Biblioteker og moduler gør livet for en programmør glat.
Når du arbejder med projekter, kan du støde på scenarier, hvor du ikke vil være i stand til at løse med standardkodningen af et programmeringssprog. Vi har brug for nogle biblioteker og moduler for at overvinde disse problemer.
Heldigvis understøtter Python et væld af moduler og biblioteker. Python har indbyggede moduler samt tredjepartsbiblioteker og moduler til udviklingen. Vi vil se både integrerede og tredjepartsmoduler, som er meget gavnlige for Python-projekter. Lad os først udforske de indbyggede moduler.
Indholdsfortegnelse
# Indbyggede moduler
Python kommer med masser af indbyggede moduler til forskellige anvendelsestilfælde. Vi vil studere modulerne et efter et efter brugen.
Samlinger – Containerdatatyper
Python har forskellige typer samlinger til at gemme indsamlingen af data. For eksempel er tuple, list, dict osv.. nogle af de indbyggede samlinger af Python. Samlingsmodulet giver yderligere funktioner til de indbyggede samlinger.
Hvis du tager deque-dataindsamling fra samlingsmodulet, ligner det mere en Python-liste. Men vi kan skubbe og poppe elementerne fra begge sider. Det er hurtigere end listen. Du kan bruge deque baseret på dine behov. Lad os se noget ægte kodning med collections.deque dataindsamling.
import collections nums = [1, 2, 3] # creating deque collection from the list deque = collections.deque(nums) print(deque) # adding an element at the end deque.append(4) print(deque) # adding element at the starting deque.appendleft(0) print(deque) # removing the element at the end deque.pop() print(deque) # removing element at the starting deque.popleft() print(deque)
Kør ovenstående kode; se resultaterne. Vi har også andre dataindsamlinger i indsamlingsmodulet.
Nogle af dem er:
Tæller
Returnerer en diktat, som indeholder frekvensen af elementer fra listen.
Det er en underklasse af dict-klassen.
Brugerliste
Bruges til en hurtig underklasse af listen.
UserDict
Bruges til en hurtig underklasse af diktatet.
Brugerstreng
Bruges til en hurtig underklasse af str.
Gå til dokumentationen for samlinger modul for at udforske alle dataindsamlinger og metoder.
Hurtig note: – Brug den indbyggede dir(objekt) metode i Python for at se alle metoderne for et objekt.
CSV – filhåndtering
Vi kan bruge CSV-filerne (kommaseparerede værdier) til at gemme tabeldataene. Det mest almindeligt anvendte format til import og eksport af data fra regneark og databaser. Python kommer med et modul kaldet CSV til at håndtere CSV-filerne.
Lad os se et eksempel på læsning af data fra en CSV-fil.
Opret en fil med navnet sample.csv på din bærbare computer, og indsæt følgende data.
Name,Age,Graduation Year Hafeez,21,2021 Aslan,23,2019 Rambabu,21,2021
Vi har metoder til at læse og skrive i CSV-modulet. Vi vil se, hvordan du læser dataene fra CSV-filerne ved hjælp af CSV-modulet.
import csv with open('sample.csv') as file: # creating the reader reader = csv.reader(file) # reading line by line using loop for row in reader: # row is a list containing elements from the CSV file # joingin the list using join(list) method print(','.join(row))
Kør ovenstående kode for at se resultaterne.
Vi vil også have et objekt kaldet csv.writer() til at skrive dataene ind i CSV-filen. Spil med de andre metoder på egen hånd ved at bruge de indbyggede dir() og help() metoder. Vi har et andet modul kaldet JSON, som bruges til at håndtere JSON-filerne. Det er også et indbygget modul.
Tilfældig – generation
Python har et modul kaldet tilfældigt, der gør det muligt at generere data tilfældigt. Vi kan producere hvad som helst tilfældigt ved at bruge forskellige måder af det tilfældige modul. Du kan bruge dette modul i applikationer som tic-tac-toe, et terningespil osv..,
Lad os se et simpelt program til at generere tilfældige heltal fra et givet område.
import random # generating a random number from the range 1-100 print(random.randint(1, 100))
Du kontrollerer de andre metoder i det tilfældige modul ved at bruge dir() og help() metoder. Lad os skrive et lille og simpelt spil ved hjælp af det tilfældige modul. Vi kan kalde det et talgættespil.
Hvad er talgættespillet?
Programmet vil generere et tilfældigt tal i intervallet 1 – 100. Brugeren vil gætte tallet, indtil det matcher det tilfældige tal genereret af programmet. Hver gang vil du udskrive, om brugertallet er mindre end det tilfældige tal eller højere end det tilfældige tal. Derefter vil kildekoden vise antallet af gæt.
Se nedenstående kode for ovenstående program.
# importing random module import random # generating random number random_number = random.randint(1, 100) # initializing no. of guess to 0 guess_count = 0 # running loop until user guess the random number while True: # getting user input user_guessed_number = int(input("Enter a number in the range of 1-100:- ")) # checking for the equality if user_guessed_number == random_number: print(f"You have guessed the number in {guess_count} guesses") # breaking the loop break elif user_guessed_number < random_number: print("Your number is low") elif user_guessed_number > random_number: print("Your number is high") # incrementing the guess count guess_count += 1
Tkinter – GUI-applikationer
Tkinter er et indbygget modul til udvikling af GUI (Graphical User Interface) applikationer. Det er praktisk for begyndere. Vi kan udvikle GUI-applikationer som lommeregner, login-system, teksteditor osv.. Der er mange ressourcer derude til at lære GUI-udviklingen med Tkinter.
Den bedste støtte er at følge embedsmanden dokumenter. For at komme i gang med Tkinter skal du gå til dokumenterne og begynde at skabe smukke GUI-applikationer.
# Tredjepartsmoduler
Anmodninger – HTTP-anmodninger
Requests-modulet bruges til at sende alle slags HTTP-anmodninger til serveren. Det tillader HTTP/1.1-anmodninger at sende. Vi kan også tilføje overskrifter, data og andre ting ved hjælp af Python-ordbøger. Da det er et tredjepartsmodul, skal vi installere det. Kør følgende kommando i terminalen eller kommandolinjen for at installere anmodningsmodulet.
pip install requests
Det er ligetil at arbejde med anmodningsmodulet. Vi kan begynde at arbejde med anmodningerne uden forudgående viden. Lad os se, hvordan du sender en get-anmodning, og hvad den returnerer.
import requests # sening a get request request = requests.get("https://www.google.com/") # print(request.status_code) print(request.url) print(request.request)
Ovenstående kode vil udskrive status_code, URL og anmodningsmetode (GET, POST). Du får også kilden til URL’en. Du kan få adgang til det med request.content bytes. Gå til dokumenter af anmodningsmodulet og udforsk mere.
BeautifulSoup4 – webskrabning
BeautifulSoup-biblioteket bruges til web-skrabning. Det er et praktisk modul at arbejde med. Selv begyndere kan begynde at arbejde med det ved hjælp af dokumenter. Se eksempelkoden for at slette kunderapportdetaljerne.
Du kan installere BeautifulSoup ved at skrive følgende kommando i terminalen/kommandolinjen.
pip install beautifulsoup4
Og et simpelt program til din første skrabning.
## Scrping the ConsumerReport products list using BeautifulSoup ## importing bs4, requests modules import bs4 import requests ## initializing url url = "https://www.consumerreports.org/cro/a-to-z-index/products/index.htm" ## getting the reponse from the page using get method of requests module page = requests.get(url) ## storing the content of the page in a variable html = page.content ## creating BeautifulSoup object soup = bs4.BeautifulSoup(html, "lxml") ## see the class or id of the tag which contains names ans links div_class = "crux-body-copy" ## getting all the divs using find_all method div_tags = soup.find_all("div", class_=div_class) ## finding divs whichs has mentioned class ## we will see all the tags with a tags which has name and link inside the div for tag in div_tags: print(tag)
Kør ovenstående kode for at se magien ved webskrabning. Der er flere web-skrabe rammer derude, som du kan prøve.
# Datavidenskab og maskinlæring
Der er nogle biblioteker derude, der er specielt oprettet til datavidenskab og maskinlæring. Alle disse er udviklet i C. De er lynhurtige.
Numpy
Numpy bruges til videnskabelig beregning.
Det giver os mulighed for at arbejde med multidimensionelle arrays. Arrays-implementering er der ikke i Python. Hovedsageligt bruger udviklerne numpy i deres maskinlæringsprojekter. Det er nemt at lære og et open source-bibliotek. Næsten alle maskinlæringsingeniører eller dataforskere bruger dette modul til komplekse matematiske beregninger.
Kør følgende kommando for at installere numpy-modulet.
pip install numpy
Pandaer
Pandaer er et dataanalysemodul. Vi kan filtrere dataene mest effektivt ved hjælp af pandas-biblioteket. Det tilbyder forskellige typer datastrukturer, der er praktiske at arbejde. Det giver også filhåndtering med forskellige filformater.
Installer modulet ved hjælp af følgende kommando.
pip install pandas
Matplotlib
Matplotlib er et 2D-grafplotningsbibliotek. Du kan visualisere dataene ved hjælp af Matplotlib.
Vi kan generere billeder af figurerne i forskellige formater. Vi plotter forskellige typer diagrammer som søjlediagrammer, fejldiagrammer, histogrammer, scatterplots osv.. Du kan installere matplotlib ved at bruge følgende kommando.
pip install matplotlib
Hurtig note: – Du kan installere Anaconda for at få alle de biblioteker og moduler, der kræves til Data Science.
Hvis du er seriøs med at lære Python til datavidenskab og ML, så tjek denne geniale Udemy kursus.
# Webrammer
Vi kan finde mange web-frameworks i Python. Vi vil diskutere to rammer, der er meget brugt af udviklerne. De to rammer er Django og Flask.
Django
Django er en open source webramme udviklet i Python. Det er praktisk at oprette hjemmesider med Django. Vi kan generere enhver form for websteder ved hjælp af denne ramme. Nogle af de mest populære websteder bygget med Django er Instagram, bitbucket, Disqus, Mozilla Firefox osv..,
- Vi kan hurtigt bygge komplekse hjemmesider med funktionerne i Django.
- Django udfører allerede mange af de opgaver, der kræves til webudvikling.
- Det giver også sikkerhed for angrebene SQL Injection, cross-site scripting, cross-site request forfalskning og clickjacking.
- Vi kan bygge enhver hjemmeside fra indholdsstyringssystemet til sociale sider.
Dokumentationen af Django er utvetydig. Du skal være bekendt med Python til Django. Men bare rolig, hvis du ikke er det. At lære Django det er nemt.
Kolbe
Flask er en mikrowebramme udviklet i Python.
Den er mere pytonisk end Django. Det har fremragende dokumentation her. Den bruger Jinja-skabelonmotoren. Det er meget komplekst at lave store hjemmesider Flask. De fleste funktioner som URL-routing, Forespørgsel afsendelse, Secure cookies, Sessioner osv.. er til stede i både Django og Flask.
Vælg rammen ud fra kompleksiteten af din hjemmeside. Django vinder popularitet blandt udviklere. Det er den mest brugte ramme til webudvikling i Python.
Konklusion
Jeg håber, du fik at vide om forskellige moduler, biblioteker og rammer til Python.
Alle en gang nybegyndere.
Uanset hvad du vil starte, skal du først gå til dokumentationen og begynde at lære den. Hvis du ikke kan forstå dokumenterne, så find lynkurser på pædagogiske hjemmesider.