Pitão é uma linguagem de programação amplamente utilizada que oferece vários recursos e vantagens exclusivos em comparação com linguagens como Java e C++. Nosso tutorial Python explica detalhadamente os conceitos básicos e avançados do Python, começando com a instalação, declarações condicionais , loops, estruturas de dados integradas, programação orientada a objetos, geradores, tratamento de exceções, Python RegEx e muitos outros conceitos. Este tutorial foi desenvolvido para iniciantes e profissionais ativos.
No final da década de 1980, Guido van Rossum sonhava em desenvolver Python. A primeira versão de Python 0.9.0 foi lançado em 1991 . Desde o seu lançamento, o Python começou a ganhar popularidade. Segundo relatos, Python é agora a linguagem de programação mais popular entre os desenvolvedores devido às suas altas demandas no domínio da tecnologia.
O que é Python
Python é uma linguagem de programação de uso geral, digitada dinamicamente, de alto nível, compilada e interpretada, com coleta de lixo e puramente orientada a objetos que suporta programação processual, orientada a objetos e funcional.
Recursos do Python:
Python tem muitos ativos baseados na web , projetos de código aberto , e uma comunidade vibrante . Aprender a linguagem, trabalhar juntos em projetos e contribuir para o ecossistema Python são coisas muito fáceis para os desenvolvedores.
Devido à sua estrutura de linguagem simples, Python é mais fácil de entender e escrever código. Isso o torna uma linguagem de programação fantástica para iniciantes. Além disso, auxilia programadores experientes a escrever códigos claros e sem erros.
Python possui muitas bibliotecas de terceiros que podem ser usadas para facilitar sua funcionalidade. Essas bibliotecas cobrem muitos domínios, por exemplo, desenvolvimento web, computação científica, análise de dados e muito mais.
Java versus Python
Python é uma excelente escolha para tarefas rápidas de desenvolvimento e script. Considerando que Java enfatiza um sistema de tipo forte e programação orientada a objetos.
Aqui estão alguns programas básicos que ilustram as principais diferenças entre eles.
Imprimindo 'Olá Mundo'
Código Python:
print('Hello World)'
Em Python, é uma linha de código. Requer sintaxe simples para imprimir 'Hello World'
Código Java:
public class HelloWorld { public static void main(String[] args) { System.out.println('Hello, World!'); } } Em Java, precisamos declarar classes, estruturas de métodos e muitas outras coisas.
Embora ambos os programas forneçam a mesma saída, podemos notar a diferença de sintaxe na instrução print.
métodos de string
- Em Python, é fácil aprender e escrever código. Enquanto em Java, é necessário mais código para executar determinadas tarefas.
- Python é digitado dinamicamente, o que significa que não precisamos declarar a variável, enquanto Java é digitado estatisticamente, o que significa que precisamos declarar o tipo da variável.
- Python é adequado para vários domínios, como ciência de dados, aprendizado de máquina, desenvolvimento Web e muito mais. Considerando que Java é adequado para desenvolvimento web, desenvolvimento de aplicativos móveis (Android) e muito mais.
Sintaxe básica do Python
Não há uso de chaves ou ponto e vírgula na linguagem de programação Python. É uma língua semelhante ao inglês. Mas Python usa indentação para definir um bloco de código. O recuo nada mais é do que adicionar espaços em branco antes da instrução quando necessário.
Por exemplo -
def func(): statement 1 statement 2 ………………… ………………… statement N
No exemplo acima, as declarações que estão no mesmo nível à direita pertencem à função. Geralmente, podemos usar quatro espaços em branco para definir o recuo.
Em vez do ponto e vírgula usado em outras linguagens, o Python termina suas instruções com um caractere NewLine.
Python é uma linguagem que diferencia maiúsculas de minúsculas, o que significa que letras maiúsculas e minúsculas são tratadas de maneira diferente. Por exemplo, 'nome' e 'Nome' são duas variáveis diferentes em Python.
Em Python, comentários podem ser adicionados usando o símbolo ‘#’. Qualquer texto escrito após o símbolo '#' é considerado um comentário e é ignorado pelo intérprete. Este truque é útil para adicionar notas ao código ou desabilitar temporariamente um bloco de código. Também ajuda a compreender melhor o código por alguns outros desenvolvedores.
'Se' , 'caso contrário', 'for' , 'while' , 'try', 'except' e 'finalmente' são algumas palavras-chave reservadas em Python que não podem ser usadas como nomes de variáveis. Esses termos são usados na língua por motivos específicos e têm significados fixos. Se você usar essas palavras-chave, seu código poderá incluir erros ou o intérprete poderá rejeitá-las como possíveis novas variáveis.
História do Python
Python foi criado por Guido van Rossum . No final da década de 1980, Guido van Rossum, um programador holandês, começou a trabalhar em Python enquanto trabalhava no Centrum Wiskunde & Informatica (CWI) na Holanda. Ele queria criar um sucessor para o Linguagem de programação ABC isso seria fácil de ler e eficiente.
Em fevereiro de 1991, foi lançada a primeira versão pública do Python, versão 0.9.0. Isto marcou o nascimento oficial de Python como um projeto de código aberto . A língua recebeu o nome da série de comédia britânica ' Circo Voador de Monty Python '.
O desenvolvimento do Python passou por vários estágios. Em janeiro de 1994, o Python 1.0 foi lançado como uma linguagem de programação utilizável e estável. Esta versão incluiu muitos dos recursos que ainda estão presentes no Python hoje.
Dos anos 1990 aos anos 2000 , Python ganhou popularidade por sua simplicidade, legibilidade e versatilidade. Em outubro de 2000, Python 2.0 foi lançado . Python 2.0 introduziu compreensão de lista, coleta de lixo e suporte para Unicode.
Em dezembro de 2008, o Python 3.0 foi lançado. O Python 3.0 introduziu várias alterações incompatíveis com versões anteriores para melhorar a legibilidade e a manutenção do código.
Ao longo da década de 2010, a popularidade do Python aumentou, especialmente em áreas como aprendizado de máquina e desenvolvimento web. Seu rico ecossistema de bibliotecas e estruturas o tornou um favorito entre os desenvolvedores.
O Python Software Foundation (PSF) foi criada em 2001 para promover, proteger e desenvolver a linguagem de programação Python e sua comunidade.
Por que aprender Python?
Python fornece muitos recursos úteis para o programador. Esses recursos a tornam a linguagem mais popular e amplamente usada. Listamos abaixo alguns recursos essenciais do Python.
- Linguagem Orientada a Objetos : suporta programação orientada a objetos, facilitando a escrita de código reutilizável e modular.
Onde o Python é usado?
Python é uma linguagem de programação popular e de uso geral e é usada em quase todos os campos técnicos. As várias áreas de uso do Python são fornecidas abaixo.
- Inteligência artificial : IA é uma tecnologia emergente e Python é uma linguagem perfeita para inteligência artificial e aprendizado de máquina devido à disponibilidade de bibliotecas poderosas como TensorFlow, Keras e PyTorch.
- DevOps : Python é amplamente usado em DevOps para automação e scripts de gerenciamento de infraestrutura, gerenciamento de configuração e processos de implantação.
- solicitações de : uma biblioteca para fazer solicitações HTTP
- SQLAlquimia : uma biblioteca para trabalhar com bancos de dados SQL
- Desesperado : uma estrutura para construir aplicativos multitoque
- Pygame : uma biblioteca para desenvolvimento de jogos
- Estrutura REST : um kit de ferramentas para construir APIs RESTful
- API rápida : uma estrutura web moderna e rápida para construção de APIs
- Streamlit : uma biblioteca para construção de aplicativos web interativos para aprendizado de máquina e ciência de dados
- NLTK : uma biblioteca para processamento de linguagem natural
Python possui uma ampla variedade de bibliotecas e estruturas amplamente utilizadas em vários campos, como aprendizado de máquina, inteligência artificial, aplicativos da web, etc. Definimos algumas estruturas e bibliotecas populares de Python como segue.
Função Python print()
A função Python print() é usada para exibir a saída para o console ou terminal. Ele nos permite exibir texto, variáveis e outros dados em um formato legível por humanos.
Sintaxe:
print(objeto(s), sep=separador, fim=fim, arquivo=arquivo, flush=flush)
Leva um ou mais argumentos separados por vírgula (,) e adiciona uma 'nova linha' no final por padrão.
Parâmetros:
- objeto(s) - Quantos dados você quiser exibir, primeiro serão convertidos em string e impressos no console.
- sep - Separa os objetos por um separador passado, valor padrão = ' '.
- end - Termina uma linha com um caractere de nova linha
- arquivo - um objeto de arquivo com método de gravação, valor padrão = sys.stdout
Exemplo:
# 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)) Saída:
Hello, World! Name: Aman Age: 21 X = 5 y = 7 Sum = 12 Score: 85.75%
Neste exemplo, a instrução print é usada para imprimir valores de string, inteiros e flutuantes em um formato legível por humanos.
A instrução print pode ser usada para depuração, registro e para fornecer informações ao usuário.
Declarações Condicionais Python
As instruções condicionais nos ajudam a executar um bloco específico para uma condição específica. Neste tutorial, aprenderemos como usar expressões condicionais para executar um bloco diferente de instruções. Python fornece palavras-chave if e else para configurar condições lógicas. O Elifa palavra-chave também é usada como uma instrução condicional.
Código de exemplo para instrução 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')
Saída:
x is greater than y
No código acima, temos duas variáveis, xey, com 10 e 5, respectivamente. Em seguida, usamos uma instrução if..else para verificar se x é maior que y ou vice-versa. Se a primeira condição for verdadeira, a afirmação 'x é maior que y' será impressa. Se a primeira condição for falsa, a declaração 'y é maior ou igual a x' será impressa.
A palavra-chave if verifica se a condição é verdadeira e executa o bloco de código dentro dela. O código dentro do bloco else é executado se a condição for falsa. Dessa forma, a instrução if..else nos ajuda a executar diferentes blocos de código com base em uma condição.
Aprenderemos sobre isso com mais detalhes no próximo artigo do tutorial Python.
Loops Python
Às vezes, podemos precisar alterar o fluxo do programa. A execução de um código específico pode precisar ser repetida diversas vezes. Para tanto, as linguagens de programação disponibilizam diversos loops capazes de repetir diversas vezes algum código específico. Considere o tutorial a seguir para entender as declarações em detalhes.
Python para loop
fruits = ['apple', 'banana', 'cherry'] for x in fruits: print(x, end=' ')
Saída:
apple banana cherry
Python enquanto loop
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:> No código de exemplo acima, demonstramos o uso de dois tipos de loops em Python - loop For e loop While.
O loop For é usado para iterar uma sequência de itens, como uma lista, tupla ou string. No exemplo, definimos uma lista de frutas e usamos um loop for para imprimir cada fruta, mas também pode ser usado para imprimir um intervalo de números.
O loop While repete um bloco de código se a condição especificada for verdadeira. No exemplo, inicializamos uma variável i com 1 e usamos um loop while para imprimir o valor de i até que ele se torne maior ou igual a 6. A instrução i += 1 é usada para incrementar o valor de i em cada iteração .
Aprenderemos sobre eles em detalhes no tutorial.
Estruturas de dados Python
Python oferece quatro estruturas de dados integradas: listas , tuplas , conjuntos , e dicionários que nos permitem armazenar dados de forma eficiente. Abaixo estão as estruturas de dados comumente usadas em Python, junto com código de exemplo:
1. Listas
- As listas são coleções ordenadas de elementos de dados de diferentes tipos de dados.
- As listas são mutável o que significa que uma lista pode ser modificada a qualquer momento.
- Os elementos podem ser acessado usando índices .
- Eles são definidos usando colchetes ' [] '.
Exemplo:
# 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)
Saída:
fuirts[1] = banana fruits = ['apple', 'banana', 'cherry', 'orange'] sum_nums = 15
2. Tuplas
- Tuplas também são coleções ordenadas de elementos de dados de diferentes tipos de dados, semelhantes a listas.
- Os elementos podem ser acessado usando índices .
- Tuplas são imutável o que significa que as tuplas não podem ser modificadas depois de criadas.
- Eles são definidos usando colchete aberto ' () '.
Exemplo:
# 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_)
Saída:
(x, y) = 3 4 Tuple = ('apple', 'banana', 'cherry', 'orange')
3 partidas
- Os conjuntos são não ordenado coleções de elementos de dados imutáveis de diferentes tipos de dados.
- Os conjuntos são mutável .
- Os elementos não podem ser acessados usando índices.
- Conjuntos não contém elementos duplicados .
- Eles são definidos usando chaves ' {} '
Exemplo:
# 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) Saída:
set1 = {1, 2, 3, 4} set2 = {'apple', 'cherry', 'orange', 'banana'} 4. Dicionários
- Dicionário são pares de valores-chave que permitem associar valores a chaves exclusivas.
- Eles são definidos usando chaves ' {} 'com pares chave-valor separados por dois pontos ':' .
- Dicionários são mutável .
- Os elementos podem ser acessados usando chaves.
Exemplo:
# Create a dictionary person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} print('person =', person) print(person['name']) # Modify Dictionary person['age'] = 27 print('person =', person) Saída:
person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} Umesh person = {'name': 'Umesh', 'age': 27, 'city': 'Noida'} Estes são apenas alguns exemplos das estruturas de dados integradas do Python. Cada estrutura de dados possui características e casos de uso próprios.
Programação Funcional Python
Esta seção do tutorial Python define algumas ferramentas importantes relacionadas à programação funcional, como lambda e funções recursivas. Essas funções são muito eficientes na realização de tarefas complexas. Definimos algumas funções importantes, como reduzir, mapear e filtrar. Python fornece o módulo functools que inclui várias ferramentas de programação funcional. Visite o tutorial a seguir para aprender mais sobre programação funcional.
Versões recentes do Python introduziram recursos que tornam a programação funcional mais concisa e expressiva. Por exemplo, o 'operador morsa':= permite a atribuição de variáveis embutidas em expressões, o que pode ser útil ao trabalhar com chamadas de função aninhadas ou compreensões de lista.
Função Python
- Função Lambda - Uma função lambda é pequena, função anônima que pode receber qualquer número de argumentos, mas só pode ter uma expressão. As funções Lambda são frequentemente usadas na programação funcional para criar funções “dinamicamente” sem definir uma função nomeada.
- Função Recursiva - Uma função recursiva é uma função que chama a si mesma para resolver um problema. Funções recursivas são frequentemente usadas em programação funcional para realizar cálculos complexos ou para percorrer estruturas de dados complexas.
- Função de mapa - A função map() aplica uma determinada função a cada item de um iterável e retorna um novo iterável com os resultados. O iterável de entrada pode ser uma lista, tupla ou outro.
- Função de filtro - A função filter() retorna um iterador de um iterável para o qual a função passada como primeiro argumento retorna True. Ele filtra os itens de um iterável que não atendem à condição fornecida.
- Reduzir Função - A função reduzir() aplica uma função de dois argumentos cumulativamente aos itens de um iterável da esquerda para a direita para reduzi-lo a um único valor.
- Módulo de funções - O módulo functools em Python fornece funções de ordem superior que operam em outras funções, como parcial() e redução().
- Função Curry - Uma função currying é uma função que recebe vários argumentos e retorna uma sequência de funções, cada uma com um único argumento.
- Função de memorização - Memoização é uma técnica usada na programação funcional para armazenar em cache os resultados de chamadas de funções caras e retornar o resultado armazenado em cache quando as mesmas entradas ocorrerem novamente.
- Função de rosqueamento - Threading é uma técnica usada em programação funcional para executar múltiplas tarefas simultaneamente para tornar o código mais eficiente e rápido.
Módulos Python
Módulos Python são arquivos de programa que contêm código ou funções Python. Python tem dois tipos de módulos – módulos definidos pelo usuário e módulos integrados. Um módulo definido pelo usuário, ou nosso código Python salvo com extensão .py, é tratado como um módulo definido pelo usuário.
Módulos integrados são módulos predefinidos do Python. Para usar a funcionalidade dos módulos, precisamos importá-los para o nosso programa de trabalho atual.
Os módulos Python são essenciais para o ecossistema da linguagem, pois oferecem código reutilizável e funcionalidades que podem ser importadas para qualquer programa Python. Aqui estão alguns exemplos de vários módulos Python, juntamente com uma breve descrição de cada um:
Matemática : dá aos usuários acesso a constantes matemáticas e funções pi e trigonométricas.
Data hora : fornece classes para uma maneira mais simples de manipular datas, horas e períodos.
OS : permite a interação com o sistema operacional base, incluindo administração de processos e atividades do sistema de arquivos.
aleatório : A função random oferece ferramentas para gerar números inteiros aleatórios e escolher itens aleatórios de uma lista.
JSON : JSON é uma estrutura de dados que pode ser codificada e decodificada e é frequentemente usada em APIs online e troca de dados. Este módulo permite lidar com JSON.
Ré : Suporta expressões regulares, uma poderosa ferramenta de pesquisa e manipulação de texto.
Coleções : fornece estruturas de dados alternativas, como dicionários classificados, dicionários padrão e tuplas nomeadas.
NumPy : NumPy é um kit de ferramentas básico para computação científica que oferece suporte a operações numéricas em arrays e matrizes.
Pandas : fornece estruturas e operações de dados de alto nível para lidar com séries temporais e outros tipos de dados estruturados.
solicitações de : oferece uma interface de usuário simples para APIs da web e executa solicitações HTTP.
E/S de arquivo Python
Os arquivos são usados para armazenar dados em um disco de computador. Neste tutorial, explicamos o objeto de arquivo integrado do Python. Podemos abrir um arquivo usando script Python e realizar várias operações, como escrever, ler e anexar. Existem várias maneiras de abrir um arquivo. Somos explicados com o exemplo relevante. Também aprenderemos a realizar operações de leitura/gravação em arquivos binários.
Sistema de entrada/saída (E/S) de arquivos do Python oferece programas para se comunicar com arquivos armazenados em um disco. Os métodos integrados do Python para o objeto arquivo nos permitem realizar ações como ler, escrever e adicionar dados aos arquivos.
O abrir() O método em Python cria um objeto de arquivo ao trabalhar com arquivos. O nome do arquivo a ser aberto e o modo em que o arquivo será aberto são os dois parâmetros exigidos por esta função. O modo pode ser usado de acordo com o trabalho que precisa ser feito com o arquivo, como ' R ' para ler, ' Em 'para escrever, ou' a ' para anexar.
Depois de criar um objeto com sucesso, diferentes métodos podem ser usados de acordo com nosso trabalho. Se quisermos escrever no arquivo, podemos usar as funções write(), e se quisermos ler e escrever ambas, então podemos usar a função append() e, nos casos em que quisermos apenas ler o conteúdo de o arquivo podemos usar a função read(). Arquivos binários contendo dados em formato binário em vez de texto também podem ser trabalhados usando Python. Os arquivos binários são escritos de uma maneira que os humanos não conseguem entender diretamente. O rb e wb modos podem ler e gravar dados binários em arquivos binários.
Exceções Python
Uma exceção pode ser definida como uma condição incomum em um programa que resulta em uma interrupção no fluxo do programa.
Sempre que ocorre uma exceção, o programa interrompe a execução e, portanto, o outro código não é executado. Portanto, uma exceção são os erros de tempo de execução que não conseguem lidar com o script Python. Uma exceção é um objeto Python que representa um erro.
Exceções Python são um aspecto importante do tratamento de erros na programação Python. Quando um programa encontra uma situação ou erro inesperado, ele pode gerar uma exceção, que pode interromper o fluxo normal do programa.
Em Python, as exceções são representadas como objetos contendo informações sobre o erro, incluindo seu tipo e mensagem. O tipo mais comum de exceção em Python é a classe Exception, uma classe base para todas as outras exceções integradas.
Para lidar com exceções em Python, usamos o tentar e exceto declarações. O tentar instrução é usada para incluir o código que pode gerar uma exceção, enquanto a instrução exceto A instrução é usada para definir um bloco de código que deve ser executado quando ocorre uma exceção.
Por exemplo, considere o seguinte código:
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')
Saída:
Enter a number: 0 Error: Division by zero
Neste código, usamos a instrução try para tentar realizar uma operação de divisão. Se qualquer uma dessas operações gerar uma exceção, o bloco except correspondente será executado.
Python também fornece muitas exceções integradas que podem ser levantadas em situações semelhantes. Algumas exceções integradas comuns incluem IndexError, TypeError , e NomeErro . Além disso, podemos definir nossas exceções personalizadas criando uma nova classe que herda da classe Exception.
CSV em Python
CSV significa 'valores separados por vírgula', que é definido como um formato de arquivo simples que usa estruturação específica para organizar dados tabulares. Ele armazena dados tabulares, como planilhas ou bancos de dados, em texto simples e possui um formato comum para intercâmbio de dados. Um arquivo CSV é aberto na planilha do Excel e os dados das linhas e colunas definem o formato padrão.
Podemos usar a função CSV.reader para ler um arquivo CSV. Esta função retorna um objeto leitor que podemos usar para repetir as linhas do arquivo CSV. Cada linha é retornada como uma lista de valores, onde cada valor corresponde a uma coluna no arquivo CSV.
Por exemplo, considere o seguinte código:
import csv with open('data.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)
Aqui, abrimos o arquivo data.csv em modo de leitura e criamos um csv.leitor objeto usando o csv.leitor() função. Em seguida, iteramos as linhas no arquivo CSV usando um loop for e imprimimos cada linha no console.
Podemos usar o CSV.escritor() função para gravar dados em um arquivo CSV. Ele retorna um objeto escritor que podemos usar para gravar linhas no arquivo CSV. Podemos escrever linhas chamando o escritor () método no objeto escritor.
Por exemplo, considere o seguinte código:
o que é a Internet
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)
Neste programa, criamos uma lista de listas chamada dados, onde cada lista interna representa uma linha de dados. Em seguida, abrimos o arquivo data.csv em modo de gravação e criamos um CSV.escritor objeto usando a função CSV.writer. Em seguida, iteramos as linhas dos dados usando um loop for e gravamos cada linha no arquivo CSV usando o método escritor.
Envio de e-mail em Python
Podemos enviar ou ler um e-mail usando o script Python. Os módulos da biblioteca padrão do Python são úteis para lidar com vários protocolos, como PoP3 e IMAP. Python fornece o smtplib módulo para envio de e-mails usando SMTP (Simple Mail Transfer Protocol). Aprenderemos como enviar e-mail com o popular serviço de e-mail SMTP a partir de um script Python.
Métodos mágicos Python
O método mágico Python é o método especial que adiciona 'mágica' a uma classe. Começa e termina com sublinhados duplos, por exemplo, _quente_ ou _str_ .
As classes integradas definem muitos métodos mágicos. O você() A função pode ser usada para ver o número de métodos mágicos herdados por uma classe. Possui dois prefixos e sublinhados de sufixo no nome do método.
- Os métodos mágicos do Python também são conhecidos como métodos dunder , abreviação de métodos 'duplo sublinhado' porque seus nomes começam e terminam com um sublinhado duplo.
- Métodos mágicos são invocados automaticamente pelo interpretador Python em determinadas situações, como quando um objeto é criado, comparado a outro objeto ou impresso.
- Métodos mágicos podem ser usados para personalizar o comportamento das classes, como definir como os objetos são comparados, convertidos em strings ou acessados como contêineres.
- Alguns métodos mágicos comumente usados incluem aquecer para inicializar um objeto, str para converter um objeto em uma string, equação para comparar dois objetos quanto à igualdade, e cronometrado e setitem para acessar itens em um objeto contêiner.
Por exemplo, o str O método mágico pode definir como um objeto deve ser representado como uma string. Aqui está um exemplo
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) Saída:
Vikas (22)
Neste exemplo, o método str é definido para retornar uma representação de string formatada do objeto Person com o nome e a idade da pessoa.
Outro método mágico comumente usado é equação , que define como os objetos devem ser comparados quanto à igualdade. Aqui está um exemplo:
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)
Saída:
False True
Neste exemplo, o equação O método é definido para retornar True se dois objetos Point tiverem as mesmas coordenadas xey e False caso contrário.
Conceitos de Python Ops
Tudo em Python é tratado como um objeto, incluindo valores inteiros, flutuantes, funções, classes e nenhum. Além disso, Python suporta todos os conceitos orientados. Abaixo está uma breve introdução aos conceitos Oops do Python.
- Classes e objetos - As classes Python são os projetos do Objeto. Um objeto é uma coleção de dados e métodos que atuam nos dados.
- Herança - Uma herança é uma técnica em que uma classe herda as propriedades de outras classes.
- Construtor - Python fornece um método especial __init__() que é conhecido como construtor. Este método é chamado automaticamente quando um objeto é instanciado.
- Polimorfismo - Polimorfismo é um conceito onde um objeto pode assumir várias formas. Em Python, o polimorfismo pode ser alcançado por meio de sobrecarga e substituição de métodos.
- Substituição de método - Substituição de método é um conceito onde uma subclasse implementa um método já definido em sua superclasse.
- Encapsulamento - Encapsulamento envolve dados e métodos em uma única unidade. Em Python, o encapsulamento é obtido por meio de modificadores de acesso, como público, privado e protegido. No entanto, o Python não impõe modificadores de acesso estritamente e a convenção de nomenclatura indica o nível de acesso.
- Abstração de dados : Uma técnica para ocultar a complexidade dos dados e mostrar apenas recursos essenciais ao usuário. Ele fornece uma interface para interagir com os dados. A abstração de dados reduz a complexidade e torna o código mais modular, permitindo que os desenvolvedores se concentrem nos recursos essenciais do programa.
Para ler o conceito Oops em detalhes, visite os seguintes recursos.
- Conceitos de Python Oops - Em Python, o paradigma orientado a objetos é projetar o programa usando classes e objetos. O objeto está relacionado a entidades de palavras reais, como livro, casa, lápis, etc. e a classe define suas propriedades e comportamentos.
- Objetos e classes Python - Em Python, objetos são instâncias de classes e classes são projetos que definem a estrutura e o comportamento dos dados.
- Construtor Python - Um construtor é um método especial em uma classe usado para inicializar os atributos do objeto quando o objeto é criado.
- Herança Python - Herança é um mecanismo no qual uma nova classe (subclasse ou classe filha) herda as propriedades e comportamentos de uma classe existente (superclasse ou classe pai).
- Polimorfismo Python - O polimorfismo permite que objetos de diferentes classes sejam tratados como objetos de uma superclasse comum, permitindo que diferentes classes sejam usadas de forma intercambiável por meio de uma interface comum.
Tópicos avançados de Python
Python inclui muitos avanços e conceitos úteis que ajudam o programador a resolver tarefas complexas. Esses conceitos são fornecidos a seguir.
Iterador Python
Um iterador é simplesmente um objeto que pode ser iterado. Ele retorna um objeto por vez. Pode ser implementado usando dois métodos especiais, __iter__() e a seguir__().
Iteradores em Python são objetos que permitem a iteração em uma coleção de dados. Eles processam cada elemento da coleção individualmente sem carregar a coleção inteira na memória.
Por exemplo, vamos criar um iterador que retorne os quadrados dos números até um determinado limite:
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></=> Neste exemplo, criamos uma classe Squares que atua como um iterador implementando os métodos __iter__() e __next__(). O método __iter__() retorna o próprio objeto, e o método __next__() retorna o próximo quadrado do número até que o limite seja atingido.
Para saber mais sobre os iteradores, visite nosso tutorial sobre iteradores Python.
Geradores Python
Geradores Python produzir uma sequência de valores usando uma declaração de rendimento em vez de um retorno, pois são funções que retornam iteradores. Os geradores encerram a execução da função enquanto mantêm o estado local. Ele continua exatamente de onde parou quando é reiniciado. Como não precisamos implementar o protocolo do iterador graças a esse recurso, escrever iteradores fica mais simples. Aqui está uma ilustração de uma função geradora simples que produz quadrados de números:
# 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)
Saída:
0 1 4 9 16
Modificadores Python
Decoradores Python são funções usadas para modificar o comportamento de outra função. Eles permitem adicionar funcionalidade a uma função existente sem modificar seu código diretamente. Decoradores são definidos usando o @ símbolo seguido pelo nome da função decoradora. Eles podem ser usados para registro, cronometragem, armazenamento em cache, etc.
Aqui está um exemplo de função decoradora que adiciona funcionalidade de temporização a outra função:
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) Saída:
No exemplo acima, a função decoradora time_it recebe outra função como argumento e retorna uma função wrapper. A função wrapper calcula o tempo para executar a função original e o imprime no console. O decorador @time_it é usado para aplicar a função time_it à função my_function. Quando my_function é chamado, o decorador é executado e a funcionalidade de temporização é adicionada.
Python MySQL
Python MySQL é um poderoso sistema de gerenciamento de banco de dados relacional. Devemos configurar o ambiente e estabelecer uma conexão para usar MySQL com Python. Podemos criar um novo banco de dados e tabelas usando comandos SQL em Python.
- Configuração do ambiente : Instalando e configurando MySQL Connector/Python para usar Python com MySQL.
- Conexão de banco de dados : Estabelecendo uma conexão entre o banco de dados Python e MySQL usando MySQL Connector/Python.
- Criando novo banco de dados : Criando um novo banco de dados em MySQL usando Python.
- Criando Tabelas : Criando tabelas no banco de dados MySQL com Python usando comandos SQL.
- Inserir operação : insira dados em tabelas MySQL usando comandos Python e SQL.
- Operação de leitura : Lendo dados de tabelas MySQL usando comandos Python e SQL.
- Operação de atualização : Atualização de dados em tabelas MySQL usando comandos Python e SQL.
- Junte-se à operação : Unir duas ou mais tabelas no MySQL usando comandos Python e SQL.
- Realizando transações : Executando um grupo de consultas SQL como uma única unidade de trabalho no MySQL usando Python.
Outros pontos relativos incluem tratamento de erros, criação de índices e uso de procedimentos e funções armazenados em MySQL com Python.
Python MongoDB
Python MongoDB é um banco de dados NoSQL popular que armazena dados em documentos semelhantes a JSON. Não tem esquema e oferece alta escalabilidade e flexibilidade para armazenamento de dados. Podemos usar MongoDB com Python usando a biblioteca PyMongo, que fornece uma interface simples e intuitiva para interagir com MongoDB.
Aqui estão algumas tarefas comuns ao trabalhar com MongoDB em Python:
- Configuração do ambiente : Instale e configure a biblioteca MongoDB e PyMongo em seu sistema.
- Conexão de banco de dados : Conecte-se a um servidor MongoDB usando a classe MongoClient do PyMongo.
- Criando um novo banco de dados : Use o objeto MongoClient para criar um novo banco de dados.
- Criando coleções : crie coleções em um banco de dados para armazenar documentos.
- Inserindo documentos : insira novos documentos em uma coleção usando os métodos insert_one() ou insert_many().
- Consultando documentos : recupere documentos de uma coleção usando vários métodos de consulta como find_one(), find(), etc.
- Atualizando documentos : modifique documentos existentes em uma coleção usando os métodos update_one() ou update_many().
- Excluindo documentos : remova documentos de uma coleção usando os métodos delete_one() ou delete_many().
- Agregação : execute operações de agregação como agrupamento, contagem, etc., usando a estrutura de pipeline de agregação.
Existem muitos tópicos mais avançados no MongoDB, como fragmentação de dados, replicação e muito mais, mas essas tarefas cobrem os fundamentos do trabalho com MongoDB em Python.
SQLite Python
Os bancos de dados relacionais são construídos e mantidos usando Python SQLite, um mecanismo de banco de dados compacto, sem servidor e independente. Sua mobilidade e simplicidade fazem dele uma opção popular para aplicações locais ou de pequena escala. Python possui um módulo integrado para conexão com bancos de dados SQLite chamado SQLite3, permitindo que os desenvolvedores trabalhem com bancos de dados SQLite sem dificuldades.
Vários métodos API estão disponíveis através da biblioteca SQLite3 que podem ser usados para executar consultas SQL, inserir, selecionar, atualizar e remover dados, bem como obter dados de tabelas. Além disso, permite transações, permitindo aos programadores desfazer alterações em caso de problema. Python SQLite é uma opção fantástica para criar programas que precisam de um sistema de banco de dados incorporado, incluindo programas para desktop, dispositivos móveis e web de tamanho modesto. SQLite se tornou popular entre os desenvolvedores por aplicativos leves com funcionalidade de banco de dados graças à sua facilidade de uso, portabilidade e conexão suave com Python.
CGI em Python
CGI em Python é uma tecnologia para executar scripts através de servidores web para produzir conteúdo online dinâmico. Oferece um canal de comunicação e uma interface dinâmica de geração de conteúdo para scripts CGI externos e servidor web. Os scripts Python CGI podem criar páginas da web HTML, manipular entradas de formulários e comunicar-se com bancos de dados. Python CGI permite que o servidor execute scripts Python e forneça os resultados ao cliente, oferecendo uma abordagem rápida e eficaz para a criação de aplicativos online dinâmicos.
Os scripts Python CGI podem ser usados para muitas coisas, incluindo a criação de páginas web dinâmicas, processamento de formulários e interação com bancos de dados. Como o Python, uma linguagem de programação potente e popular, pode ser utilizado para criar scripts, ele permite uma abordagem mais personalizada e flexível para a criação da web. Aplicativos online escaláveis, seguros e de fácil manutenção podem ser criados com Python CGI. Python CGI é uma ferramenta útil para desenvolvedores web que criam aplicativos online dinâmicos e interativos.
Programação Assíncrona em Python
Programação assíncrona é um paradigma para programação de computadores que permite a operação independente e simultânea de atividades. É frequentemente usado em aplicações como servidores web, software de banco de dados e programação de rede, onde diversas tarefas ou solicitações devem ser tratadas simultaneamente.
Python possui asyncio, Twisted e Tornado entre suas bibliotecas e frameworks para programação assíncrona. Asyncio, uma delas, oferece uma interface simples para programação assíncrona e é a biblioteca oficial de programação assíncrona em Python.
Corrotinas são funções que podem ser interrompidas e reiniciadas em locais específicos do código e são utilizadas por asyncio. Isso permite que várias corrotinas operem simultaneamente sem interferir umas nas outras. Para construir e manter corrotinas, a biblioteca oferece diversas classes e métodos, incluindo assíncio.gather(), assíncio.wait(), e assíncio.create_task().
Os loops de eventos, responsáveis pelo planejamento e operação das corrotinas, são outra característica do assíncio. Ao alternar entre as corrotinas sem bloqueio, o loop de eventos controla a execução das corrotinas e garante que nenhuma corrotina bloqueie outra. Além disso, ele oferece suporte a cronômetros e agendamento de retornos de chamada, o que pode ser útil quando as atividades precisam ser concluídas em horários ou intervalos especificados.
Simultaneidade Python
O termo ' simultaneidade 'descreve a capacidade de um programa de realizar várias tarefas ao mesmo tempo, aumentando a eficiência do programa. Python oferece vários módulos e métodos relacionados à simultaneidade, incluindo programação assíncrona, multiprocessamento e multithreading. Enquanto o multiprocessamento envolve a execução de muitos processos simultaneamente em um sistema, o multithreading envolve a execução de vários threads simultaneamente dentro de um único processo.
O módulo de rosqueamento em Python permite que os programadores criem multithreading. Oferece classes e operações para estabelecer e controlar threads. Por outro lado, o módulo de multiprocessamento permite aos desenvolvedores projetar e controlar processos. O módulo asyncio do Python fornece suporte à programação assíncrona, permitindo que os desenvolvedores escrevam código sem bloqueio que pode lidar com várias tarefas simultaneamente. Usando essas técnicas, os desenvolvedores podem escrever programas escaláveis e de alto desempenho que podem lidar com múltiplas tarefas simultaneamente.
O módulo de threading do Python permite a execução simultânea de vários threads em um único processo, o que é útil para atividades vinculadas a E/S.
Para operações com uso intensivo de CPU, como processamento de imagens ou análise de dados, os módulos de multiprocessamento possibilitam a execução simultânea de vários processos em vários núcleos de CPU.
O módulo asyncio suporta E/S assíncrona e permite a criação de código simultâneo de thread único usando corrotinas para aplicativos de rede de alta simultaneidade.
Com bibliotecas como Dask, PySpark , e MPI, Python também pode ser usado para computação paralela. Essas bibliotecas permitem que as cargas de trabalho sejam distribuídas em vários nós ou clusters para melhor desempenho.
Scrapping da Web usando Python
O processo de web scraping é usado para recuperar dados de sites automaticamente. Várias ferramentas e bibliotecas extraem dados de HTML e outros formatos online. Python está entre as linguagens de programação mais usadas para web scraping devido à sua facilidade de uso, adaptabilidade e variedade de bibliotecas.
Devemos seguir alguns passos para realizar web scraping usando Python. Devemos primeiro decidir qual site copiar e quais informações coletar. Então, podemos enviar uma solicitação ao site e receber o conteúdo HTML usando o pacote requests do Python. Assim que tivermos o texto HTML, podemos extrair os dados necessários usando uma variedade de pacotes de análise, como Linda sopa e lxml .
Podemos empregar diversas estratégias, como desacelerar solicitações, empregar agentes de usuário e usar proxies, para evitar sobrecarregar o servidor do site. Também é fundamental cumprir os termos de serviço do site e respeitar seu arquivo robots.txt.
Mineração de dados, criação de leads, rastreamento de preços e muitos outros usos são possíveis para web scraping. No entanto, como o web scraping não autorizado pode ser ilegal e antiético, é essencial utilizá-lo de forma profissional e ética.
Processamento de linguagem natural (PNL) usando Python
Um ramo da inteligência artificial (IA) denominado 'processamento de linguagem natural' (PNL) estuda como os computadores e a linguagem humana interagem. Graças à PNL, os computadores agora podem compreender, interpretar e produzir a linguagem humana. Devido à sua simplicidade, versatilidade e bibliotecas fortes como NLTK (Natural Language Toolkit) e spaCy, Python é uma linguagem de programação bem conhecida para PNL.
Para tarefas de PNL, incluindo tokenização, lematização, lematização, marcação de classe gramatical, identificação de entidade nomeada, análise de sentimento e outras, o NLTK fornece uma biblioteca completa. Possui uma variedade de corpora (grandes coleções de textos organizadas) para desenvolver e avaliar modelos de PNL. Outra biblioteca popular para tarefas de PNL é spaCy, que oferece processamento rápido e eficaz de enormes quantidades de texto. Ele permite modificação e expansão simples e vem com modelos pré-treinados para várias cargas de trabalho de PNL.
A PNL pode ser usada em Python para vários fins práticos, incluindo chatbots, análise de sentimentos, categorização de texto, tradução automática e muito mais. A PNL é usada, por exemplo, por chatbots para compreender e responder às perguntas dos usuários em um estilo de linguagem natural. A análise de sentimento, que pode ser útil para monitoramento de marca, análise de feedback de clientes e outros fins, emprega PNL para categorizar o sentimento do texto (positivo, negativo ou neutro). Os documentos de texto são categorizados usando processamento de linguagem natural (PNL) em categorias pré-estabelecidas para detecção de spam, categorização de notícias e outros fins.
Python é uma ferramenta forte e útil para analisar e processar a linguagem humana. Os desenvolvedores podem realizar várias atividades de PNL e criar aplicativos úteis que podem se comunicar com os consumidores em linguagem natural com bibliotecas como NLTK e spaCy.
Conclusão:
Neste tutorial, vimos alguns dos recursos e ideias mais importantes do Python, incluindo variáveis, tipos de dados, loops, funções, módulos e muito mais. Assuntos mais complexos, incluindo web scraping, processamento de linguagem natural, paralelismo e conexão de banco de dados, também foram discutidos. Você terá uma base sólida para continuar aprendendo sobre Python e seus aplicativos usando as informações aprendidas nesta lição.
conjunto js
Lembre-se de que praticar e desenvolver código é o melhor método para aprender Python. Você pode encontrar muitos recursos em javaTpoint para apoiar seu aprendizado adicional, incluindo documentação, tutoriais, grupos online e muito mais. Você pode dominar o Python e usá-lo para criar coisas maravilhosas se trabalhar duro e persistir.
Pré-requisito
Antes de aprender Python, você deve ter conhecimentos básicos de conceitos de programação.
Público
Nosso tutorial Python foi desenvolvido para ajudar iniciantes e profissionais.
Problema
Garantimos que você não encontrará nenhum problema neste tutorial Python. Mas se houver algum erro, poste o problema no formulário de contato.