Python est un langage de programmation largement utilisé qui offre plusieurs fonctionnalités et avantages uniques par rapport à des langages comme Java et C++. Notre didacticiel Python explique en détail les bases et les concepts avancés de Python, en commençant par l'installation, expressions conditionnelles , boucles , structures de données intégrées , programmation orientée objet , générateurs , gestion des exceptions , Python RegEx et bien d'autres concepts. Ce tutoriel est conçu pour les débutants et les professionnels en activité.
À la fin des années 1980, Guido van Rossum rêvait de développer Python. La première version de Python 0.9.0 est sorti en 1991 . Depuis sa sortie, Python a commencé à gagner en popularité. Selon les rapports, Python est désormais le langage de programmation le plus populaire parmi les développeurs en raison de ses exigences élevées dans le domaine technologique.
Qu'est-ce que Python
Python est un langage de programmation à usage général, typé dynamiquement, de haut niveau, compilé et interprété, ramassé et purement orienté objet qui prend en charge la programmation procédurale, orientée objet et fonctionnelle.
Caractéristiques de Python :
Python en a beaucoup actifs basés sur le Web , projets open source , et une communauté dynamique . Apprendre le langage, travailler ensemble sur des projets et contribuer à l’écosystème Python sont tous très simples pour les développeurs.
En raison de son cadre de langage simple, Python est plus facile à comprendre et à écrire du code. Cela en fait un langage de programmation fantastique pour les novices. De plus, il aide les programmeurs chevronnés à écrire du code clair et sans erreur.
Python dispose de nombreuses bibliothèques tierces qui peuvent être utilisées pour faciliter ses fonctionnalités. Ces bibliothèques couvrent de nombreux domaines, par exemple le développement Web, le calcul scientifique, l'analyse de données, etc.
Java contre Python
Python est un excellent choix pour les tâches de développement et de script rapides. Alors que Java met l'accent sur un système de types fort et une programmation orientée objet.
Voici quelques programmes de base qui illustrent les principales différences entre eux.
Impression de « Hello World »
Code Python :
print('Hello World)'
En Python, il s'agit d'une seule ligne de code. Il nécessite une syntaxe simple pour imprimer « Hello World »
Code Java :
public class HelloWorld { public static void main(String[] args) { System.out.println('Hello, World!'); } } En Java, nous devons déclarer des classes, des structures de méthodes et bien d’autres choses.
Bien que les deux programmes donnent le même résultat, nous pouvons remarquer la différence de syntaxe dans l'instruction print.
qu'est-ce que la mise en veille prolongée en Java
- En Python, il est facile d’apprendre et d’écrire du code. En Java, cela nécessite plus de code pour effectuer certaines tâches.
- Python est typé dynamiquement, ce qui signifie que nous n'avons pas besoin de déclarer la variable, tandis que Java est typé statistiquement, ce qui signifie que nous devons déclarer le type de variable.
- Python convient à divers domaines tels que la science des données, l'apprentissage automatique, le développement Web, etc. Alors que Java convient au développement Web, au développement d’applications mobiles (Android), etc.
Syntaxe de base Python
Il n’y a aucune utilisation d’accolades ou de points-virgules dans le langage de programmation Python. C'est une langue proche de l'anglais. Mais Python utilise l'indentation pour définir un bloc de code. L'indentation n'est rien d'autre que l'ajout d'espaces avant l'instruction lorsque cela est nécessaire.
Par exemple -
def func(): statement 1 statement 2 ………………… ………………… statement N
Dans l'exemple ci-dessus, les instructions qui sont au même niveau à droite appartiennent à la fonction. Généralement, nous pouvons utiliser quatre espaces pour définir l'indentation.
Au lieu du point-virgule utilisé dans d'autres langages, Python termine ses instructions par un caractère NewLine.
Python est un langage sensible à la casse, ce qui signifie que les lettres majuscules et minuscules sont traitées différemment. Par exemple, « nom » et « Nom » sont deux variables différentes en Python.
En Python, les commentaires peuvent être ajoutés à l'aide du symbole « # ». Tout texte écrit après le symbole '#' est considéré comme un commentaire et est ignoré par l'interprète. Cette astuce est utile pour ajouter des notes au code ou désactiver temporairement un bloc de code. Cela aide également à mieux comprendre le code par certains autres développeurs.
'Si' , 'sinon', 'for' , 'while' , 'try', 'sauf' et 'finally' sont quelques mots-clés réservés en Python qui ne peuvent pas être utilisés comme noms de variables. Ces termes sont utilisés dans la langue pour des raisons particulières et ont des significations fixes. Si vous utilisez ces mots-clés, votre code peut inclure des erreurs ou l'interpréteur peut les rejeter en tant que nouvelles variables potentielles.
Histoire de Python
Python a été créé par Guido van Rossum . À la fin des années 1980, Guido van Rossum, un programmeur néerlandais, a commencé à travailler sur Python alors qu'il travaillait au Centrum Wiskunde & Informatica (CWI) aux Pays-Bas. Il voulait créer un successeur au Langage de programmation ABC ce serait facile à lire et efficace.
En février 1991, la première version publique de Python, la version 0.9.0, est sortie. Cela marquait la naissance officielle de Python en tant que projet open source . La langue doit son nom à la série comique britannique ' Le cirque volant de Monthy Python '.
Le développement de Python est passé par plusieurs étapes. En janvier 1994, Python 1.0 est sorti en tant que langage de programmation utilisable et stable. Cette version incluait de nombreuses fonctionnalités encore présentes dans Python aujourd'hui.
Des années 1990 aux années 2000 , Python a gagné en popularité pour sa simplicité, sa lisibilité et sa polyvalence. En octobre 2000, Python 2.0 est sorti . Python 2.0 a introduit la compréhension de listes, le garbage collection et la prise en charge d'Unicode.
En décembre 2008, Python 3.0 est sorti. Python 3.0 a introduit plusieurs modifications rétrocompatibles pour améliorer la lisibilité et la maintenabilité du code.
Tout au long des années 2010, la popularité de Python a augmenté, en particulier dans des domaines tels que l'apprentissage automatique et le développement Web. Son riche écosystème de bibliothèques et de frameworks en a fait un favori parmi les développeurs.
Le Python Software Foundation (PSF) a été créée en 2001 pour promouvoir, protéger et faire progresser le langage de programmation Python et sa communauté.
Pourquoi apprendre Python ?
Python fournit de nombreuses fonctionnalités utiles au programmeur. Ces caractéristiques en font le langage le plus populaire et le plus utilisé. Nous avons répertorié ci-dessous quelques fonctionnalités essentielles de Python.
- Langage orienté objet : Il prend en charge la programmation orientée objet, ce qui facilite l'écriture de code réutilisable et modulaire.
Où Python est-il utilisé ?
Python est un langage de programmation populaire et généraliste, utilisé dans presque tous les domaines techniques. Les différents domaines d'utilisation de Python sont indiqués ci-dessous.
- Intelligence artificielle : L'IA est une technologie émergente et Python est un langage parfait pour l'intelligence artificielle et l'apprentissage automatique en raison de la disponibilité de bibliothèques puissantes telles que TensorFlow , Keras et PyTorch .
- DevOps : Python est largement utilisé dans DevOps pour l'automatisation et la création de scripts de gestion d'infrastructure, de gestion de configuration et de processus de déploiement.
- Demandes : une bibliothèque pour faire des requêtes HTTP
- SQLAlchimie : une bibliothèque pour travailler avec des bases de données SQL
- Désespéré : un cadre pour créer des applications multi-touch
- Pygame : une bibliothèque pour le développement de jeux
- Cadre REST : une boîte à outils pour créer des API RESTful
- API rapide : un framework Web moderne et rapide pour créer des API
- Rationalisé : une bibliothèque pour créer des applications Web interactives pour l'apprentissage automatique et la science des données
- NLTK : une bibliothèque pour le traitement du langage naturel
Python dispose d'un large éventail de bibliothèques et de frameworks largement utilisés dans divers domaines tels que l'apprentissage automatique, l'intelligence artificielle, les applications Web, etc. Nous définissons certains frameworks et bibliothèques populaires de Python comme suit.
Fonction Python print()
La fonction Python print() est utilisée pour afficher la sortie sur la console ou le terminal. Il nous permet d'afficher du texte, des variables et d'autres données dans un format lisible par l'homme.
Syntaxe:
print(objet(s), sep=séparateur, fin=fin, fichier=fichier, flush=flush)
Il prend un ou plusieurs arguments séparés par une virgule (,) et ajoute par défaut une « nouvelle ligne » à la fin.
Paramètres:
- object(s) - Autant que vous souhaitez afficher de données, elles seront d'abord converties en chaîne et imprimées sur la console.
- sep - Sépare les objets par un séparateur passé, valeur par défaut = ' '.
- end - Termine une ligne avec un caractère de nouvelle ligne
- file - un objet fichier avec la méthode d'écriture, valeur par défaut = sys.stdout
Exemple:
# 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)) Sortir:
Hello, World! Name: Aman Age: 21 X = 5 y = 7 Sum = 12 Score: 85.75%
Dans cet exemple, l'instruction print est utilisée pour imprimer des valeurs de chaîne, d'entier et de flottant dans un format lisible par l'homme.
L'instruction print peut être utilisée pour le débogage, la journalisation et pour fournir des informations à l'utilisateur.
Déclarations conditionnelles Python
Les instructions conditionnelles nous aident à exécuter un bloc particulier pour une condition particulière. Dans ce didacticiel, nous apprendrons comment utiliser une expression conditionnelle pour exécuter un bloc d'instructions différent. Python fournit des mots-clés if et else pour définir des conditions logiques. Le Elif Le mot-clé est également utilisé comme instruction conditionnelle.
Exemple de code pour l'instruction if..else
x = 10 y = 5 if x > y: print('x is greater than y') else: print('y is greater than or equal to x')
Sortir:
x is greater than y
Dans le code ci-dessus, nous avons deux variables, x et y, avec respectivement 10 et 5. Ensuite, nous avons utilisé une instruction if..else pour vérifier si x est supérieur à y ou vice versa. Si la première condition est vraie, la déclaration « x est supérieur à y » est imprimée. Si la première condition est fausse, l'instruction « y est supérieur ou égal à x » est imprimée à la place.
Le mot-clé if vérifie que la condition est vraie et exécute le bloc de code qu'il contient. Le code à l’intérieur du bloc else est exécuté si la condition est fausse. De cette façon, l'instruction if..else nous aide à exécuter différents blocs de code en fonction d'une condition.
Nous en apprendrons davantage à ce sujet dans l’article suivant sur le didacticiel Python.
Boucles Python
Parfois, nous devrons peut-être modifier le déroulement du programme. L'exécution d'un code spécifique peut devoir être répétée plusieurs fois. A cet effet, les langages de programmation proposent diverses boucles capables de répéter plusieurs fois un code spécifique. Considérez le didacticiel suivant pour comprendre les déclarations en détail.
Boucle Python For
fruits = ['apple', 'banana', 'cherry'] for x in fruits: print(x, end=' ')
Sortir:
apple banana cherry
Boucle while Python
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:> Dans l'exemple de code ci-dessus, nous avons démontré l'utilisation de deux types de boucles en Python : la boucle For et la boucle While.
La boucle For est utilisée pour parcourir une séquence d'éléments, telle qu'une liste, un tuple ou une chaîne. Dans l'exemple, nous avons défini une liste de fruits et utilisé une boucle for pour imprimer chaque fruit, mais elle peut également être utilisée pour imprimer une plage de nombres.
La boucle While répète un bloc de code si la condition spécifiée est vraie. Dans l'exemple, nous avons initialisé une variable i à 1 et utilisé une boucle while pour imprimer la valeur de i jusqu'à ce qu'elle devienne supérieure ou égale à 6. L'instruction i += 1 est utilisée pour incrémenter la valeur de i à chaque itération. .
Nous les découvrirons en détail dans le didacticiel.
Structures de données Python
Python propose quatre structures de données intégrées : listes , tuples , ensembles , et dictionnaires qui nous permettent de stocker les données de manière efficace. Vous trouverez ci-dessous les structures de données couramment utilisées en Python, ainsi que des exemples de code :
1. Listes
- Les listes sont collections commandées d'éléments de données de différents types de données.
- Les listes sont mutable ce qui signifie qu'une liste peut être modifiée à tout moment.
- Les éléments peuvent être accessible à l'aide d'index .
- Ils sont définis à l'aide de crochets ' [] '.
Exemple:
# 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)
Sortir:
fuirts[1] = banana fruits = ['apple', 'banana', 'cherry', 'orange'] sum_nums = 15
2. Tuples
- Les tuples sont également collections commandées d'éléments de données de différents types de données, similaires aux listes.
- Les éléments peuvent être accessible à l'aide d'index .
- Les tuples sont immuable ce qui signifie que les tuples ne peuvent pas être modifiés une fois créés.
- Ils sont définis à l'aide d'une parenthèse ouverte ' () '.
Exemple:
# 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_)
Sortir:
(x, y) = 3 4 Tuple = ('apple', 'banana', 'cherry', 'orange')
3 ensembles
- Les ensembles sont non ordonné collections d’éléments de données immuables de différents types de données.
- Les ensembles sont mutable .
- Les éléments ne sont pas accessibles à l'aide d'index.
- Ensembles ne contiennent pas d'éléments en double .
- Ils sont définis à l'aide d'accolades ' {} '
Exemple:
# 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) Sortir:
set1 = {1, 2, 3, 4} set2 = {'apple', 'cherry', 'orange', 'banana'} 4. Dictionnaires
- Le dictionnaire est paires clé-valeur qui vous permettent d'associer des valeurs à des clés uniques.
- Ils sont définis à l'aide d'accolades ' {} ' avec des paires clé-valeur séparés par deux points ':' .
- Les dictionnaires sont mutable .
- Les éléments sont accessibles à l'aide de clés.
Exemple:
# Create a dictionary person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} print('person =', person) print(person['name']) # Modify Dictionary person['age'] = 27 print('person =', person) Sortir:
person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} Umesh person = {'name': 'Umesh', 'age': 27, 'city': 'Noida'} Ce ne sont là que quelques exemples de structures de données intégrées à Python. Chaque structure de données a ses propres caractéristiques et cas d'utilisation.
Programmation fonctionnelle Python
Cette section du didacticiel Python définit certains outils importants liés à la programmation fonctionnelle, tels que les fonctions lambda et récursives. Ces fonctions sont très efficaces pour accomplir des tâches complexes. Nous définissons quelques fonctions importantes, telles que réduire, mapper et filtrer. Python fournit le module functools qui comprend divers outils de programmation fonctionnelle. Consultez le didacticiel suivant pour en savoir plus sur la programmation fonctionnelle.
Les versions récentes de Python ont introduit des fonctionnalités qui rendent la programmation fonctionnelle plus concise et expressive. Par exemple, l'opérateur 'walrus':= permet l'affectation de variables en ligne dans les expressions, ce qui peut être utile lorsque vous travaillez avec des appels de fonctions imbriqués ou des compréhensions de listes.
Fonction Python
- Fonction Lambda - Une fonction lambda est une petite, fonction anonyme cela peut prendre n'importe quel nombre d'arguments mais ne peut avoir qu'une seule expression. Les fonctions Lambda sont souvent utilisées dans la programmation fonctionnelle pour créer des fonctions « à la volée » sans définir de fonction nommée.
- Fonction récursive - Une fonction récursive est une fonction qui s'appelle pour résoudre un problème. Les fonctions récursives sont souvent utilisées dans la programmation fonctionnelle pour effectuer des calculs complexes ou pour parcourir des structures de données complexes.
- Fonction de carte - La fonction map() applique une fonction donnée à chaque élément d'un itérable et renvoie un nouvel itérable avec les résultats. L’itérable d’entrée peut être une liste, un tuple ou autre.
- Fonction de filtre - La fonction filter() renvoie un itérateur d'un itérable pour lequel la fonction passée en premier argument renvoie True. Il filtre les éléments d'un itérable qui ne remplissent pas la condition donnée.
- Fonction de réduction - La fonction réduire() applique une fonction de deux arguments de manière cumulative aux éléments d'un itérable de gauche à droite pour le réduire à une seule valeur.
- Module outils fonctionnels - Le module functools en Python fournit des fonctions d'ordre supérieur qui opèrent sur d'autres fonctions, telles que partial() et réduire().
- Fonction curry - Une fonction de currying est une fonction qui prend plusieurs arguments et renvoie une séquence de fonctions prenant chacune un seul argument.
- Fonction de mémorisation - La mémorisation est une technique utilisée en programmation fonctionnelle pour mettre en cache les résultats d'appels de fonctions coûteux et renvoyer le résultat mis en cache lorsque les mêmes entrées se reproduisent.
- Fonction de filetage - Le threading est une technique utilisée en programmation fonctionnelle pour exécuter plusieurs tâches simultanément afin de rendre le code plus efficace et plus rapide.
Modules Python
Les modules Python sont les fichiers de programme qui contiennent du code ou des fonctions Python. Python propose deux types de modules : les modules définis par l'utilisateur et les modules intégrés. Un module défini par l'utilisateur, ou notre code Python enregistré avec l'extension .py, est traité comme un module défini par l'utilisateur.
Les modules intégrés sont des modules prédéfinis de Python. Pour utiliser les fonctionnalités des modules, nous devons les importer dans notre programme de travail actuel.
comment convertir un entier en chaîne en Java
Les modules Python sont essentiels à l'écosystème du langage car ils offrent du code et des fonctionnalités réutilisables qui peuvent être importés dans n'importe quel programme Python. Voici quelques exemples de plusieurs modules Python, ainsi qu'une brève description de chacun :
Mathématiques : Donne aux utilisateurs accès aux constantes mathématiques et aux fonctions pi et trigonométriques.
Dateheure : Propose des cours pour une manière plus simple de manipuler les dates, les heures et les périodes.
TOI : Permet l'interaction avec le système d'exploitation de base, y compris l'administration des processus et des activités du système de fichiers.
aléatoire : La fonction aléatoire propose des outils pour générer des entiers aléatoires et sélectionner des éléments aléatoires dans une liste.
JSON : JSON est une structure de données qui peut être codée et décodée et est fréquemment utilisée dans les API et l'échange de données en ligne. Ce module permet de gérer JSON.
Concernant : Prend en charge les expressions régulières, un puissant outil de recherche de texte et de manipulation de texte.
Collections : Fournit des structures de données alternatives telles que des dictionnaires triés, des dictionnaires par défaut et des tuples nommés.
NumPy : NumPy est une boîte à outils de base pour le calcul scientifique qui prend en charge les opérations numériques sur les tableaux et les matrices.
Pandas : Il fournit des structures de données et des opérations de haut niveau pour traiter les séries chronologiques et d'autres types de données structurées.
Demandes : Offre une interface utilisateur simple pour les API Web et effectue des requêtes HTTP.
E/S de fichier Python
Les fichiers sont utilisés pour stocker des données sur un disque informatique. Dans ce didacticiel, nous expliquons l'objet fichier intégré de Python. Nous pouvons ouvrir un fichier à l'aide d'un script Python et effectuer diverses opérations telles que l'écriture, la lecture et l'ajout. Il existe différentes manières d'ouvrir un fichier. Nous sommes expliqués avec l’exemple pertinent. Nous apprendrons également à effectuer des opérations de lecture/écriture sur des fichiers binaires.
Système d'entrée/sortie de fichiers (E/S) de Python propose des programmes pour communiquer avec les fichiers stockés sur un disque. Les méthodes intégrées de Python pour l'objet fichier nous permettent d'effectuer des actions telles que la lecture, l'écriture et l'ajout de données aux fichiers.
Le ouvrir() La méthode en Python crée un objet fichier lorsque vous travaillez avec des fichiers. Le nom du fichier à ouvrir et le mode dans lequel le fichier doit être ouvert sont les deux paramètres requis par cette fonction. Le mode peut être utilisé en fonction du travail à effectuer avec le fichier, tel que ' r ' à lire, ' Dans ' pour écrire, ou ' un ' pour joindre.
Après avoir réussi à créer un objet, différentes méthodes peuvent être utilisées selon notre travail. Si nous voulons écrire dans le fichier, nous pouvons utiliser les fonctions write(), et si nous voulons lire et écrire les deux, alors nous pouvons utiliser la fonction append() et, dans les cas où nous voulons uniquement lire le contenu de le fichier, nous pouvons utiliser la fonction read(). Les fichiers binaires contenant des données au format binaire plutôt qu'au format texte peuvent également être utilisés à l'aide de Python. Les fichiers binaires sont écrits d'une manière que les humains ne peuvent pas comprendre directement. Le rb et wb Les modes peuvent lire et écrire des données binaires dans des fichiers binaires.
Exceptions Python
Une exception peut être définie comme une condition inhabituelle dans un programme entraînant une interruption du déroulement du programme.
Chaque fois qu'une exception se produit, le programme arrête l'exécution et donc l'autre code n'est pas exécuté. Par conséquent, les erreurs d’exécution qui ne peuvent pas être gérées par le script Python constituent une exception. Une exception est un objet Python qui représente une erreur.
Exceptions Python sont un aspect important de la gestion des erreurs dans la programmation Python. Lorsqu'un programme rencontre une situation ou une erreur inattendue, il peut déclencher une exception, ce qui peut interrompre le déroulement normal du programme.
En Python, les exceptions sont représentées sous forme d'objets contenant des informations sur l'erreur, notamment son type et son message. Le type d'exception le plus courant en Python est la classe Exception, une classe de base pour toutes les autres exceptions intégrées.
Pour gérer les exceptions en Python, nous utilisons le essayer et sauf déclarations. Le essayer L'instruction est utilisée pour inclure le code susceptible de déclencher une exception, tandis que l'instruction sauf L'instruction est utilisée pour définir un bloc de code qui doit être exécuté lorsqu'une exception se produit.
Par exemple, considérons le code suivant :
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')
Sortir:
Enter a number: 0 Error: Division by zero
Dans ce code, nous utilisons l'instruction try pour tenter d'effectuer une opération de division. Si l’une de ces opérations génère une exception, le bloc except correspondant est exécuté.
Python fournit également de nombreuses exceptions intégrées qui peuvent être déclenchées dans des situations similaires. Certaines exceptions intégrées courantes incluent Erreur d'index, erreur de type , et NomErreur . Nous pouvons également définir nos exceptions personnalisées en créant une nouvelle classe qui hérite de la classe Exception.
Python CSV
Un CSV signifie « valeurs séparées par des virgules », qui est défini comme un format de fichier simple qui utilise une structuration spécifique pour organiser les données sous forme de tableau. Il stocke des données tabulaires telles que des feuilles de calcul ou des bases de données en texte brut et dispose d'un format commun pour l'échange de données. Un fichier CSV s'ouvre dans la feuille Excel et les données des lignes et des colonnes définissent le format standard.
Nous pouvons utiliser la fonction CSV.reader pour lire un fichier CSV. Cette fonction renvoie un objet lecteur que nous pouvons utiliser pour répéter sur les lignes du fichier CSV. Chaque ligne est renvoyée sous forme de liste de valeurs, chaque valeur correspondant à une colonne du fichier CSV.
Par exemple, considérons le code suivant :
import csv with open('data.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)
Ici, nous ouvrons le fichier data.csv en mode lecture et créons un csv.lecteur objet à l'aide du csv.reader() fonction. Nous parcourons ensuite les lignes du fichier CSV à l'aide d'une boucle for et imprimons chaque ligne sur la console.
Nous pouvons utiliser le CSV.écrivain() fonction pour écrire des données dans un fichier CSV. Il renvoie un objet écrivain que nous pouvons utiliser pour écrire des lignes dans le fichier CSV. Nous pouvons écrire des lignes en appelant le écrivain () méthode sur l’objet écrivain.
Par exemple, considérons le code suivant :
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)
Dans ce programme, nous créons une liste de listes appelées données, où chaque liste interne représente une ligne de données. On ouvre ensuite le fichier data.csv en mode écriture et on crée un CSV.écrivain objet à l’aide de la fonction CSV.writer. Nous parcourons ensuite les lignes des données à l'aide d'une boucle for et écrivons chaque ligne dans le fichier CSV à l'aide de la méthode Writer.
Python Envoi de courrier
Nous pouvons envoyer ou lire un mail en utilisant le script Python. Les modules de bibliothèque standard de Python sont utiles pour gérer divers protocoles tels que PoP3 et IMAP . Python fournit le smtplib module d'envoi d'e-mails via SMTP (Simple Mail Transfer Protocol). Nous apprendrons comment envoyer du courrier avec le service de messagerie populaire SMTP à partir d'un script Python.
Méthodes magiques Python
La méthode magique Python est la méthode spéciale qui ajoute de la « magie » à une classe. Il commence et se termine par des traits de soulignement doubles, par exemple : _chaud_ ou _str_ .
Les classes intégrées définissent de nombreuses méthodes magiques. Le toi() La fonction peut être utilisée pour voir le nombre de méthodes magiques héritées par une classe. Il comporte deux préfixes et suffixes de soulignement dans le nom de la méthode.
- Les méthodes magiques Python sont également connues sous le nom de méthodes de dunder , abréviation de méthodes ' double soulignement ' car leurs noms commencent et se terminent par un double trait de soulignement.
- Méthodes magiques sont automatiquement invoqués par l'interpréteur Python dans certaines situations, par exemple lorsqu'un objet est créé, comparé à un autre objet ou imprimé.
- Les méthodes magiques peuvent être utilisées pour personnaliser le comportement des classes, par exemple en définissant la manière dont les objets sont comparés, convertis en chaînes ou accessibles en tant que conteneurs.
- Certaines méthodes magiques couramment utilisées incluent chaleur pour initialiser un objet, str pour convertir un objet en chaîne, équip pour comparer deux objets pour l'égalité, et chronométré et article défini pour accéder aux éléments d'un objet conteneur.
Par exemple, le str La méthode magique peut définir comment un objet doit être représenté sous forme de chaîne. Voici un exemple
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) Sortir:
Vikas (22)
Dans cet exemple, la méthode str est définie pour renvoyer une représentation sous forme de chaîne formatée de l'objet Person avec le nom et l'âge de la personne.
Une autre méthode magique couramment utilisée est équip , qui définit comment les objets doivent être comparés pour l'égalité. Voici un exemple :
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)
Sortir:
False True
Dans cet exemple, le équip La méthode est définie pour renvoyer True si deux objets Point ont les mêmes coordonnées x et y et False sinon.
Concepts Python Oups
Tout en Python est traité comme un objet, y compris les valeurs entières, les flottants, les fonctions, les classes et aucun. En dehors de cela, Python prend en charge tous les concepts orientés. Vous trouverez ci-dessous une brève introduction aux concepts Oops de Python.
- Classes et objets - Les classes Python sont les plans de l'objet. Un objet est un ensemble de données et de méthodes qui agissent sur les données.
- Héritage - Un héritage est une technique dans laquelle une classe hérite des propriétés d'autres classes.
- Constructeur - Python fournit une méthode spéciale __init__() appelée constructeur. Cette méthode est automatiquement appelée lorsqu'un objet est instancié.
- Polymorphisme - Le polymorphisme est un concept où un objet peut prendre plusieurs formes. En Python, le polymorphisme peut être obtenu grâce à la surcharge et au remplacement de méthodes.
- Remplacement de méthode - La substitution de méthode est un concept dans lequel une sous-classe implémente une méthode déjà définie dans sa superclasse.
- Encapsulation - L'encapsulation consiste à regrouper les données et les méthodes dans une seule unité. En Python, l'encapsulation est réalisée via des modificateurs d'accès, tels que public, privé et protégé. Cependant, Python n'applique pas strictement les modificateurs d'accès et la convention de dénomination indique le niveau d'accès.
- Abstraction de données : Une technique pour masquer la complexité des données et afficher uniquement les fonctionnalités essentielles à l'utilisateur. Il fournit une interface pour interagir avec les données. L'abstraction des données réduit la complexité et rend le code plus modulaire, permettant aux développeurs de se concentrer sur les fonctionnalités essentielles du programme.
Pour lire le concept Oops en détail, visitez les ressources suivantes.
- Concepts Python Oops - En Python, le paradigme orienté objet consiste à concevoir le programme à l'aide de classes et d'objets. L'objet est lié à des entités réelles telles qu'un livre, une maison, un crayon, etc. et la classe définit ses propriétés et ses comportements.
- Objets et classes Python - En Python, les objets sont des instances de classes et les classes sont des plans qui définissent la structure et le comportement des données.
- Constructeur Python - Un constructeur est une méthode spéciale dans une classe utilisée pour initialiser les attributs de l'objet lors de la création de l'objet.
- Héritage Python - L'héritage est un mécanisme dans lequel une nouvelle classe (sous-classe ou classe enfant) hérite des propriétés et des comportements d'une classe existante (super classe ou classe parent).
- Polymorphisme Python - Le polymorphisme permet aux objets de différentes classes d'être traités comme des objets d'une superclasse commune, permettant ainsi à différentes classes d'être utilisées de manière interchangeable via une interface commune.
Sujets avancés Python
Python inclut de nombreuses avancées et concepts utiles qui aident le programmeur à résoudre des tâches complexes. Ces concepts sont donnés ci-dessous.
Itérateur Python
Un itérateur est simplement un objet sur lequel on peut itérer. Il renvoie un objet à la fois. Il peut être mis en œuvre en utilisant les deux méthodes spéciales, __iter__() et ensuite__().
Les itérateurs en Python sont des objets qui permettent une itération sur une collection de données. Ils traitent chaque élément de la collection individuellement sans charger l'intégralité de la collection en mémoire.
Par exemple, créons un itérateur qui renvoie les carrés des nombres jusqu'à une limite donnée :
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></=> Dans cet exemple, nous avons créé une classe Squares qui agit comme un itérateur en implémentant les méthodes __iter__() et __next__(). La méthode __iter__() renvoie l'objet lui-même et la méthode __next__() renvoie le carré suivant du nombre jusqu'à ce que la limite soit atteinte.
Pour en savoir plus sur les itérateurs, visitez notre didacticiel Python Iterators.
Générateurs Python
Générateurs Python produire une séquence de valeurs en utilisant une instruction de rendement plutôt qu'un retour puisque ce sont des fonctions qui renvoient des itérateurs. Les générateurs terminent l'exécution de la fonction tout en conservant l'état local. Il reprend là où il s'était arrêté lorsqu'il est redémarré. Parce que nous n'avons pas besoin d'implémenter le protocole d'itérateur grâce à cette fonctionnalité, l'écriture des itérateurs est simplifiée. Voici une illustration d’une fonction génératrice simple qui produit des carrés de nombres :
# 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)
Sortir:
0 1 4 9 16
Modificateurs Python
Décorateurs Python sont des fonctions utilisées pour modifier le comportement d’une autre fonction. Ils permettent d'ajouter des fonctionnalités à une fonction existante sans modifier directement son code. Les décorateurs sont définis à l'aide du @ symbole suivi du nom de la fonction décorateur. Ils peuvent être utilisés pour la journalisation, la synchronisation, la mise en cache, etc.
Voici un exemple de fonction de décorateur qui ajoute une fonctionnalité de synchronisation à une autre fonction :
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) Sortir:
Dans l'exemple ci-dessus, la fonction décoratrice time_it prend une autre fonction comme argument et renvoie une fonction wrapper. La fonction wrapper calcule le temps d'exécution de la fonction d'origine et l'imprime sur la console. Le décorateur @time_it est utilisé pour appliquer la fonction time_it à la fonction my_function. Lorsque my_function est appelé, le décorateur est exécuté et la fonctionnalité de synchronisation est ajoutée.
PythonMySQL
Python MySQL est un puissant système de gestion de bases de données relationnelles. Nous devons configurer l'environnement et établir une connexion pour utiliser MySQL avec Python. Nous pouvons créer une nouvelle base de données et des tables à l'aide de commandes SQL en Python.
- Configuration de l'environnement : Installation et configuration de MySQL Connector/Python pour utiliser Python avec MySQL.
- Connexion à la base de données : Établissement d'une connexion entre Python et la base de données MySQL à l'aide de MySQL Connector/Python.
- Création d'une nouvelle base de données : Création d'une nouvelle base de données dans MySQL en utilisant Python.
- Création de tableaux : Création de tables dans la base de données MySQL avec Python à l'aide de commandes SQL.
- Opération d'insertion : Insérez des données dans des tables MySQL à l'aide des commandes Python et SQL.
- Opération de lecture : Lecture des données des tables MySQL à l'aide des commandes Python et SQL.
- Opération de mise à jour : Mise à jour des données dans les tables MySQL à l'aide des commandes Python et SQL.
- Rejoindre l'opération : Rejoindre deux ou plusieurs tables dans MySQL à l'aide de commandes Python et SQL.
- Effectuer des transactions : Exécution d'un groupe de requêtes SQL en tant qu'unité de travail unique dans MySQL à l'aide de Python.
D'autres points relatifs incluent la gestion des erreurs, la création d'index et l'utilisation de procédures et de fonctions stockées dans MySQL avec Python.
PythonMongoDB
Python MongoDB est une base de données NoSQL populaire qui stocke les données dans des documents de type JSON. Il est sans schéma et offre une évolutivité et une flexibilité élevées pour le stockage de données. Nous pouvons utiliser MongoDB avec Python en utilisant la bibliothèque PyMongo, qui fournit une interface simple et intuitive pour interagir avec MongoDB.
Voici quelques tâches courantes lorsque vous travaillez avec MongoDB en Python :
- Configuration de l'environnement : Installez et configurez la bibliothèque MongoDB et PyMongo sur votre système.
- Connexion à la base de données : Connectez-vous à un serveur MongoDB à l'aide de la classe MongoClient de PyMongo.
- Création d'une nouvelle base de données : utilisez l'objet MongoClient pour créer une nouvelle base de données.
- Création de collections : Créez des collections dans une base de données pour stocker des documents.
- Insérer des documents : Insérez de nouveaux documents dans une collection à l'aide des méthodes insert_one() ou insert_many().
- Interrogation de documents : Récupérez des documents d'une collection en utilisant diverses méthodes de requête comme find_one(), find(), etc.
- Mise à jour des documents : Modifiez les documents existants dans une collection à l'aide des méthodes update_one() ou update_many().
- Suppression de documents : Supprimez des documents d'une collection à l'aide des méthodes delete_one() ou delete_many().
- Agrégation : effectuez des opérations d'agrégation telles que le regroupement, le comptage, etc., à l'aide du cadre de pipeline d'agrégation.
Il existe de nombreux sujets plus avancés dans MongoDB, tels que le partage de données, la réplication, etc., mais ces tâches couvrent les bases du travail avec MongoDB en Python.
Python SQLite
Les bases de données relationnelles sont créées et entretenues à l'aide de Python SQLite, un moteur de base de données compact, sans serveur et autonome. Sa mobilité et sa simplicité en font une option populaire pour les applications locales ou à petite échelle. Python dispose d'un module intégré de connexion aux bases de données SQLite appelé SQLite3, permettant aux développeurs de travailler avec les bases de données SQLite sans difficultés.
Diverses méthodes API sont disponibles via la bibliothèque SQLite3 et peuvent être utilisées pour exécuter des requêtes SQL, insérer, sélectionner, mettre à jour et supprimer des données, ainsi que pour obtenir des données à partir de tables. De plus, il autorise les transactions, permettant aux programmeurs d'annuler les modifications en cas de problème. Python SQLite est une option fantastique pour créer des programmes nécessitant un système de base de données intégré, y compris des programmes Web de bureau, mobiles et de taille modeste. SQLite est devenu populaire parmi les développeurs pour les applications légères dotées de fonctionnalités de base de données grâce à sa facilité d'utilisation, sa portabilité et sa connexion fluide avec Python.
Python CGI
Python CGI est une technologie permettant d'exécuter des scripts via des serveurs Web pour produire du contenu en ligne dynamique. Il offre un canal de communication et une interface de génération de contenu dynamique pour les scripts CGI externes et le serveur Web. Les scripts Python CGI peuvent créer des pages Web HTML, gérer la saisie de formulaires et communiquer avec des bases de données. Python CGI permet au serveur d'exécuter des scripts Python et de fournir les résultats au client, offrant ainsi une approche rapide et efficace pour créer des applications en ligne dynamiques.
Les scripts Python CGI peuvent être utilisés pour de nombreuses choses, notamment la création de pages Web dynamiques, le traitement de formulaires et l'interaction avec des bases de données. Étant donné que Python, un langage de programmation puissant et populaire, peut être utilisé pour créer des scripts, il permet une approche plus personnalisée et plus flexible de la création Web. Des applications en ligne évolutives, sûres et maintenables peuvent être créées avec Python CGI. Python CGI est un outil pratique pour les développeurs Web créant des applications en ligne dynamiques et interactives.
Programmation asynchrone en Python
Programmation asynchrone est un paradigme de programmation informatique qui permet le fonctionnement indépendant et simultané d'activités. Il est fréquemment utilisé dans des applications telles que les serveurs Web, les logiciels de base de données et la programmation réseau, où plusieurs tâches ou demandes doivent être traitées simultanément.
Python a asyncio, Twisted et Tornado parmi ses bibliothèques et frameworks pour la programmation asynchrone. Asyncio, l'un d'entre eux, offre une interface simple pour la programmation asynchrone et est la bibliothèque officielle de programmation asynchrone en Python.
Les coroutines sont des fonctions qui peuvent être arrêtées et redémarrées à des emplacements spécifiques du code et sont utilisées par asyncio. Cela permet à de nombreuses coroutines de fonctionner simultanément sans interférer les unes avec les autres. Pour construire et maintenir des coroutines, la bibliothèque propose plusieurs classes et méthodes, notamment asyncio.gather(), asyncio.attendre(), et asyncio.create_task().
Les boucles d'événements, qui sont en charge de la planification et du fonctionnement des coroutines, sont une autre fonctionnalité d'asyncio. En circulant entre les coroutines de manière non bloquante, la boucle d'événements contrôle l'exécution des coroutines et garantit qu'aucune coroutine n'en bloque une autre. De plus, il prend en charge les minuteries et la planification des rappels, ce qui peut être utile lorsque les activités doivent être terminées à des heures ou à des intervalles spécifiés.
Concurrence Python
Le terme ' concurrence ' décrit la capacité d'un programme à effectuer plusieurs tâches à la fois, améliorant ainsi l'efficacité du programme. Python propose plusieurs modules et méthodes liées à la concurrence, notamment la programmation asynchrone, le multitraitement et le multithreading. Alors que le multitraitement implique l'exécution de plusieurs processus simultanément sur un système, le multithreading implique l'exécution de plusieurs threads simultanément au sein d'un seul processus.
Le module de filetage en Python permet aux programmeurs de créer du multithreading. Il propose des classes et des opérations pour établir et contrôler les threads. À l’inverse, le module multitraitement permet aux développeurs de concevoir et de contrôler des processus. Le module asyncio de Python fournit une prise en charge de la programmation asynchrone, permettant aux développeurs d'écrire du code non bloquant capable de gérer plusieurs tâches simultanément. Grâce à ces techniques, les développeurs peuvent écrire des programmes évolutifs et performants, capables de gérer plusieurs tâches simultanément.
Le module de thread de Python permet l'exécution simultanée de plusieurs threads au sein d'un seul processus, ce qui est utile pour les activités liées aux E/S.
Pour les opérations gourmandes en CPU comme le traitement d'images ou l'analyse de données, les modules multitraitements permettent d'exécuter de nombreux processus simultanément sur plusieurs cœurs de CPU.
Le module asyncio prend en charge les E/S asynchrones et permet la création de code concurrent monothread à l'aide de coroutines pour les applications réseau à haute concurrence.
Avec des bibliothèques comme Dask , PySpark , et MPI, Python peut également être utilisé pour le calcul parallèle. Ces bibliothèques permettent de répartir les charges de travail sur de nombreux nœuds ou clusters pour de meilleures performances.
Mise au rebut Web à l'aide de Python
Le processus de web scraping est utilisé pour récupérer automatiquement les données des sites Web. Divers outils et bibliothèques extraient des données à partir de HTML et d'autres formats en ligne. Python fait partie des langages de programmation les plus utilisés pour le web scraping en raison de sa facilité d'utilisation, de son adaptabilité et de la variété de ses bibliothèques.
Nous devons prendre quelques mesures pour réaliser le web scraping à l'aide de Python. Nous devons d’abord décider quel site Web gratter et quelles informations collecter. Ensuite, nous pouvons soumettre une requête au site Web et recevoir le contenu HTML à l'aide du package de requêtes de Python. Une fois que nous avons le texte HTML, nous pouvons extraire les données nécessaires à l'aide de divers packages d'analyse, comme Belle soupe et lxml .
Nous pouvons employer plusieurs stratégies, comme ralentir les requêtes, employer des agents utilisateurs et utiliser des proxys, pour éviter de surcharger le serveur du site Web. Il est également crucial de respecter les conditions d'utilisation du site Web et de respecter son fichier robots.txt.
L'exploration de données, la création de leads, le suivi des prix et bien d'autres utilisations sont possibles pour le web scraping. Cependant, comme le web scraping non autorisé peut être contraire à la loi et contraire à l’éthique, il est essentiel de l’utiliser de manière professionnelle et éthique.
Traitement du langage naturel (NLP) avec Python
Une branche de l'intelligence artificielle (IA) appelée « traitement du langage naturel » (NLP) étudie la façon dont les ordinateurs et le langage humain interagissent. Grâce à la PNL, les ordinateurs peuvent désormais comprendre, interpréter et produire le langage humain. En raison de sa simplicité, de sa polyvalence et de ses bibliothèques puissantes comme NLTK (Natural Language Toolkit) et spaCy, Python est un langage de programmation bien connu pour le NLP.
Pour les tâches NLP, notamment la tokenisation, la radicalisation, la lemmatisation, le marquage de parties du discours, l'identification d'entités nommées, l'analyse des sentiments, etc., NLTK fournit une bibliothèque complète. Il propose une variété de corpus (grandes collections de textes organisées) pour développer et évaluer des modèles de PNL. Une autre bibliothèque très appréciée pour les tâches PNL est spaCy , qui offre un traitement rapide et efficace d'énormes quantités de texte. Il permet une modification et une extension simples et est livré avec des modèles pré-entraînés pour diverses charges de travail PNL.
La PNL peut être utilisée en Python à diverses fins pratiques, notamment les chatbots, l'analyse des sentiments, la catégorisation de texte, la traduction automatique, etc. Le NLP est utilisé, par exemple, par les chatbots pour comprendre et répondre aux demandes des utilisateurs dans un style de langage naturel. L'analyse des sentiments, qui peut être utile pour la surveillance de la marque, l'analyse des commentaires des clients et à d'autres fins, utilise la PNL pour catégoriser les sentiments du texte (positifs, négatifs ou neutres). Les documents texte sont classés à l'aide du traitement du langage naturel (NLP) en catégories préétablies pour la détection du spam, la catégorisation des actualités et à d'autres fins.
Python est un outil puissant et utile pour analyser et traiter le langage humain. Les développeurs peuvent effectuer diverses activités NLP et créer des applications utiles capables de communiquer avec les consommateurs en langage naturel avec des bibliothèques telles que NLTK et spaCy.
Conclusion:
Dans ce didacticiel, nous avons examiné certaines des fonctionnalités et idées les plus importantes de Python, notamment les variables, les types de données, les boucles, les fonctions, les modules, etc. Des sujets plus complexes, notamment le web scraping, le traitement du langage naturel, le parallélisme et la connexion à des bases de données, ont également été abordés. Vous disposerez d'une base solide pour continuer à apprendre Python et ses applications en utilisant les informations que vous avez apprises dans cette leçon.
java dormir
N'oubliez pas que pratiquer et développer du code est la meilleure méthode pour apprendre Python. Vous pouvez trouver de nombreuses ressources sur javaTpoint pour vous aider dans votre apprentissage ultérieur, notamment de la documentation, des didacticiels, des groupes en ligne, etc. Vous pouvez maîtriser Python et l'utiliser pour créer des choses merveilleuses si vous travaillez dur et persistez.
Prérequis
Avant d’apprendre Python, vous devez avoir des connaissances de base en concepts de programmation.
Public
Notre tutoriel Python est conçu pour aider les débutants et les professionnels.
Problème
Nous vous assurons que vous ne rencontrerez aucun problème dans ce tutoriel Python. Mais s'il y a une erreur, veuillez poster le problème dans le formulaire de contact.