen, die Sie beim weiteren Lernen unterstützen, darunter Dokumentationen, Tutorials, Online-Gruppen und mehr. Wenn Sie hart arbeiten und beharrlich arbeiten, können Sie Python beherrschen und damit wunderbare Dinge erschaffen.
Voraussetzung
Bevor Sie Python lernen, müssen Sie über Grundkenntnisse der Programmierkonzepte verfügen.
Publikum
Unser Python-Tutorial soll Anfängern und Profis helfen.
Problem
Wir versichern, dass Sie in diesem Python-Tutorial keine Probleme finden werden. Sollte sich jedoch ein Fehler einschleichen, posten Sie das Problem bitte im Kontaktformular.