Pitón es un lenguaje de programación ampliamente utilizado que ofrece varias características y ventajas únicas en comparación con lenguajes como Java y C++. Nuestro tutorial de Python explica detalladamente los conceptos básicos y avanzados de Python, comenzando con la instalación. declaraciones condicionales , bucles, estructuras de datos integradas, programación orientada a objetos, generadores, manejo de excepciones, Python RegEx y muchos otros conceptos. Este tutorial está diseñado para principiantes y profesionales en activo.
A finales de los años 1980, Guido van Rossum Soñé con desarrollar Python. La primera versión de Python 0.9.0 fue lanzado en 1991 . Desde su lanzamiento, Python comenzó a ganar popularidad. Según los informes, Python es ahora el lenguaje de programación más popular entre los desarrolladores debido a sus altas exigencias en el ámbito tecnológico.
¿Qué es Python?
Python es un lenguaje de programación de propósito general, tipado dinámicamente, de alto nivel, compilado e interpretado, con recolección de basura y puramente orientado a objetos que admite programación funcional, orientada a objetos y de procedimientos.
Características de Python:
Python tiene muchos activos basados en web , proyectos de código abierto , y una comunidad vibrante . Aprender el idioma, trabajar juntos en proyectos y contribuir al ecosistema Python resulta muy fácil para los desarrolladores.
Debido a su marco de lenguaje sencillo, Python es más fácil de entender y escribir código. Esto lo convierte en un lenguaje de programación fantástico para principiantes. Además, ayuda a los programadores experimentados a escribir código claro y sin errores.
Python tiene muchas bibliotecas de terceros que se pueden utilizar para facilitar su funcionalidad. Estas bibliotecas cubren muchos dominios, por ejemplo, desarrollo web, informática científica, análisis de datos y más.
Java frente a Python
Python es una excelente opción para tareas de programación y desarrollo rápido. Mientras que Java enfatiza un sistema de tipos sólido y una programación orientada a objetos.
A continuación se muestran algunos programas básicos que ilustran las diferencias clave entre ellos.
Imprimiendo 'Hola mundo'
Código Python:
print('Hello World)'
En Python, es una línea de código. Requiere una sintaxis simple para imprimir 'Hola mundo'
Código Java:
public class HelloWorld { public static void main(String[] args) { System.out.println('Hello, World!'); } } En Java, necesitamos declarar clases, estructuras de métodos y muchas otras cosas.
Si bien ambos programas dan el mismo resultado, podemos notar la diferencia de sintaxis en la declaración de impresión.
mvc con java
- En Python, es fácil aprender y escribir código. Mientras que en Java, requiere más código para realizar ciertas tareas.
- Python se escribe dinámicamente, lo que significa que no necesitamos declarar la variable, mientras que Java se escribe estadísticamente, lo que significa que necesitamos declarar el tipo de variable.
- Python es adecuado para varios dominios, como ciencia de datos, aprendizaje automático, desarrollo web y más. Mientras que Java es adecuado para el desarrollo web, el desarrollo de aplicaciones móviles (Android) y más.
Sintaxis básica de Python
No se utilizan llaves ni punto y coma en el lenguaje de programación Python. Es un idioma parecido al inglés. Pero Python usa sangría para definir un bloque de código. La sangría no es más que agregar espacios en blanco antes de la declaración cuando sea necesario.
Por ejemplo -
def func(): statement 1 statement 2 ………………… ………………… statement N
En el ejemplo anterior, las declaraciones que están en el mismo nivel a la derecha pertenecen a la función. Generalmente, podemos usar cuatro espacios en blanco para definir la sangría.
En lugar del punto y coma como se usa en otros lenguajes, Python termina sus declaraciones con un carácter NewLine.
Python es un lenguaje que distingue entre mayúsculas y minúsculas, lo que significa que las letras mayúsculas y minúsculas se tratan de manera diferente. Por ejemplo, 'nombre' y 'Nombre' son dos variables diferentes en Python.
En Python, se pueden agregar comentarios usando el símbolo '#'. Cualquier texto escrito después del símbolo '#' se considera un comentario y el intérprete lo ignora. Este truco es útil para agregar notas al código o deshabilitar temporalmente un bloque de código. También ayuda a que otros desarrolladores comprendan mejor el código.
'Si' , 'de lo contrario', 'para', 'mientras', 'intentar', 'excepto' y 'finalmente' son algunas palabras clave reservadas en Python que no se pueden usar como nombres de variables. Estos términos se utilizan en el idioma por razones particulares y tienen significados fijos. Si utiliza estas palabras clave, su código puede incluir errores o el intérprete puede rechazarlas como posibles nuevas variables.
Historia de Python
Python fue creado por Guido van Rossum . A finales de la década de 1980, Guido van Rossum, un programador holandés, comenzó a trabajar en Python mientras estaba en el Centrum Wiskunde & Informatica (CWI) en los Países Bajos. Quería crear un sucesor del lenguaje de programación abc eso sería fácil de leer y eficiente.
En febrero de 1991, se lanzó la primera versión pública de Python, la versión 0.9.0. Esto marcó el nacimiento oficial de Python como proyecto de código abierto . El idioma lleva el nombre de la serie de comedia británica ' El circo volador de Monty Python '.
El desarrollo de Python ha pasado por varias etapas. En enero de 1994, se lanzó Python 1.0 como un lenguaje de programación estable y utilizable. Esta versión incluía muchas de las características que todavía están presentes en Python en la actualidad.
De la década de 1990 a la de 2000 , Python ganó popularidad por su simplicidad, legibilidad y versatilidad. En octubre de 2000, se lanzó Python 2.0. . Python 2.0 introdujo listas por comprensión, recolección de basura y soporte para Unicode.
En diciembre de 2008, se lanzó Python 3.0. Python 3.0 introdujo varios cambios incompatibles con versiones anteriores para mejorar la legibilidad y el mantenimiento del código.
A lo largo de la década de 2010, la popularidad de Python aumentó, particularmente en campos como el aprendizaje automático y el desarrollo web. Su rico ecosistema de bibliotecas y marcos lo convirtió en uno de los favoritos entre los desarrolladores.
El Python Software Foundation (PSF) se estableció en 2001 promover, proteger y hacer avanzar el lenguaje de programación Python y su comunidad.
¿Por qué aprender Python?
Python proporciona muchas funciones útiles al programador. Estas características lo convierten en el idioma más popular y utilizado. A continuación enumeramos algunas características esenciales de Python.
- Lenguaje orientado a objetos : Admite programación orientada a objetos, lo que facilita la escritura de código modular y reutilizable.
¿Dónde se utiliza Python?
Python es un lenguaje de programación popular de propósito general y se utiliza en casi todos los campos técnicos. Las diversas áreas de uso de Python se detallan a continuación.
- Inteligencia artificial : La IA es una tecnología emergente y Python es un lenguaje perfecto para la inteligencia artificial y el aprendizaje automático debido a la disponibilidad de bibliotecas potentes como TensorFlow, Keras y PyTorch.
- DevOps : Python se usa ampliamente en DevOps para la automatización y creación de secuencias de comandos de procesos de implementación, gestión de configuración y gestión de infraestructura.
- Peticiones : una biblioteca para realizar solicitudes HTTP
- SQLAlquimia : una biblioteca para trabajar con bases de datos SQL
- Desesperado : un marco para crear aplicaciones multitáctiles
- Pygame : una biblioteca para el desarrollo de juegos
- Marco de descanso : un conjunto de herramientas para crear API RESTful
- API rápida : un marco web moderno y rápido para crear API
- iluminado : una biblioteca para crear aplicaciones web interactivas para aprendizaje automático y ciencia de datos
- NLTK : una biblioteca para el procesamiento del lenguaje natural
Python tiene una amplia gama de bibliotecas y marcos ampliamente utilizados en diversos campos, como el aprendizaje automático, la inteligencia artificial, las aplicaciones web, etc. A continuación definimos algunos marcos y bibliotecas populares de Python.
Función de impresión de Python ()
La función Python print() se utiliza para mostrar la salida a la consola o terminal. Nos permite mostrar texto, variables y otros datos en un formato legible por humanos.
Sintaxis:
imprimir(objeto(s), sep=separador, fin=fin, archivo=archivo, vaciar=vaciar)
Toma uno o más argumentos separados por coma (,) y agrega una 'nueva línea' al final de forma predeterminada.
Parámetros:
- objeto(s): todos los datos que desee que se muestren, primero se convertirán en cadenas y se imprimirán en la consola.
- sep: separa los objetos mediante un separador pasado, valor predeterminado = ' '.
- end: finaliza una línea con un carácter de nueva línea
- archivo: un objeto de archivo con método de escritura, valor predeterminado = sys.stdout
Ejemplo:
# 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)) Producción:
Hello, World! Name: Aman Age: 21 X = 5 y = 7 Sum = 12 Score: 85.75%
En este ejemplo, la declaración de impresión se utiliza para imprimir valores de cadena, enteros y flotantes en un formato legible por humanos.
La declaración impresa se puede utilizar para depurar, registrar y proporcionar información al usuario.
Declaraciones condicionales de Python
Las declaraciones condicionales nos ayudan a ejecutar un bloque particular para una condición particular. En este tutorial, aprenderemos cómo usar expresiones condicionales para ejecutar un bloque de declaraciones diferente. Python proporciona palabras clave if y else para configurar condiciones lógicas. El elif La palabra clave también se utiliza como declaración condicional.
Código de ejemplo para la declaración 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')
Producción:
x is greater than y
En el código anterior, tenemos dos variables, xey, con 10 y 5, respectivamente. Luego usamos una declaración if...else para verificar si x es mayor que y o viceversa. Si la primera condición es verdadera, se imprime la afirmación 'x es mayor que y'. Si la primera condición es falsa, en su lugar se imprime la afirmación 'y es mayor o igual que x'.
La palabra clave if verifica que la condición sea verdadera y ejecuta el bloque de código dentro de ella. El código dentro del bloque else se ejecuta si la condición es falsa. De esta forma, la declaración if..else nos ayuda a ejecutar diferentes bloques de código en función de una condición.
Aprenderemos sobre esto con más detalle en el artículo adicional del tutorial de Python.
Bucles de Python
A veces es posible que necesitemos alterar el flujo del programa. Es posible que sea necesario repetir la ejecución de un código específico varias veces. Para ello, los lenguajes de programación proporcionan diversos bucles capaces de repetir varias veces un código concreto. Considere el siguiente tutorial para comprender las declaraciones en detalle.
Python para bucle
fruits = ['apple', 'banana', 'cherry'] for x in fruits: print(x, end=' ')
Producción:
apple banana cherry
Python mientras bucle
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:> En el código de ejemplo anterior, hemos demostrado el uso de dos tipos de bucles en Python: bucle For y bucle While.
El bucle For se utiliza para iterar sobre una secuencia de elementos, como una lista, tupla o cadena. En el ejemplo, definimos una lista de frutas y usamos un bucle for para imprimir cada fruta, pero también se puede usar para imprimir un rango de números.
El bucle While repite un bloque de código si la condición especificada es verdadera. En el ejemplo, inicializamos una variable i en 1 y usamos un bucle while para imprimir el valor de i hasta que sea mayor o igual a 6. La instrucción i += 1 se usa para incrementar el valor de i en cada iteración. .
Aprenderemos sobre ellos en el tutorial en detalle.
Estructuras de datos de Python
Python ofrece cuatro estructuras de datos integradas: liza , tuplas , conjuntos , y diccionarios que nos permiten almacenar datos de forma eficiente. A continuación se muestran las estructuras de datos más utilizadas en Python, junto con código de ejemplo:
1. Listas
- Las listas son colecciones ordenadas de elementos de datos de diferentes tipos de datos.
- Las listas son mudable lo que significa que una lista se puede modificar en cualquier momento.
- Los elementos pueden ser Se accede mediante índices. .
- Se definen mediante corchetes ' [] '.
Ejemplo:
# 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)
Producción:
fuirts[1] = banana fruits = ['apple', 'banana', 'cherry', 'orange'] sum_nums = 15
2. tuplas
- Las tuplas también son colecciones ordenadas de elementos de datos de diferentes tipos de datos, similar a las Listas.
- Los elementos pueden ser Se accede mediante índices. .
- Las tuplas son inmutable lo que significa que las tuplas no se pueden modificar una vez creadas.
- Se definen usando corchete abierto ' () '.
Ejemplo:
# 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_)
Producción:
(x, y) = 3 4 Tuple = ('apple', 'banana', 'cherry', 'orange')
3 juegos
- Los conjuntos son desordenado colecciones de elementos de datos inmutables de diferentes tipos de datos.
- Los conjuntos son mudable .
- No se puede acceder a los elementos mediante índices.
- Conjuntos no contener elementos duplicados .
- Se definen mediante llaves ' {} '
Ejemplo:
# 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) Producción:
set1 = {1, 2, 3, 4} set2 = {'apple', 'cherry', 'orange', 'banana'} 4. Diccionarios
- diccionario son pares clave-valor que le permiten asociar valores con claves únicas.
- Se definen mediante llaves ' {} ' con pares clave-valor separados por dos puntos ':' .
- Los diccionarios son mudable .
- Se puede acceder a los elementos mediante claves.
Ejemplo:
# Create a dictionary person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} print('person =', person) print(person['name']) # Modify Dictionary person['age'] = 27 print('person =', person) Producción:
person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} Umesh person = {'name': 'Umesh', 'age': 27, 'city': 'Noida'} Estos son sólo algunos ejemplos de las estructuras de datos integradas de Python. Cada estructura de datos tiene sus propias características y casos de uso.
Programación funcional de Python
Esta sección del tutorial de Python define algunas herramientas importantes relacionadas con la programación funcional, como lambda y funciones recursivas. Estas funciones son muy eficientes para realizar tareas complejas. Definimos algunas funciones importantes, como reducir, mapear y filtrar. Python proporciona el módulo functools que incluye varias herramientas de programación funcional. Visite el siguiente tutorial para obtener más información sobre la programación funcional.
Las versiones recientes de Python han introducido características que hacen que la programación funcional sea más concisa y expresiva. Por ejemplo, el 'operador morsa':= permite la asignación de variables en línea en expresiones, lo que puede resultar útil cuando se trabaja con llamadas a funciones anidadas o listas por comprensión.
Función de Python
- Función lambda - Una función lambda es una función pequeña, función anónima que puede tomar cualquier número de argumentos pero solo puede tener una expresión. Las funciones Lambda se utilizan a menudo en programación funcional para crear funciones 'sobre la marcha' sin definir una función con nombre.
- Función recursiva - Una función recursiva es una función que se llama a sí misma para resolver un problema. Las funciones recursivas se utilizan a menudo en programación funcional para realizar cálculos complejos o atravesar estructuras de datos complejas.
- Función de mapa - La función map() aplica una función determinada a cada elemento de un iterable y devuelve un nuevo iterable con los resultados. El iterable de entrada puede ser una lista, tupla u otro.
- Función de filtro - La función filter() devuelve un iterador de un iterable para el cual la función pasada como primer argumento devuelve True. Filtra los elementos de un iterable que no cumplen la condición dada.
- Reducir la función - La función reduce() aplica una función de dos argumentos de forma acumulativa a los elementos de un iterable de izquierda a derecha para reducirlo a un solo valor.
- Módulo de herramientas funcionales - El módulo functools en Python proporciona funciones de orden superior que operan en otras funciones, como parcial() y reducir().
- Función de curry - Una función de curry es una función que toma múltiples argumentos y devuelve una secuencia de funciones, cada una de las cuales toma un solo argumento.
- Función de memorización - La memorización es una técnica utilizada en programación funcional para almacenar en caché los resultados de costosas llamadas a funciones y devolver el resultado almacenado en caché cuando se repiten las mismas entradas.
- Función de roscado - Threading es una técnica utilizada en programación funcional para ejecutar múltiples tareas simultáneamente para hacer que el código sea más eficiente y rápido.
Módulos de Python
Los módulos de Python son los archivos de programa que contienen código o funciones de Python. Python tiene dos tipos de módulos: módulos definidos por el usuario y módulos integrados. Un módulo definido por el usuario, o nuestro código Python guardado con la extensión .py, se trata como un módulo definido por el usuario.
Los módulos integrados son módulos predefinidos de Python. Para utilizar la funcionalidad de los módulos, necesitamos importarlos a nuestro programa de trabajo actual.
Los módulos de Python son esenciales para el ecosistema del lenguaje, ya que ofrecen código reutilizable y funcionalidad que se puede importar a cualquier programa Python. A continuación se muestran algunos ejemplos de varios módulos de Python, junto con una breve descripción de cada uno:
Matemáticas : Brinda a los usuarios acceso a constantes matemáticas y funciones trigonométricas y pi.
Fecha y hora : Proporciona clases para una forma más sencilla de manipular fechas, horas y períodos.
TÚ : Permite la interacción con el sistema operativo base, incluida la administración de procesos y actividades del sistema de archivos.
aleatorio : La función aleatoria ofrece herramientas para generar números enteros aleatorios y seleccionar elementos aleatorios de una lista.
JSON : JSON es una estructura de datos que se puede codificar y decodificar y se utiliza con frecuencia en API en línea e intercambio de datos. Este módulo permite trabajar con JSON.
Re : Admite expresiones regulares, una potente herramienta de búsqueda y manipulación de texto.
Colecciones : proporciona estructuras de datos alternativas, como diccionarios ordenados, diccionarios predeterminados y tuplas con nombre.
NumPy : NumPy es un conjunto de herramientas básico para la informática científica que admite operaciones numéricas en arreglos y matrices.
pandas : Proporciona estructuras y operaciones de datos de alto nivel para tratar con series temporales y otros tipos de datos estructurados.
propiedades ácidas
Peticiones : Ofrece una interfaz de usuario sencilla para API web y realiza solicitudes HTTP.
E/S de archivos Python
Los archivos se utilizan para almacenar datos en un disco de computadora. En este tutorial, explicamos el objeto de archivo integrado de Python. Podemos abrir un archivo usando una secuencia de comandos Python y realizar varias operaciones, como escribir, leer y agregar. Hay varias formas de abrir un archivo. Nos explicamos con el ejemplo correspondiente. También aprenderemos a realizar operaciones de lectura/escritura en archivos binarios.
Sistema de entrada/salida de archivos (E/S) de Python ofrece programas para comunicarse con archivos almacenados en un disco. Los métodos integrados de Python para el objeto de archivo nos permiten realizar acciones como leer, escribir y agregar datos a archivos.
El abierto() El método en Python crea un objeto de archivo cuando se trabaja con archivos. El nombre del archivo que se abrirá y el modo en el que se abrirá el archivo son los dos parámetros requeridos por esta función. El modo se puede utilizar según el trabajo que deba realizarse con el archivo, como ' r ' para leer, ' En ' para escribir, o ' a ' para adjuntar.
Después de crear con éxito un objeto, se pueden utilizar diferentes métodos según nuestro trabajo. Si queremos escribir en el archivo, podemos usar las funciones write(), y si queremos leer y escribir ambas, entonces podemos usar la función append() y, en los casos en los que solo queremos leer el contenido del el archivo podemos usar la función read(). Los archivos binarios que contienen datos en formato binario en lugar de texto también se pueden trabajar con Python. Los archivos binarios están escritos de una manera que los humanos no pueden entender directamente. El rb y wb Los modos pueden leer y escribir datos binarios en archivos binarios.
Excepciones de Python
Una excepción se puede definir como una condición inusual en un programa que resulta en una interrupción en el flujo del programa.
Cada vez que ocurre una excepción, el programa detiene la ejecución y, por lo tanto, el otro código no se ejecuta. Por lo tanto, una excepción son los errores en tiempo de ejecución que no se pueden manejar en el script de Python. Una excepción es un objeto de Python que representa un error.
Excepciones de Python son un aspecto importante del manejo de errores en la programación Python. Cuando un programa encuentra una situación inesperada o un error, puede generar una excepción, que puede interrumpir el flujo normal del programa.
En Python, las excepciones se representan como objetos que contienen información sobre el error, incluido su tipo y mensaje. El tipo de excepción más común en Python es la clase Exception, una clase base para todas las demás excepciones integradas.
Para manejar excepciones en Python, usamos el intentar y excepto declaraciones. El intentar La declaración se utiliza para encerrar el código que puede generar una excepción, mientras que la excepto La declaración se utiliza para definir un bloque de código que debe ejecutarse cuando ocurre una excepción.
Por ejemplo, considere el siguiente 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')
Producción:
Enter a number: 0 Error: Division by zero
En este código, usamos la declaración try para intentar realizar una operación de división. Si cualquiera de estas operaciones genera una excepción, se ejecuta el bloque excepto coincidente.
Python también proporciona muchas excepciones integradas que pueden generarse en situaciones similares. Algunas excepciones integradas comunes incluyen Error de índice, error de tipo , y NombreError . Además, podemos definir nuestras excepciones personalizadas creando una nueva clase que hereda de la clase Exception.
CSV de Python
Un CSV significa 'valores separados por comas', que se define como un formato de archivo simple que utiliza una estructura específica para organizar datos tabulares. Almacena datos tabulares como hojas de cálculo o bases de datos en texto plano y tiene un formato común para el intercambio de datos. Se abre un archivo CSV en la hoja de Excel y los datos de filas y columnas definen el formato estándar.
Podemos utilizar la función CSV.reader para leer un archivo CSV. Esta función devuelve un objeto lector que podemos usar para repetir las filas del archivo CSV. Cada fila se devuelve como una lista de valores, donde cada valor corresponde a una columna del archivo CSV.
Por ejemplo, considere el siguiente código:
import csv with open('data.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)
Aquí, abrimos el archivo data.csv en modo lectura y creamos un lector csv objeto usando el csv.lector() función. Luego iteramos sobre las filas del archivo CSV usando un bucle for e imprimimos cada fila en la consola.
Podemos usar el CSV.escritor() función para escribir datos en un archivo CSV. Devuelve un objeto de escritura que podemos usar para escribir filas en el archivo CSV. Podemos escribir filas llamando al escritor () método en el objeto escritor.
Por ejemplo, considere el siguiente código:
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)
En este programa, creamos una lista de listas llamada datos, donde cada lista interna representa una fila de datos. Luego abrimos el archivo data.csv en modo escritura y creamos un CSV.escritor objeto usando la función CSV.writer. Luego iteramos sobre las filas de datos usando un bucle for y escribimos cada fila en el archivo CSV usando el método de escritura.
Envío de correo en Python
Podemos enviar o leer un correo usando el script Python. Los módulos de la biblioteca estándar de Python son útiles para manejar varios protocolos como PoP3 e IMAP. Python proporciona la smtplib Módulo para enviar correos electrónicos mediante SMTP (Protocolo simple de transferencia de correo). Aprenderemos cómo enviar correo con el popular servicio de correo electrónico SMTP desde un script Python.
Métodos mágicos de Python
El método mágico de Python es el método especial que agrega 'magia' a una clase. Comienza y termina con guiones bajos dobles, por ejemplo, _caliente_ o _cadena_ .
Las clases integradas definen muchos métodos mágicos. El tú() La función se puede utilizar para ver el número de métodos mágicos heredados por una clase. Tiene dos prefijos y guiones bajos de sufijo en el nombre del método.
- Los métodos mágicos de Python también se conocen como métodos más tontos , abreviatura de métodos de 'doble guión bajo' porque sus nombres comienzan y terminan con un doble guión bajo.
- Métodos mágicos El intérprete de Python los invoca automáticamente en determinadas situaciones, como cuando se crea un objeto, se compara con otro objeto o se imprime.
- Los métodos mágicos se pueden utilizar para personalizar el comportamiento de las clases, como definir cómo se comparan los objetos, se convierten en cadenas o se accede a ellos como contenedores.
- Algunos métodos mágicos comúnmente utilizados incluyen calor para inicializar un objeto, str para convertir un objeto en una cadena, ecuación para comparar dos objetos para determinar la igualdad, y noble y establecer elemento para acceder a elementos en un objeto contenedor.
Por ejemplo, el cadena El método mágico puede definir cómo se debe representar un objeto como una cadena. Aquí hay un ejemplo
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) Producción:
Vikas (22)
En este ejemplo, el método str se define para devolver una representación de cadena formateada del objeto Persona con el nombre y la edad de la persona.
Otro método mágico comúnmente utilizado es ecuación , que define cómo se deben comparar los objetos para determinar su igualdad. He aquí un ejemplo:
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)
Producción:
False True
En este ejemplo, el ecuación El método está definido para devolver Verdadero si dos objetos Punto tienen las mismas coordenadas xey, y Falso en caso contrario.
Conceptos de Python Ups
Todo en Python se trata como un objeto, incluidos valores enteros, flotantes, funciones, clases y ninguno. Aparte de eso, Python soporta todos los conceptos orientados. A continuación se muestra una breve introducción a los conceptos de Ups de Python.
- Clases y objetos - Las clases de Python son los planos del Objeto. Un objeto es una colección de datos y métodos que actúan sobre los datos.
- Herencia - Una herencia es una técnica donde una clase hereda las propiedades de otras clases.
- Constructor - Python proporciona un método especial __init__() que se conoce como constructor. Este método se llama automáticamente cuando se crea una instancia de un objeto.
- Polimorfismo - El polimorfismo es un concepto en el que un objeto puede adoptar muchas formas. En Python, el polimorfismo se puede lograr mediante la sobrecarga y anulación de métodos.
- Anulación de métodos - La anulación de métodos es un concepto en el que una subclase implementa un método ya definido en su superclase.
- Encapsulación - La encapsulación consiste en envolver datos y métodos en una sola unidad. En Python, la encapsulación se logra mediante modificadores de acceso, como público, privado y protegido. Sin embargo, Python no aplica estrictamente los modificadores de acceso y la convención de nomenclatura indica el nivel de acceso.
- Abstracción de datos : Una técnica para ocultar la complejidad de los datos y mostrar solo las características esenciales al usuario. Proporciona una interfaz para interactuar con los datos. La abstracción de datos reduce la complejidad y hace que el código sea más modular, lo que permite a los desarrolladores centrarse en las características esenciales del programa.
Para leer el concepto Oops en detalle, visite los siguientes recursos.
- Conceptos de Python Ups: en Python, el paradigma orientado a objetos consiste en diseñar el programa utilizando clases y objetos. El objeto está relacionado con entidades de palabras reales como libro, casa, lápiz, etc. y la clase define sus propiedades y comportamientos.
- Objetos y clases de Python - En Python, los objetos son instancias de clases y las clases son planos que definen la estructura y el comportamiento de los datos.
- Constructor de Python - Un constructor es un método especial en una clase que se utiliza para inicializar los atributos del objeto cuando se crea el objeto.
- Herencia de Python - La herencia es un mecanismo en el que una nueva clase (subclase o clase hija) hereda las propiedades y comportamientos de una clase existente (superclase o clase padre).
- Polimorfismo de Python: el polimorfismo permite que objetos de diferentes clases sean tratados como objetos de una superclase común, lo que permite usar diferentes clases de manera intercambiable a través de una interfaz común.
Temas avanzados de Python
Python incluye muchos avances y conceptos útiles que ayudan al programador a resolver tareas complejas. Estos conceptos se dan a continuación.
Iterador de Python
Un iterador es simplemente un objeto sobre el que se puede iterar. Devuelve un Objeto a la vez. Se puede implementar utilizando los dos métodos especiales, __iter__() y después__().
Los iteradores en Python son objetos que permiten la iteración sobre una colección de datos. Procesan cada elemento de la colección individualmente sin cargar toda la colección en la memoria.
Por ejemplo, creemos un iterador que devuelva los cuadrados de números hasta un límite determinado:
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></=> En este ejemplo, hemos creado una clase Squares que actúa como iterador implementando los métodos __iter__() y __next__(). El método __iter__() devuelve el objeto en sí y el método __next__() devuelve el siguiente cuadrado del número hasta alcanzar el límite.
Para obtener más información sobre los iteradores, visite nuestro tutorial sobre iteradores de Python.
Generadores de Python
Generadores de Python producir una secuencia de valores usando una declaración de rendimiento en lugar de un retorno ya que son funciones que devuelven iteradores. Los generadores finalizan la ejecución de la función manteniendo el estado local. Continúa justo donde lo dejó cuando se reinicia. Debido a que no tenemos que implementar el protocolo de iterador gracias a esta característica, escribir iteradores se simplifica. A continuación se muestra una ilustración de una función generadora sencilla que produce cuadrados 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)
Producción:
0 1 4 9 16
Modificadores de Python
Decoradores de pitón son funciones utilizadas para modificar el comportamiento de otra función. Permiten agregar funcionalidad a una función existente sin modificar su código directamente. Los decoradores se definen utilizando el @ símbolo seguido del nombre de la función decoradora. Se pueden utilizar para registrar, cronometrar, almacenar en caché, etc.
A continuación se muestra un ejemplo de una función decoradora que agrega funcionalidad de sincronización a otra función:
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) Producción:
En el ejemplo anterior, la función decoradora time_it toma otra función como argumento y devuelve una función contenedora. La función contenedora calcula el tiempo para ejecutar la función original y la imprime en la consola. El decorador @time_it se utiliza para aplicar la función time_it a la función my_function. Cuando se llama a my_function, se ejecuta el decorador y se agrega la funcionalidad de sincronización.
Python MySQL
Python MySQL es un potente sistema de gestión de bases de datos relacionales. Debemos configurar el entorno y establecer una conexión para utilizar MySQL con Python. Podemos crear una nueva base de datos y tablas usando comandos SQL en Python.
- Configuración del entorno : Instalación y configuración de MySQL Connector/Python para usar Python con MySQL.
- Conexión de base de datos : Establecer una conexión entre Python y la base de datos MySQL utilizando MySQL Connector/Python.
- Creando una nueva base de datos : Creando una nueva base de datos en MySQL usando Python.
- Crear tablas : Creación de tablas en la base de datos MySQL con Python usando comandos SQL.
- Operación de inserción : Inserte datos en tablas MySQL usando comandos Python y SQL.
- Leer operación : Lectura de datos de tablas MySQL usando comandos Python y SQL.
- Operación de actualización : Actualización de datos en tablas MySQL usando comandos Python y SQL.
- Unirse a la operación : Unir dos o más tablas en MySQL usando comandos Python y SQL.
- Realizar transacciones : Realizar un grupo de consultas SQL como una única unidad de trabajo en MySQL usando Python.
Otros puntos relativos incluyen el manejo de errores, la creación de índices y el uso de procedimientos y funciones almacenados en MySQL con Python.
PythonMongoDB
Python MongoDB es una base de datos NoSQL popular que almacena datos en documentos tipo JSON. No tiene esquemas y proporciona alta escalabilidad y flexibilidad para el almacenamiento de datos. Podemos usar MongoDB con Python usando la biblioteca PyMongo, que proporciona una interfaz simple e intuitiva para interactuar con MongoDB.
A continuación se muestran algunas tareas comunes al trabajar con MongoDB en Python:
- Configuración del entorno : Instale y configure la biblioteca MongoDB y PyMongo en su sistema.
- Conexión de base de datos : Conéctese a un servidor MongoDB usando la clase MongoClient de PyMongo.
- Creando una nueva base de datos : Utilice el objeto MongoClient para crear una nueva base de datos.
- Creando colecciones : Crea colecciones dentro de una base de datos para almacenar documentos.
- Insertar documentos : inserte nuevos documentos en una colección utilizando los métodos insert_one() o insert_many().
- Consulta de documentos : recupere documentos de una colección utilizando varios métodos de consulta como find_one(), find(), etc.
- Actualización de documentos : modifica documentos existentes en una colección usando los métodos update_one() o update_many().
- Eliminar documentos : elimina documentos de una colección utilizando los métodos delete_one() o delete_many().
- Agregación : Realice operaciones de agregación como agrupar, contar, etc., utilizando el marco de canalización de agregación.
Hay muchos temas más avanzados en MongoDB, como fragmentación de datos, replicación y más, pero estas tareas cubren los conceptos básicos del trabajo con MongoDB en Python.
Python SQLite
Las bases de datos relacionales se crean y mantienen utilizando Python SQLite, un motor de base de datos autónomo, compacto y sin servidor. Su movilidad y simplicidad lo convierten en una opción popular para aplicaciones locales o de pequeña escala. Python tiene un módulo incorporado para conectarse a bases de datos SQLite llamado SQLite3, lo que permite a los desarrolladores trabajar con bases de datos SQLite sin dificultades.
Hay varios métodos API disponibles a través de la biblioteca SQLite3 que se pueden usar para ejecutar consultas SQL, insertar, seleccionar, actualizar y eliminar datos, así como obtener datos de tablas. Además, permite transacciones, lo que permite a los programadores deshacer cambios en caso de algún problema. Python SQLite es una opción fantástica para crear programas que necesitan un sistema de base de datos integrado, incluidos programas de escritorio, móviles y web de tamaño modesto. SQLite se ha vuelto popular entre los desarrolladores de aplicaciones livianas con funcionalidad de base de datos gracias a su facilidad de uso, portabilidad y conexión fluida con Python.
CGI de Python
CGI de Python es una tecnología para ejecutar scripts a través de servidores web para producir contenido dinámico en línea. Ofrece un canal de comunicación y una interfaz de generación de contenido dinámico para scripts CGI externos y el servidor web. Los scripts Python CGI pueden crear páginas web HTML, manejar entradas de formularios y comunicarse con bases de datos. Python CGI permite al servidor ejecutar scripts de Python y proporcionar los resultados al cliente, ofreciendo un enfoque rápido y eficaz para crear aplicaciones dinámicas en línea.
Los scripts Python CGI se pueden utilizar para muchas cosas, incluida la creación de páginas web dinámicas, el procesamiento de formularios y la interacción con bases de datos. Dado que Python, un lenguaje de programación potente y popular, se puede utilizar para crear scripts, permite un enfoque más personalizado y flexible para la creación web. Se pueden crear aplicaciones en línea escalables, seguras y fáciles de mantener con Python CGI. Python CGI es una herramienta útil para los desarrolladores web que crean aplicaciones en línea dinámicas e interactivas.
Programación asincrónica en Python
Programación asincrónica Es un paradigma de programación informática que permite la operación independiente y concurrente de actividades. Se utiliza con frecuencia en aplicaciones como servidores web, software de bases de datos y programación de redes, donde se deben manejar varias tareas o solicitudes al mismo tiempo.
Python tiene asyncio, Twisted y Tornado entre sus bibliotecas y marcos para programación asincrónica. Asyncio, uno de ellos, ofrece una interfaz simple para programación asincrónica y es la biblioteca oficial de programación asincrónica en Python.
Las corrutinas son funciones que pueden detenerse y reiniciarse en ubicaciones específicas del código y son utilizadas por asyncio. Esto permite que numerosas corrutinas funcionen simultáneamente sin interferir entre sí. Para construir y mantener corrutinas, la biblioteca ofrece varias clases y métodos, incluidos asyncio.reunir(), asíncio.espera(), y asyncio.create_task().
Los bucles de eventos, que se encargan de planificar y operar las rutinas, son otra característica de asyncio. Al alternar entre corrutinas sin bloqueo, el bucle de eventos controla la ejecución de las corrutinas y garantiza que ninguna corrutina bloquee a otra. Además, admite temporizadores y programación de devoluciones de llamadas, lo que puede resultar útil cuando las actividades deben completarse en momentos o intervalos específicos.
Concurrencia de Python
El término ' concurrencia ' describe la capacidad de un programa para llevar a cabo varias tareas a la vez, mejorando la eficiencia del programa. Python ofrece varios módulos y métodos relacionados con la concurrencia, incluida la programación asincrónica, el multiprocesamiento y el multiproceso. Mientras que el multiprocesamiento implica ejecutar muchos procesos simultáneamente en un sistema, el multiproceso implica ejecutar numerosos subprocesos simultáneamente dentro de un solo proceso.
El módulo de roscado en Python permite a los programadores crear subprocesos múltiples. Ofrece clases y operaciones para establecer y controlar subprocesos. Por el contrario, el módulo de multiprocesamiento permite a los desarrolladores diseñar y controlar procesos. El módulo asyncio de Python proporciona soporte de programación asincrónica, lo que permite a los desarrolladores escribir código sin bloqueo que puede manejar múltiples tareas al mismo tiempo. Utilizando estas técnicas, los desarrolladores pueden escribir programas escalables de alto rendimiento que puedan manejar múltiples tareas al mismo tiempo.
El módulo de subprocesos de Python permite la ejecución simultánea de varios subprocesos dentro de un solo proceso, lo cual es útil para actividades vinculadas a E/S.
Para operaciones que requieren un uso intensivo de la CPU, como el procesamiento de imágenes o el análisis de datos, los módulos de multiprocesamiento permiten ejecutar numerosos procesos simultáneamente en varios núcleos de CPU.
El módulo asyncio admite E/S asincrónicas y permite la creación de código concurrente de un solo subproceso utilizando corrutinas para aplicaciones de red de alta concurrencia.
Con bibliotecas como Dask, PySpark y MPI, Python también se puede utilizar para computación paralela. Estas bibliotecas permiten distribuir cargas de trabajo entre numerosos nodos o clústeres para un mejor rendimiento.
Desguace web usando Python
El proceso de web scraping se utiliza para recuperar datos de sitios web automáticamente. Varias herramientas y bibliotecas extraen datos de HTML y otros formatos en línea. Python se encuentra entre los lenguajes de programación más utilizados para el web scraping debido a su facilidad de uso, adaptabilidad y variedad de bibliotecas.
Debemos seguir algunos pasos para realizar el web scraping usando Python. Primero debemos decidir qué sitio web extraer y qué información recopilar. Luego, podemos enviar una solicitud al sitio web y recibir el contenido HTML utilizando el paquete de solicitudes de Python. Una vez que tenemos el texto HTML, podemos extraer los datos necesarios usando una variedad de paquetes de análisis, como Hermosa sopa y lxml .
Podemos emplear varias estrategias, como ralentizar las solicitudes, emplear agentes de usuario y utilizar proxies, para evitar sobrecargar el servidor del sitio web. También es fundamental cumplir con los términos de servicio del sitio web y respetar su archivo robots.txt.
La extracción de datos, la creación de clientes potenciales, el seguimiento de precios y muchos más usos son posibles para el web scraping. Sin embargo, como el web scraping no autorizado puede ser ilegal y poco ético, es esencial utilizarlo de manera profesional y ética.
Procesamiento del lenguaje natural (NLP) usando Python
Una rama de la inteligencia artificial (IA) llamada 'procesamiento del lenguaje natural' (PNL) estudia cómo interactúan las computadoras y el lenguaje humano. Gracias a la PNL, las computadoras ahora pueden comprender, interpretar y producir el lenguaje humano. Debido a su simplicidad, versatilidad y bibliotecas sólidas como NLTK (Natural Language Toolkit) y spaCy, Python es un lenguaje de programación muy conocido para PNL.
Para tareas de PNL, que incluyen tokenización, derivación, lematización, etiquetado de partes del discurso, identificación de entidades nombradas, análisis de sentimientos y otras, NLTK proporciona una biblioteca completa. Tiene una variedad de corpus (grandes colecciones de texto organizadas) para desarrollar y evaluar modelos de PNL. Otra biblioteca muy popular para tareas de PNL es spaCy, que ofrece un procesamiento rápido y eficaz de enormes cantidades de texto. Permite modificaciones y ampliaciones sencillas y viene con modelos previamente entrenados para diversas cargas de trabajo de PNL.
La PNL se puede utilizar en Python para diversos fines prácticos, incluidos chatbots, análisis de sentimientos, categorización de texto, traducción automática y más. Los chatbots utilizan la PNL, por ejemplo, para comprender y responder a las consultas de los usuarios en un estilo de lenguaje natural. El análisis de sentimientos, que puede resultar útil para el seguimiento de la marca, el análisis de los comentarios de los clientes y otros fines, emplea PNL para categorizar el sentimiento del texto (positivo, negativo o neutral). Los documentos de texto se clasifican mediante procesamiento de lenguaje natural (NLP) en categorías preestablecidas para la detección de spam, categorización de noticias y otros fines.
Python es una herramienta potente y útil a la hora de analizar y procesar el lenguaje humano. Los desarrolladores pueden llevar a cabo diversas actividades de PNL y crear aplicaciones útiles que puedan comunicarse con los consumidores en lenguaje natural con bibliotecas como NLTK y spaCy.
Conclusión:
En este tutorial, analizamos algunas de las características e ideas más importantes de Python, incluidas variables, tipos de datos, bucles, funciones, módulos y más. También se han discutido temas más complejos, incluido el web scraping, el procesamiento del lenguaje natural, el paralelismo y la conexión de bases de datos. Tendrá una base sólida para continuar aprendiendo sobre Python y sus aplicaciones utilizando la información que ha aprendido en esta lección.
convertir un int a cadena c++
Recuerda que practicar y desarrollar código es el mejor método para aprender Python. Puede encontrar muchos recursos en javaTpoint para respaldar su aprendizaje adicional, incluida documentación, tutoriales, grupos en línea y más. Puedes dominar Python y usarlo para crear cosas maravillosas si trabajas duro y persistes.
Requisito previo
Antes de aprender Python, debes tener conocimientos básicos de conceptos de programación.
Audiencia
Nuestro tutorial de Python está diseñado para ayudar a principiantes y profesionales.
Problema
Te aseguramos que no encontrarás ningún problema en este tutorial de Python. Pero si hay algún error, publique el problema en el formulario de contacto.