Python er et af de mest elskede programmeringssprog.
Og hvorfor ikke, du kan bygge fra simple vedligeholdelsesscripts til komplekse maskinlæringsapplikationer. Der er mange fede ting, du kan lave med Python, som du vil elske at lære.
Indholdsfortegnelse
Introduktion
Python er et meget populært sprog blandt udviklere. Det er nemt og sjovt at skrive scripts for at automatisere og bygge ting.
Nogle af de almindelige anvendelsestilfælde er:
- Oprettelse af bots
- Skrabning af hjemmesider
- Maskinlæring, datavisualisering og analyse
- Webudvikling med rammer som f.eks Django og Kolbe
- Spiludvikling med Pygame
- Mobile apps med rammer som f.eks Kivy
I denne artikel vil jeg forsøge at dække flere domæner med eksempler og vise dig nogle af de sjove ting, du kan lave med Python. Hvis du ikke kender python, vil jeg anbefale læring det!
Lad os komme igang!
Til webudvikling
Python har meget god support til webudvikling med dets rammer som Django, Flask og andre. Det kan bruges til at bygge server-side webapplikationer og kan integreres med enhver frontend. Generelt bruger udviklere JavaScript i frontend og python til at understøtte server-side operationer. Python bruges ikke direkte i browsere.
Django er en af de mest populære web-frameworks i python. Disse rammer giver en pakke, hvor du har en defineret struktur, understøtter databaseinteraktioner med lethed; alt dette er sat op med en minimal opsætningskommando. Hvis du vil have noget minimalt til at starte med – vil jeg anbefale Flask!
Ud over disse har Python et stort antal biblioteker til webudvikling. Nogle populære er –
Nogle ressourcer til at komme i gang med webudvikling i Python –
Eksempel – Adgang til computerens filsystem fra mobil
Du kan få adgang til dit filsystem ved at køre en filserver på din maskine. Gå til den ønskede mappe, som du vil have adgang til, og kør følgende kommando –
# python version >= 3.X python3 -m http.server # If Python version >= 2.X and < 3.X python -m SimpleHTTPServer #default port: 8000
Dette starter en filserver, der kan tilgås på det samme netværk. For at få adgang til dine filer på mobilen skal du blot oprette forbindelse til det samme netværk (wifi eller bruge telefonens hotspot på en bærbar computer). Åbn nu i din telefonbrowser –
Tjek din IP ved at køre – ifconfig. Tjek din lokale IP (bør starte med 192.168…)
Antag, at din IP er – 192.168.43.155, og du bruger standardporten. Så skal du åbne –
192.168.43.155:8000 på mobil. Du vil se den aktuelle mappe 🙂
Automatisering og scripting
Hvis du er ingeniør, vil du sandsynligvis være doven og vil automatisere næsten alt, hvad du kan, ikke?
Ingen bekymringer, python dækkede dig. Der er et væld af ting, som du kan automatisere med så lidt som 4-5 linjer kode. Fra at indstille cron-job og påmindelser til at downloade dine yndlings-youtube-videoer, du kan gøre det hele med et par linjer i python.
Nogle fantastiske scripts og pakker, du kan begynde at bruge –
Eksempel – Konverter CSV til JSON
Du kan konvertere CSV-filen til JSON med kun 1 kommando i python!
Prøv det nu –
python -c "import csv,json;print json.dumps(list(csv.reader(open('your_csv_file.csv'))))"
Erstat med dit filnavn.csv, og du vil få et JSON-output!
Nemt, ikke?
Bygningsspil
Python understøtter udvikling af spil. Dens Pygame biblioteket er meget nyttigt. Det understøtter kunst, musik, lyd, video og multimedieprojekter, der skal bygges med det. Du kan endda lave spil på tværs af platforme ved hjælp af Kivysom kører på Windows, Mac, Linux, Android og iOS.
Ressourcer til at lære
Eksempel – Hangman in Terminal
Her er et simpelt python-program, som lader dig spille hangman-spil i terminalen. Kode kan forkortes meget, og det vil jeg overlade som en øvelse til dig!
# hangman.py
#importing the time module
import time
import random
turns = 10
print "Hello, Let's play hangman! You will have " + str(turns) + " turns!"
print ""
# delay
time.sleep(0.5)
# set of words to guess from
wordList = ["geekflare", "awesome", "python", "magic"]
word = random.choice(wordList)
guesses=""
# loop till no turns are remaining
while turns > 0:
wrong = 0
for char in word:
if char in guesses:
print char,
else:
print "_",
wrong += 1
print("n")
if wrong == 0:
print "You won :)"
break
print
guess=""
if len(guess) < 1:
guess = raw_input("Guess a character or enter the correct word: ")[0]
guesses += guess
if guess not in word:
turns -= 1
print "Wrong"
print "You have", + turns, ' turns left!'
if turns == 0:
print "You Lose :("
Outputtet ville se noget ud som –
Web skrabning
Du ser en masse data hver dag på tværs af flere websteder. Tænk, hvor fedt det ville være, hvis du nemt kan få adgang til disse data; det er, hvad web-skrabning er, og python gør det endnu nemmere med sin fantastiske support og biblioteker. Data på nettet er ustruktureret, og python giver en nem måde at parse og forbruge disse data og endda foretage yderligere analyser og operationer.
Nogle populære skrabebiblioteker er:
Lad mig vise dig et eksempel på, hvordan du kan skrabe valutaværdier fra et websted – x-rates.com
Eksempel – Få valutaværdi sammenlignet med USD
Lad os bruge scraping i python til at hente valutaværdier –
import requests
from bs4 import BeautifulSoup
URL = "https://www.x-rates.com/table/?from=USD&amount=1"
r = requests.get(URL)
soup = BeautifulSoup(r.content, 'html.parser')
ratelist = soup.findAll("table", {"class": "ratesTable"})[0].findAll("tbody")
for tableVal in ratelist:
trList = tableVal.findAll('tr')
for trVal in trList[:6]:
print(trVal.text)
Dette returnerer, hvor meget 1 USD svarer til i andre valutaer.
Datavidenskab og maskinlæring
DS og ML er de mest trendy emner i disse dage. Disse teknologier er fremtiden for datalogi.
Python er velegnet til datamanipulation, analyse og implementering af komplekse algoritmer. Dataparsing og visualisering er normalt simple funktioner eller et par linjer kode med python-biblioteker som NumPy, scipy, scikit-learn osv.
Python kan bruges i dataintensive og maskinlæringsapplikationer ved hjælp af en masse populære biblioteker som –
Der er en masse deep learning-værktøjer, der understøtter python. Nogle populære biblioteker og rammer er –
En af de andre grunde til, at python bruges, er, at selv komplekse maskinlæringsmodeller kan opnås med 20-40 linjer kode. Kontrollere denne tutorial om hvor nemt visualiseringer kan udføres i python.
Konklusion
Selvstudiet diskuterede forskellige domæner, hvor python kan bruges. Her præsenterer jeg et par af de seje og enkle eksempler til formålet med demonstrationen, men der er mange flere fantastiske applikationer og værktøjer, du kan bygge med Python. Jeg håber du har lært noget nyt!
Fortsæt med at udforske. Fortsæt med at lære!