파이썬 다음과 같은 언어에 비해 몇 가지 고유한 기능과 장점을 제공하는 널리 사용되는 프로그래밍 언어입니다. 자바 그리고 C++. Python 튜토리얼은 설치부터 시작하여 Python 기본 및 고급 개념을 철저하게 설명합니다. 조건문 , 루프, 내장 데이터 구조, 객체 지향 프로그래밍, 생성기, 예외 처리, Python RegEx 및 기타 여러 개념. 이 튜토리얼은 초보자와 실무 전문가를 위해 설계되었습니다.
1980년대 후반, 귀도 반 로섬 파이썬 개발을 꿈꿨다. 첫 번째 버전 Python 0.9.0은 1991년에 출시되었습니다. . Python은 출시 이후 인기를 얻기 시작했습니다. 보고서에 따르면 Python은 기술 영역에서의 수요가 높기 때문에 이제 개발자들 사이에서 가장 인기 있는 프로그래밍 언어입니다.
파이썬이란 무엇입니까?
Python은 절차적, 객체 지향 및 기능적 프로그래밍을 지원하는 범용, 동적으로 유형화, 고급 수준, 컴파일 및 해석, 가비지 수집 및 순수 객체 지향 프로그래밍 언어입니다.
파이썬의 특징:
파이썬에는 여러 가지가 있습니다 웹 기반 자산 , 오픈 소스 프로젝트 , 그리고 활기 넘치는 커뮤니티 . 개발자는 언어를 배우고, 프로젝트에서 함께 작업하고, Python 생태계에 기여하는 일을 매우 쉽게 할 수 있습니다.
Python은 간단한 언어 프레임워크로 인해 코드를 이해하고 작성하기가 더 쉽습니다. 이는 초보자에게 환상적인 프로그래밍 언어입니다. 또한 숙련된 프로그래머가 명확하고 오류 없는 코드를 작성하는 데 도움이 됩니다.
Python에는 기능을 더 쉽게 만드는 데 사용할 수 있는 많은 타사 라이브러리가 있습니다. 이러한 라이브러리는 웹 개발, 과학 컴퓨팅, 데이터 분석 등과 같은 다양한 영역을 다루고 있습니다.
자바 대 파이썬
Python은 신속한 개발 및 스크립팅 작업을 위한 탁월한 선택입니다. 반면 Java는 강력한 유형 시스템과 객체 지향 프로그래밍을 강조합니다.
다음은 이들 간의 주요 차이점을 보여주는 몇 가지 기본 프로그램입니다.
'Hello World' 인쇄
파이썬 코드:
print('Hello World)'
Python에서는 한 줄의 코드입니다. 'Hello World'를 인쇄하려면 간단한 구문이 필요합니다.
자바 코드:
public class HelloWorld { public static void main(String[] args) { System.out.println('Hello, World!'); } } Java에서는 클래스, 메소드 구조 등 많은 것들을 선언해야 합니다.
두 프로그램 모두 동일한 출력을 제공하지만 print 문에서 구문 차이를 확인할 수 있습니다.
Bash의 for 루프
- Python에서는 코드를 배우고 작성하는 것이 쉽습니다. Java에서는 특정 작업을 수행하려면 더 많은 코드가 필요합니다.
- Python은 동적으로 유형이 지정되므로 변수를 선언할 필요가 없습니다. 반면 Java는 통계적으로 유형이 지정되므로 변수 유형을 선언해야 합니다.
- Python은 데이터 과학, 기계 학습, 웹 개발 등과 같은 다양한 도메인에 적합합니다. Java는 웹 개발, 모바일 앱 개발(Android) 등에 적합합니다.
Python 기본 구문
Python 프로그래밍 언어에서는 중괄호나 세미콜론을 사용하지 않습니다. 영어와 유사한 언어입니다. 그러나 Python은 들여쓰기를 사용하여 코드 블록을 정의합니다. 들여쓰기는 필요할 때 명령문 앞에 공백을 추가하는 것뿐입니다.
예를 들어 -
def func(): statement 1 statement 2 ………………… ………………… statement N
위의 예에서 오른쪽으로 같은 수준에 있는 명령문은 함수에 속합니다. 일반적으로 들여쓰기를 정의하기 위해 공백 4개를 사용할 수 있습니다.
다른 언어에서 사용되는 세미콜론 대신 Python은 명령문을 NewLine 문자로 끝냅니다.
Python은 대소문자를 구분하는 언어입니다. 즉, 대문자와 소문자를 다르게 처리합니다. 예를 들어 'name'과 'Name'은 Python에서 서로 다른 두 변수입니다.
Python에서는 '#' 기호를 사용하여 주석을 추가할 수 있습니다. '#' 기호 뒤에 쓰여진 모든 텍스트는 주석으로 간주되어 해석기에서 무시됩니다. 이 트릭은 코드에 메모를 추가하거나 코드 블록을 일시적으로 비활성화하는 데 유용합니다. 또한 다른 개발자가 코드를 더 잘 이해하는 데 도움이 됩니다.
'만약에' , 'otherwise', 'for' , 'while' , 'try', 'out' 및 'finally'는 Python에서 변수 이름으로 사용할 수 없는 몇 가지 예약 키워드입니다. 이러한 용어는 특정 이유로 언어에서 사용되며 고정된 의미를 갖습니다. 이러한 키워드를 사용하면 코드에 오류가 포함되거나 인터프리터가 해당 키워드를 잠재적인 새 변수로 거부할 수 있습니다.
파이썬의 역사
파이썬은 귀도 반 로섬(Guido van Rossum)이 만들었습니다. . 1980년대 후반, 네덜란드 프로그래머인 Guido van Rossum은 네덜란드의 CWI(Centrum Wiskunde & Informatica)에서 Python 작업을 시작했습니다. 그는 후계자를 만들고 싶었습니다. ABC 프로그래밍 언어 읽기 쉽고 효율적일 것입니다.
1991년 2월, Python의 첫 번째 공개 버전인 버전 0.9.0이 출시되었습니다. 이로써 정식 탄생을 알렸다. 오픈 소스 프로젝트로서의 Python . 이 언어는 영국 코미디 시리즈 ''의 이름을 따서 명명되었습니다. 몬티 파이튼의 플라잉 서커스 '.
Python 개발은 여러 단계를 거쳤습니다. 1994년 1월, Python 1.0이 사용 가능하고 안정적인 프로그래밍 언어로 출시되었습니다. 이 버전에는 오늘날 Python에 여전히 존재하는 많은 기능이 포함되어 있습니다.
1990년대부터 2000년대 , Python은 단순성, 가독성 및 다양성으로 인해 인기를 얻었습니다. 2000년 10월 Python 2.0이 출시되었습니다. . Python 2.0에는 목록 이해, 가비지 수집 및 유니코드 지원이 도입되었습니다.
2008년 12월, 파이썬 3.0이 출시되었습니다. Python 3.0에서는 코드 가독성과 유지 관리성을 향상시키기 위해 이전 버전과 호환되지 않는 몇 가지 변경 사항을 도입했습니다.
2010년대 전반에 걸쳐 특히 기계 학습 및 웹 개발과 같은 분야에서 Python의 인기가 높아졌습니다. 라이브러리와 프레임워크로 구성된 풍부한 생태계 덕분에 개발자들 사이에서 인기가 높았습니다.
그만큼 Python 소프트웨어 재단(PSF)은 2001년에 설립되었습니다. Python 프로그래밍 언어와 해당 커뮤니티를 홍보, 보호 및 발전시킵니다.
왜 파이썬을 배워야 할까요?
Python은 프로그래머에게 많은 유용한 기능을 제공합니다. 이러한 특징으로 인해 이 언어는 가장 널리 사용되고 널리 사용되는 언어가 되었습니다. Python의 몇 가지 필수 기능을 아래에 나열했습니다.
- 객체 지향 언어 : 객체 지향 프로그래밍을 지원하므로 재사용 가능한 모듈식 코드 작성이 쉽습니다.
파이썬은 어디에 사용되나요?
Python은 범용적이고 널리 사용되는 프로그래밍 언어이며 거의 모든 기술 분야에서 사용됩니다. Python의 다양한 사용 영역은 다음과 같습니다.
- 인공지능 : AI는 신흥 기술이며 Python은 TensorFlow, Keras 및 PyTorch와 같은 강력한 라이브러리를 사용할 수 있기 때문에 인공 지능 및 기계 학습에 완벽한 언어입니다.
- 데브옵스 : Python은 인프라 관리, 구성 관리, 배포 프로세스의 자동화 및 스크립팅을 위해 DevOps에서 널리 사용됩니다.
- 요청사항 : HTTP 요청을 만들기 위한 라이브러리
- SQLAlchemy : SQL 데이터베이스 작업을 위한 라이브러리
- 자포자기한 : 멀티터치 애플리케이션 구축을 위한 프레임워크
- 파이게임 : 게임 개발을 위한 라이브러리
- REST 프레임워크 : RESTful API 구축을 위한 툴킷
- FastAPI : API 구축을 위한 현대적이고 빠른 웹 프레임워크
- 스트림라이트 : 기계 학습 및 데이터 과학을 위한 대화형 웹 앱을 구축하기 위한 라이브러리
- NLTK : 자연어 처리를 위한 라이브러리
Python에는 기계 학습, 인공 지능, 웹 애플리케이션 등 다양한 분야에서 널리 사용되는 광범위한 라이브러리와 프레임워크가 있습니다. 우리는 Python의 몇 가지 인기 있는 프레임워크와 라이브러리를 다음과 같이 정의합니다.
Python print() 함수
Python print() 함수는 콘솔이나 터미널에 출력을 표시하는 데 사용됩니다. 이를 통해 텍스트, 변수 및 기타 데이터를 사람이 읽을 수 있는 형식으로 표시할 수 있습니다.
통사론:
print(객체(들), sep=구분자, end=end, 파일=파일, 플러시=플러시)
쉼표(,)로 구분된 하나 이상의 인수를 취하고 기본적으로 끝에 '개행'을 추가합니다.
매개변수:
- object(s) - 표시하려는 데이터 수만큼 먼저 문자열로 변환되어 콘솔에 인쇄됩니다.
- sep - 전달된 구분 기호로 개체를 구분합니다. 기본값은 ' '입니다.
- end - 개행 문자로 줄을 끝냅니다.
- file - 쓰기 메소드가 있는 파일 객체, 기본값 = sys.stdout
예:
# 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)) 산출:
Hello, World! Name: Aman Age: 21 X = 5 y = 7 Sum = 12 Score: 85.75%
이 예에서 print 문은 사람이 읽을 수 있는 형식으로 문자열, 정수 및 부동 소수점 값을 인쇄하는 데 사용됩니다.
print 문은 디버깅, 로깅 및 사용자에게 정보 제공에 사용될 수 있습니다.
Python 조건문
조건문은 특정 조건에 대해 특정 블록을 실행하는 데 도움이 됩니다. 이 튜토리얼에서는 조건식을 사용하여 다양한 명령문 블록을 실행하는 방법을 배웁니다. Python은 논리적 조건을 설정하기 위한 if 및 else 키워드를 제공합니다. 그만큼 엘리프 키워드는 조건문으로도 사용됩니다.
if..else 문의 예제 코드
x = 10 y = 5 if x > y: print('x is greater than y') else: print('y is greater than or equal to x')
산출:
x is greater than y
위의 코드에는 각각 10과 5를 갖는 두 개의 변수 x와 y가 있습니다. 그런 다음 if..else 문을 사용하여 x가 y보다 큰지 또는 그 반대인지 확인했습니다. 첫 번째 조건이 true이면 'x가 y보다 큽니다'라는 문이 인쇄됩니다. 첫 번째 조건이 거짓이면 'y가 x보다 크거나 같습니다'라는 문이 대신 인쇄됩니다.
if 키워드는 조건이 true인지 확인하고 그 안에 있는 코드 블록을 실행합니다. 조건이 거짓이면 else 블록 내부의 코드가 실행됩니다. 이런 식으로 if..else 문은 조건에 따라 다양한 코드 블록을 실행하는 데 도움이 됩니다.
이에 대해서는 Python 튜토리얼의 추가 기사에서 더 자세히 알아볼 것입니다.
파이썬 루프
때로는 프로그램의 흐름을 변경해야 할 수도 있습니다. 특정 코드를 실행하려면 여러 번 반복해야 할 수도 있습니다. 이를 위해 프로그래밍 언어는 특정 코드를 여러 번 반복할 수 있는 다양한 루프를 제공합니다. 명령문을 자세히 이해하려면 다음 튜토리얼을 고려하십시오.
Python For 루프
fruits = ['apple', 'banana', 'cherry'] for x in fruits: print(x, end=' ')
산출:
apple banana cherry
Python While 루프
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:> 위의 예제 코드에서는 Python에서 For 루프와 While 루프라는 두 가지 유형의 루프를 사용하는 방법을 보여주었습니다.
For 루프는 목록, 튜플 또는 문자열과 같은 항목 시퀀스를 반복하는 데 사용됩니다. 예제에서는 과일 목록을 정의하고 for 루프를 사용하여 각 과일을 인쇄했지만, 숫자 범위를 인쇄하는 데에도 사용할 수 있습니다.
While 루프는 지정된 조건이 true인 경우 코드 블록을 반복합니다. 예제에서는 변수 i를 1로 초기화하고 while 루프를 사용하여 i 값이 6 이상이 될 때까지 i 값을 인쇄했습니다. i += 1 문은 각 반복에서 i 값을 증가시키는 데 사용됩니다. .
우리는 튜토리얼에서 이에 대해 자세히 배울 것입니다.
파이썬 데이터 구조
Python은 네 가지 내장 데이터 구조를 제공합니다. 기울기 , 튜플 , 세트 , 그리고 사전 이를 통해 효율적인 방식으로 데이터를 저장할 수 있습니다. 다음은 Python에서 일반적으로 사용되는 데이터 구조와 예제 코드입니다.
1. 목록
- 목록은 주문한 컬렉션 다양한 데이터 유형의 데이터 요소.
- 목록은 변하기 쉬운 이는 목록이 언제든지 수정될 수 있음을 의미합니다.
- 요소는 다음과 같습니다. 인덱스를 사용하여 액세스 .
- 대괄호 '를 사용하여 정의됩니다. [] '.
예:
Git에서 체크아웃
# 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)
산출:
fuirts[1] = banana fruits = ['apple', 'banana', 'cherry', 'orange'] sum_nums = 15
2. 튜플
- 튜플은 또한 주문한 컬렉션 목록과 유사하게 다양한 데이터 유형의 데이터 요소로 구성됩니다.
- 요소는 다음과 같습니다. 인덱스를 사용하여 액세스 .
- 튜플은 불변 즉, 튜플은 일단 생성되면 수정할 수 없습니다.
- 여는 대괄호 '를 사용하여 정의됩니다. () '.
예:
# 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_)
산출:
(x, y) = 3 4 Tuple = ('apple', 'banana', 'cherry', 'orange')
3. 세트
- 세트는 정렬되지 않은 다양한 데이터 유형의 불변 데이터 요소 모음.
- 세트는 변하기 쉬운 .
- 인덱스를 사용하여 요소에 액세스할 수 없습니다.
- 세트 중복된 요소를 포함하지 마세요 .
- 중괄호 '를 사용하여 정의됩니다. {} '
예:
# 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) 산출:
set1 = {1, 2, 3, 4} set2 = {'apple', 'cherry', 'orange', 'banana'} 4. 사전
- 사전은 키-값 쌍 값을 고유 키와 연결할 수 있습니다.
- 중괄호 '를 사용하여 정의됩니다. {} ' 키-값 쌍 사용 콜론 ':'으로 구분 .
- 사전은 변하기 쉬운 .
- 키를 사용하여 요소에 액세스할 수 있습니다.
예:
# Create a dictionary person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} print('person =', person) print(person['name']) # Modify Dictionary person['age'] = 27 print('person =', person) 산출:
person = {'name': 'Umesh', 'age': 25, 'city': 'Noida'} Umesh person = {'name': 'Umesh', 'age': 27, 'city': 'Noida'} 이는 Python에 내장된 데이터 구조의 몇 가지 예일 뿐입니다. 각 데이터 구조에는 고유한 특성과 사용 사례가 있습니다.
Python 함수형 프로그래밍
Python 튜토리얼의 이 섹션에서는 람다 및 재귀 함수와 같은 함수형 프로그래밍과 관련된 몇 가지 중요한 도구를 정의합니다. 이러한 기능은 복잡한 작업을 수행하는 데 매우 효율적입니다. 우리는 축소, 매핑 및 필터와 같은 몇 가지 중요한 기능을 정의합니다. Python은 다양한 기능적 프로그래밍 도구가 포함된 functools 모듈을 제공합니다. 함수형 프로그래밍에 대해 자세히 알아보려면 다음 튜토리얼을 방문하세요.
최신 버전의 Python에는 함수형 프로그래밍을 더욱 간결하고 표현력 있게 만드는 기능이 도입되었습니다. 예를 들어, 'walrus Operator':=는 표현식에서 인라인 변수 할당을 허용하며, 이는 중첩된 함수 호출이나 목록 이해 작업을 수행할 때 유용할 수 있습니다.
파이썬 함수
- 람다 함수 - 람다 함수는 작습니다. 익명 함수 인수는 여러 개 사용할 수 있지만 표현식은 하나만 가질 수 있습니다. Lambda 함수는 이름이 지정된 함수를 정의하지 않고 '즉시' 함수를 생성하기 위해 함수형 프로그래밍에서 자주 사용됩니다.
- 재귀 함수 - 재귀 함수는 문제를 해결하기 위해 자신을 호출하는 함수입니다. 재귀 함수는 함수형 프로그래밍에서 복잡한 계산을 수행하거나 복잡한 데이터 구조를 탐색하는 데 자주 사용됩니다.
- 지도 기능 - map() 함수는 주어진 함수를 iterable의 각 항목에 적용하고 결과와 함께 새로운 iterable을 반환합니다. 입력 반복 가능 항목은 목록, 튜플 또는 기타일 수 있습니다.
- 필터 기능 - filter() 함수는 첫 번째 인수로 전달된 함수가 True를 반환하는 iterable에서 반복자를 반환합니다. 주어진 조건을 충족하지 않는 iterable의 항목을 필터링합니다.
- 기능 감소 - Reduce() 함수는 두 인수의 함수를 iterable 항목에 누적적으로 적용하여 왼쪽에서 오른쪽으로 단일 값으로 줄입니다.
- functools 모듈 - Python의 functools 모듈은 부분() 및 감소()와 같은 다른 함수에서 작동하는 고차 함수를 제공합니다.
- 커링 기능 - 커링 함수는 여러 인수를 사용하고 각각 단일 인수를 사용하는 일련의 함수를 반환하는 함수입니다.
- 메모 기능 - 메모이제이션은 비용이 많이 드는 함수 호출의 결과를 캐시하고 동일한 입력이 다시 발생할 때 캐시된 결과를 반환하기 위해 함수형 프로그래밍에 사용되는 기술입니다.
- 스레딩 기능 - 스레딩은 함수형 프로그래밍에서 여러 작업을 동시에 실행하여 코드를 보다 효율적이고 빠르게 만드는 데 사용되는 기술입니다.
파이썬 모듈
Python 모듈은 Python 코드나 함수를 포함하는 프로그램 파일입니다. Python에는 사용자 정의 모듈과 내장 모듈이라는 두 가지 유형의 모듈이 있습니다. 사용자가 정의한 모듈 또는 .py 확장자로 저장된 Python 코드는 사용자 정의 모듈로 처리됩니다.
내장 모듈은 미리 정의된 Python 모듈입니다. 모듈의 기능을 사용하려면 현재 작업 중인 프로그램으로 모듈을 가져와야 합니다.
Python 모듈은 모든 Python 프로그램으로 가져올 수 있는 재사용 가능한 코드와 기능을 제공하므로 언어 생태계에 필수적입니다. 다음은 각각에 대한 간략한 설명과 함께 여러 Python 모듈의 몇 가지 예입니다.
수학 : 사용자에게 수학 상수, 파이 및 삼각 함수에 대한 액세스를 제공합니다.
날짜 시간 : 날짜, 시간 및 기간을 조작하는 더 간단한 방법을 위한 클래스를 제공합니다.
너 : 프로세스 관리 및 파일 시스템 활동을 포함하여 기본 운영 체제와의 상호 작용을 가능하게 합니다.
무작위의 : 무작위 함수는 무작위 정수를 생성하고 목록에서 무작위 항목을 선택하는 도구를 제공합니다.
JSON : JSON은 인코딩 및 디코딩이 가능한 데이터 구조로, 온라인 API 및 데이터 교환에 자주 사용됩니다. 이 모듈을 사용하면 JSON을 처리할 수 있습니다.
답장 : 강력한 텍스트 검색 및 텍스트 조작 도구인 정규식을 지원합니다.
컬렉션 : 정렬된 사전, 기본 사전 및 명명된 튜플과 같은 대체 데이터 구조를 제공합니다.
넘파이 : NumPy는 배열과 행렬에 대한 수치 연산을 지원하는 과학 컴퓨팅을 위한 핵심 툴킷입니다.
팬더 : 시계열 및 기타 구조화된 데이터 유형을 처리하기 위한 상위 수준의 데이터 구조 및 작업을 제공합니다.
요청사항 : 웹 API에 대한 간단한 사용자 인터페이스를 제공하고 HTTP 요청을 수행합니다.
Python 파일 I/O
파일은 컴퓨터 디스크에 데이터를 저장하는 데 사용됩니다. 이 튜토리얼에서는 Python의 내장 파일 객체에 대해 설명합니다. Python 스크립트를 사용하여 파일을 열고 쓰기, 읽기, 추가 등 다양한 작업을 수행할 수 있습니다. 파일을 여는 방법은 다양합니다. 관련 예시를 들어 설명하겠습니다. 또한 바이너리 파일에 대한 읽기/쓰기 작업을 수행하는 방법도 배웁니다.
Python의 파일 입출력(I/O) 시스템 디스크에 저장된 파일과 통신하는 프로그램을 제공합니다. 파일 객체에 대한 Python의 내장 메서드를 사용하면 파일 읽기, 쓰기, 데이터 추가와 같은 작업을 수행할 수 있습니다.
그만큼 열려 있는() Python의 메소드는 파일 작업 시 파일 객체를 만듭니다. 열려는 파일의 이름과 파일이 열리는 모드는 이 함수에 필요한 두 가지 매개변수입니다. ' 등 파일로 처리해야 하는 작업에 따라 모드를 사용할 수 있습니다. 아르 자형 '읽기 위해' ~ 안에 '글을 쓰거나' ㅏ '를 붙이기 위한 것입니다.
객체를 성공적으로 생성한 후 작업에 따라 다양한 방법을 사용할 수 있습니다. 파일에 쓰고 싶다면 write() 함수를 사용할 수 있고, 둘 다 읽고 쓰려면 add() 함수를 사용할 수 있습니다. read() 함수를 사용할 수 있는 파일입니다. 텍스트 형식이 아닌 바이너리 형식의 데이터를 포함하는 바이너리 파일도 Python을 사용하여 작업할 수 있습니다. 바이너리 파일은 사람이 직접 이해할 수 없는 방식으로 작성됩니다. 그만큼 rb 그리고 wb 모드는 바이너리 파일에서 바이너리 데이터를 읽고 쓸 수 있습니다.
파이썬 예외
예외는 프로그램의 흐름을 중단시키는 프로그램의 비정상적인 조건으로 정의될 수 있습니다.
예외가 발생할 때마다 프로그램은 실행을 중지하므로 다른 코드는 실행되지 않습니다. 따라서 Python 스크립트를 처리할 수 없는 런타임 오류는 예외입니다. 예외는 오류를 나타내는 Python 객체입니다.
파이썬 예외 Python 프로그래밍에서 오류 처리의 중요한 측면입니다. 프로그램에서 예상치 못한 상황이나 오류가 발생하면 예외가 발생하여 프로그램의 정상적인 흐름이 중단될 수 있습니다.
Python에서 예외는 오류 유형 및 메시지를 포함하여 오류에 대한 정보가 포함된 개체로 표시됩니다. Python에서 가장 일반적인 유형의 예외는 다른 모든 내장 예외의 기본 클래스인 Exception 클래스입니다.
Python에서 예외를 처리하기 위해 다음을 사용합니다. 노력하다 그리고 제외하고 진술. 그만큼 노력하다 문은 예외를 발생시킬 수 있는 코드를 묶는 데 사용됩니다. 제외하고 문은 예외가 발생할 때 실행되어야 하는 코드 블록을 정의하는 데 사용됩니다.
예를 들어 다음 코드를 고려해보세요.
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')
산출:
Enter a number: 0 Error: Division by zero
이 코드에서는 try 문을 사용하여 나누기 작업을 수행하려고 합니다. 이러한 작업 중 하나에서 예외가 발생하면 일치하는 Except 블록이 실행됩니다.
Python은 또한 유사한 상황에서 발생할 수 있는 많은 내장 예외를 제공합니다. 몇 가지 일반적인 내장 예외는 다음과 같습니다. IndexError, TypeError , 그리고 이름오류 . 또한 Exception 클래스에서 상속되는 새 클래스를 생성하여 사용자 정의 예외를 정의할 수 있습니다.
파이썬 CSV
CSV는 '쉼표로 구분된 값'을 의미하며, 이는 특정 구조를 사용하여 표 형식의 데이터를 정렬하는 간단한 파일 형식으로 정의됩니다. 스프레드시트나 데이터베이스와 같은 표 형식의 데이터를 일반 텍스트로 저장하며 데이터 교환을 위한 공통 형식을 갖습니다. CSV 파일은 Excel 시트로 열리고 행과 열 데이터는 표준 형식을 정의합니다.
CSV.reader 함수를 사용하여 CSV 파일을 읽을 수 있습니다. 이 함수는 CSV 파일의 행을 반복하는 데 사용할 수 있는 판독기 개체를 반환합니다. 각 행은 값 목록으로 반환되며, 여기서 각 값은 CSV 파일의 열에 해당합니다.
예를 들어 다음 코드를 고려해보세요.
import csv with open('data.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)
여기서는 data.csv 파일을 읽기 모드로 열고 csv.reader 를 사용하는 객체 csv.reader() 기능. 그런 다음 for 루프를 사용하여 CSV 파일의 행을 반복하고 각 행을 콘솔에 인쇄합니다.
우리는 CSV.작성기() CSV 파일에 데이터를 쓰는 기능입니다. CSV 파일에 행을 쓰는 데 사용할 수 있는 작성기 개체를 반환합니다. 다음을 호출하여 행을 쓸 수 있습니다. 작가 () 작성기 개체에 대한 메서드입니다.
예를 들어 다음 코드를 고려해보세요.
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)
이 프로그램에서는 데이터라는 목록 목록을 만듭니다. 여기서 각 내부 목록은 데이터 행을 나타냅니다. 그런 다음 data.csv 파일을 쓰기 모드로 열고 CSV.작성자 CSV.writer 함수를 사용하는 개체입니다. 그런 다음 for 루프를 사용하여 데이터의 행을 반복하고 기록기 방법을 사용하여 각 행을 CSV 파일에 씁니다.
Python 메일 보내기
Python 스크립트를 사용하여 메일을 보내거나 읽을 수 있습니다. Python의 표준 라이브러리 모듈은 PoP3 및 IMAP과 같은 다양한 프로토콜을 처리하는 데 유용합니다. 파이썬은 다음을 제공합니다. smtplib SMTP(Simple Mail Transfer Protocol)를 사용하여 이메일을 보내기 위한 모듈입니다. Python 스크립트에서 널리 사용되는 이메일 서비스인 SMTP를 사용하여 메일을 보내는 방법을 알아봅니다.
Python 매직 메소드
Python 매직 메소드는 클래스에 '마법'을 추가하는 특수 메소드입니다. 예를 들어, 이중 밑줄로 시작하고 끝납니다. _더운_ 또는 _str_ .
내장 클래스는 많은 매직 메소드를 정의합니다. 그만큼 너() 함수를 사용하면 클래스가 상속한 매직 메서드의 수를 확인할 수 있습니다. 메소드 이름에는 두 개의 접두사와 접미사 밑줄이 있습니다.
- Python 매직 메소드는 다음과 같이 알려져 있습니다. 던더 메소드 , 이름이 이중 밑줄로 시작하고 끝나기 때문에 '이중 밑줄' 메소드의 약자입니다.
- 마법의 방법 객체가 생성되거나 다른 객체와 비교되거나 인쇄될 때와 같은 특정 상황에서 Python 인터프리터에 의해 자동으로 호출됩니다.
- 매직 메서드를 사용하면 객체를 비교하거나 문자열로 변환하거나 컨테이너로 액세스하는 방법을 정의하는 등 클래스의 동작을 사용자 정의할 수 있습니다.
- 일반적으로 사용되는 일부 매직 메소드는 다음과 같습니다. 열 객체를 초기화하는 경우 str, 객체를 문자열로 변환하는 경우, eq 두 객체가 동일한지 비교하기 위해 제목이 붙은 그리고 설정 항목 컨테이너 개체의 항목에 액세스합니다.
예를 들어, str 매직 메소드는 객체가 문자열로 표현되는 방법을 정의할 수 있습니다. 여기에 예가 있습니다
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) 산출:
Vikas (22)
이 예제에서 str 메소드는 사람의 이름과 나이가 포함된 Person 객체의 형식화된 문자열 표현을 반환하도록 정의되었습니다.
일반적으로 사용되는 또 다른 매직 방법은 다음과 같습니다. eq , 객체가 동일한지 비교하는 방법을 정의합니다. 예는 다음과 같습니다.
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)
산출:
False True
이 예에서는 eq 메서드는 두 Point 객체가 동일한 x 및 y 좌표를 갖는 경우 True를 반환하고 그렇지 않으면 False를 반환하도록 정의됩니다.
Python 이런 개념
Python의 모든 것은 정수 값, 부동 소수점, 함수, 클래스 및 없음을 포함하여 객체로 처리됩니다. 그 외에도 Python은 모든 지향적 개념을 지원합니다. 다음은 Python의 Oops 개념에 대한 간략한 소개입니다.
- 클래스와 객체 - Python 클래스는 객체의 청사진입니다. 객체는 데이터와 데이터에 작용하는 메서드의 모음입니다.
- 계승 - 상속은 한 클래스가 다른 클래스의 속성을 상속하는 기술입니다.
- 건설자 - Python은 생성자라고 알려진 특수 메서드 __init__()를 제공합니다. 이 메서드는 개체가 인스턴스화될 때 자동으로 호출됩니다.
- 다형성 - 다형성은 객체가 다양한 형태를 취할 수 있다는 개념입니다. Python에서는 메서드 오버로딩과 메서드 재정의를 통해 다형성을 달성할 수 있습니다.
- 메소드 재정의 - 메소드 오버라이딩(Method Overriding)은 하위 클래스가 상위 클래스에 이미 정의된 메소드를 구현하는 개념입니다.
- 캡슐화 - 캡슐화는 데이터와 메소드를 단일 단위로 묶는 것입니다. Python에서는 공개, 비공개, 보호와 같은 액세스 한정자를 통해 캡슐화가 이루어집니다. 그러나 Python은 액세스 한정자를 엄격하게 적용하지 않으며 명명 규칙은 액세스 수준을 나타냅니다.
- 데이터 추상화 : 데이터의 복잡성을 숨기고 꼭 필요한 기능만 사용자에게 보여주는 기술입니다. 데이터와 상호작용할 수 있는 인터페이스를 제공합니다. 데이터 추상화는 복잡성을 줄이고 코드를 더욱 모듈화하여 개발자가 프로그램의 필수 기능에 집중할 수 있도록 합니다.
죄송합니다. 개념을 자세히 읽으려면 다음 리소스를 방문하세요.
- Python Oops Concepts - Python에서 객체 지향 패러다임은 클래스와 객체를 사용하여 프로그램을 설계하는 것입니다. 객체는 책, 집, 연필 등과 같은 실제 단어 엔터티와 관련되어 있으며 클래스는 객체의 속성과 동작을 정의합니다.
- Python 개체 및 클래스 - Python에서 객체는 클래스의 인스턴스이고 클래스는 데이터의 구조와 동작을 정의하는 청사진입니다.
- 파이썬 생성자 - 생성자는 객체가 생성될 때 객체의 속성을 초기화하는 데 사용되는 클래스의 특수 메서드입니다.
- 파이썬 상속 - 상속은 새로운 클래스(하위 클래스 또는 하위 클래스)가 기존 클래스(상위 클래스 또는 상위 클래스)의 속성과 동작을 상속하는 메커니즘입니다.
- Python 다형성 - 다형성을 통해 서로 다른 클래스의 객체를 공통 슈퍼클래스의 객체로 처리할 수 있으므로 공통 인터페이스를 통해 서로 다른 클래스를 상호 교환하여 사용할 수 있습니다.
Python 고급 주제
Python에는 프로그래머가 복잡한 작업을 해결하는 데 도움이 되는 많은 발전과 유용한 개념이 포함되어 있습니다. 이러한 개념은 아래에 나와 있습니다.
파이썬 반복자
반복자는 단순히 반복할 수 있는 객체입니다. 한 번에 하나의 객체를 반환합니다. 두 가지 특별한 방법을 사용하여 구현할 수 있습니다. __iter__() 그리고 __next__().
Python의 반복자는 데이터 컬렉션에 대한 반복을 허용하는 객체입니다. 전체 컬렉션을 메모리에 로드하지 않고 각 컬렉션 요소를 개별적으로 처리합니다.
예를 들어, 주어진 한계까지 숫자의 제곱을 반환하는 반복자를 만들어 보겠습니다.
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></=> 이 예제에서는 __iter__() 및 __next__() 메서드를 구현하여 반복자 역할을 하는 Squares 클래스를 만들었습니다. __iter__() 메서드는 Object 자체를 반환하고 __next__() 메서드는 한계에 도달할 때까지 숫자의 다음 제곱을 반환합니다.
반복자에 대해 자세히 알아보려면 Python 반복자 튜토리얼을 방문하세요.
파이썬 생성기
파이썬 생성기 일련의 값을 생성 항복 문 사용 반복자를 반환하는 함수이기 때문에 반환이 아닙니다. 생성기는 로컬 상태를 유지하면서 함수 실행을 종료합니다. 다시 시작하면 중단된 부분부터 다시 시작됩니다. 이 기능 덕분에 반복자 프로토콜을 구현할 필요가 없기 때문에 반복자 작성이 더 간단해졌습니다. 다음은 숫자의 제곱을 생성하는 간단한 생성기 함수의 그림입니다.
# 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)
산출:
0 1 4 9 16
파이썬 수정자
파이썬 데코레이터 다른 함수의 동작을 수정하는 데 사용되는 함수입니다. 코드를 직접 수정하지 않고도 기존 함수에 기능을 추가할 수 있습니다. 데코레이터는 다음을 사용하여 정의됩니다. @ 기호 뒤에 데코레이터 함수의 이름이 옵니다. 로깅, 타이밍, 캐싱 등에 사용될 수 있습니다.
다음은 다른 함수에 타이밍 기능을 추가하는 데코레이터 함수의 예입니다.
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) 산출:
위의 예에서 time_it 데코레이터 함수는 다른 함수를 인수로 사용하고 래퍼 함수를 반환합니다. 래퍼 함수는 원래 함수를 실행하는 데 걸리는 시간을 계산하여 콘솔에 출력합니다. @time_it 데코레이터는 time_it 함수를 my_function 함수에 적용하는 데 사용됩니다. my_function이 호출되면 데코레이터가 실행되고 타이밍 기능이 추가됩니다.
파이썬 MySQL
Python MySQL은 강력한 관계형 데이터베이스 관리 시스템입니다. Python에서 MySQL을 사용하기 위해서는 환경을 설정하고 연결을 설정해야 합니다. Python에서 SQL 명령을 사용하여 새 데이터베이스와 테이블을 만들 수 있습니다.
- 환경설정 : MySQL에서 Python을 사용하기 위해 MySQL 커넥터/Python을 설치하고 구성합니다.
- 데이터베이스 연결 : MySQL Connector/Python을 사용하여 Python과 MySQL 데이터베이스 간의 연결을 설정합니다.
- 새 데이터베이스 생성 : Python을 사용하여 MySQL에서 새 데이터베이스를 생성합니다.
- 테이블 생성 : SQL 명령을 사용하여 Python으로 MySQL 데이터베이스에 테이블을 생성합니다.
- 삽입 작업 : Python 및 SQL 명령을 사용하여 MySQL 테이블에 데이터를 삽입합니다.
- 읽기 작업 : Python 및 SQL 명령을 사용하여 MySQL 테이블에서 데이터를 읽습니다.
- 업데이트 작업 : Python 및 SQL 명령을 사용하여 MySQL 테이블의 데이터를 업데이트합니다.
- 조인 작업 : Python 및 SQL 명령을 사용하여 MySQL에서 두 개 이상의 테이블을 조인합니다.
- 거래 수행 : Python을 사용하여 MySQL에서 단일 작업 단위로 SQL 쿼리 그룹을 수행합니다.
다른 관련 사항으로는 오류 처리, 인덱스 생성, Python을 사용하여 MySQL의 저장 프로시저 및 함수 사용 등이 있습니다.
파이썬 몽고DB
Python MongoDB는 JSON과 유사한 문서에 데이터를 저장하는 인기 있는 NoSQL 데이터베이스입니다. 스키마가 없으며 데이터 저장에 높은 확장성과 유연성을 제공합니다. MongoDB와 상호 작용하기 위한 간단하고 직관적인 인터페이스를 제공하는 PyMongo 라이브러리를 사용하여 Python과 함께 MongoDB를 사용할 수 있습니다.
다음은 Python에서 MongoDB를 사용할 때 발생하는 몇 가지 일반적인 작업입니다.
- 환경설정 : 시스템에 MongoDB 및 PyMongo 라이브러리를 설치하고 구성합니다.
- 데이터베이스 연결 : PyMongo의 MongoClient 클래스를 사용하여 MongoDB 서버에 연결합니다.
- 새 데이터베이스 만들기 : MongoClient 개체를 사용하여 새 데이터베이스를 만듭니다.
- 컬렉션 만들기 : 문서를 저장하기 위해 데이터베이스 내에 컬렉션을 만듭니다.
- 문서 삽입 : insert_one() 또는 insert_many() 메서드를 사용하여 컬렉션에 새 문서를 삽입합니다.
- 문서 쿼리 : find_one(), find() 등과 같은 다양한 쿼리 메소드를 사용하여 컬렉션에서 문서를 검색합니다.
- 문서 업데이트 중 : update_one() 또는 update_many() 메서드를 사용하여 컬렉션의 기존 문서를 수정합니다.
- 문서 삭제 : delete_one() 또는 delete_many() 메서드를 사용하여 컬렉션에서 문서를 제거합니다.
- 집합 : 집계 파이프라인 프레임워크를 사용하여 그룹화, 계산 등과 같은 집계 작업을 수행합니다.
MongoDB에는 데이터 샤딩, 복제 등과 같은 고급 주제가 많이 있지만 이러한 작업에서는 Python에서 MongoDB 작업에 대한 기본 사항을 다룹니다.
파이썬 SQLite
관계형 데이터베이스는 소형, 서버리스, 독립형 데이터베이스 엔진인 Python SQLite를 사용하여 구축 및 유지 관리됩니다. 이동성과 단순성으로 인해 로컬 또는 소규모 애플리케이션에 널리 사용되는 옵션입니다. Python에는 SQLite3이라는 SQLite 데이터베이스에 연결하기 위한 내장 모듈이 있어 개발자가 어려움 없이 SQLite 데이터베이스로 작업할 수 있습니다.
SQL 쿼리를 실행하고 데이터를 삽입, 선택, 업데이트 및 제거하고 테이블에서 데이터를 가져오는 데 사용할 수 있는 SQLite3 라이브러리를 통해 다양한 API 메서드를 사용할 수 있습니다. 또한 문제가 발생할 경우 프로그래머가 변경 사항을 취소할 수 있도록 트랜잭션을 허용합니다. Python SQLite는 데스크톱, 모바일 및 적당한 크기의 웹 프로그램을 포함하여 내장형 데이터베이스 시스템이 필요한 프로그램을 만드는 데 환상적인 옵션입니다. SQLite는 사용 용이성, 이식성 및 Python과의 원활한 연결 덕분에 데이터베이스 기능을 갖춘 경량 앱 개발자들 사이에서 인기를 얻었습니다.
파이썬 CGI
파이썬 CGI 동적 온라인 콘텐츠를 생성하기 위해 웹 서버를 통해 스크립트를 실행하는 기술입니다. 외부 CGI 스크립트와 웹 서버를 위한 통신 채널과 동적 콘텐츠 생성 인터페이스를 제공합니다. Python CGI 스크립트는 HTML 웹 페이지를 생성하고 양식 입력을 처리하며 데이터베이스와 통신할 수 있습니다. Python CGI를 사용하면 서버에서 Python 스크립트를 실행하고 결과를 클라이언트에 제공할 수 있으므로 동적 온라인 애플리케이션을 만드는 데 빠르고 효과적인 접근 방식을 제공할 수 있습니다.
Python CGI 스크립트는 동적 웹 페이지 생성, 양식 처리, 데이터베이스와의 상호 작용 등 다양한 용도로 사용될 수 있습니다. 강력하고 인기 있는 프로그래밍 언어인 Python을 사용하여 스크립트를 생성할 수 있으므로 웹 생성에 대한 보다 맞춤화되고 유연한 접근 방식이 가능합니다. Python CGI를 사용하면 확장 가능하고 안전하며 유지 관리 가능한 온라인 애플리케이션을 만들 수 있습니다. Python CGI는 동적인 대화형 온라인 애플리케이션을 구축하는 웹 개발자를 위한 편리한 도구입니다.
Python의 비동기 프로그래밍
비동기 프로그래밍 활동의 독립적이고 동시적인 운영을 가능하게 하는 컴퓨터 프로그래밍의 패러다임입니다. 이는 여러 작업이나 요청을 동시에 처리해야 하는 웹 서버, 데이터베이스 소프트웨어 및 네트워크 프로그래밍과 같은 응용 프로그램에서 자주 사용됩니다.
Python에는 비동기 프로그래밍을 위한 라이브러리와 프레임워크 중에 asyncio, Twisted 및 Tornado가 있습니다. 이들 중 하나인 Asyncio는 비동기 프로그래밍을 위한 간단한 인터페이스를 제공하며 Python의 공식 비동기 프로그래밍 라이브러리입니다.
코루틴은 코드의 특정 위치에서 중지 및 다시 시작될 수 있고 asyncio에서 활용되는 기능입니다. 이를 통해 수많은 코루틴이 서로 간섭하지 않고 동시에 작동할 수 있습니다. 코루틴을 구성하고 유지 관리하기 위해 라이브러리는 다음을 포함한 여러 클래스와 메서드를 제공합니다. asyncio.gather(), asyncio.wait(), 그리고 asyncio.create_task().
코루틴을 계획하고 운영하는 이벤트 루프는 asyncio의 또 다른 기능입니다. 비차단 방식으로 코루틴 사이를 순환함으로써 이벤트 루프는 코루틴의 실행을 제어하고 코루틴이 다른 코루틴을 차단하지 않도록 보장합니다. 또한 타이머 및 예약 콜백을 지원하므로 지정된 시간이나 간격으로 활동을 완료해야 할 때 도움이 될 수 있습니다.
Python 동시성
용어 ' 동시성 '는 여러 작업을 동시에 수행하여 프로그램의 효율성을 높이는 프로그램의 능력을 설명합니다. Python은 비동기 프로그래밍, 다중 처리 및 다중 스레딩을 포함하여 여러 모듈과 동시성 관련 방법을 제공합니다. 멀티프로세싱에는 시스템에서 많은 프로세스를 동시에 실행하는 것이 포함되지만, 멀티스레딩에는 단일 프로세스 내에서 동시에 수많은 스레드를 실행하는 것이 포함됩니다.
그만큼 스레딩 모듈 Python에서는 프로그래머가 멀티스레딩을 구축할 수 있습니다. 스레드를 설정하고 제어하기 위한 클래스와 작업을 제공합니다. 반대로, 다중 처리 모듈을 사용하면 개발자가 프로세스를 설계하고 제어할 수 있습니다. Python의 asyncio 모듈은 비동기 프로그래밍 지원을 제공하므로 개발자는 여러 작업을 동시에 처리할 수 있는 비차단 코드를 작성할 수 있습니다. 이러한 기술을 사용하여 개발자는 여러 작업을 동시에 처리할 수 있는 확장 가능한 고성능 프로그램을 작성할 수 있습니다.
Python의 스레딩 모듈을 사용하면 단일 프로세스 내에서 여러 스레드를 동시에 실행할 수 있으며 이는 I/O 바인딩 활동에 유용합니다.
이미지 처리 또는 데이터 분석과 같은 CPU 집약적인 작업의 경우 다중 처리 모듈을 사용하면 여러 CPU 코어에서 동시에 수많은 프로세스를 실행할 수 있습니다.
asyncio 모듈은 비동기 I/O를 지원하고 동시성 네트워크 애플리케이션을 위한 코루틴을 사용하여 단일 스레드 동시 코드 생성을 허용합니다.
Dask와 같은 라이브러리를 사용하면 파이스파크 , MPI, Python은 병렬 컴퓨팅에도 사용될 수 있습니다. 이러한 라이브러리를 사용하면 더 나은 성능을 위해 워크로드를 수많은 노드 또는 클러스터에 분산할 수 있습니다.
Python을 사용한 웹 스크래핑
웹 스크래핑 프로세스는 웹사이트에서 자동으로 데이터를 검색하는 데 사용됩니다. 다양한 도구와 라이브러리는 HTML 및 기타 온라인 형식에서 데이터를 추출합니다. Python은 사용 용이성, 적응성 및 다양한 라이브러리로 인해 웹 스크래핑에 가장 널리 사용되는 프로그래밍 언어 중 하나입니다.
Python을 사용하여 웹 스크래핑을 수행하려면 몇 가지 단계를 수행해야 합니다. 먼저 어떤 웹사이트를 스크랩할지, 어떤 정보를 수집할지 결정해야 합니다. 그런 다음 웹사이트에 요청을 제출하고 Python의 요청 패키지를 사용하여 HTML 콘텐츠를 받을 수 있습니다. HTML 텍스트가 있으면 다음과 같은 다양한 구문 분석 패키지를 사용하여 필요한 데이터를 추출할 수 있습니다. 아름다운 수프와 lxml .
요청 속도를 늦추고, 사용자 에이전트를 사용하고, 프록시를 사용하는 등의 여러 전략을 사용하여 웹 사이트 서버에 과부하가 걸리는 것을 방지할 수 있습니다. 웹사이트의 서비스 약관을 준수하고 robots.txt 파일을 존중하는 것도 중요합니다.
웹 스크래핑에는 데이터 마이닝, 리드 생성, 가격 추적 및 더 많은 용도가 가능합니다. 그러나 무단 웹 스크래핑은 위법적이고 비윤리적인 행위이므로 전문적이고 윤리적으로 활용하는 것이 중요합니다.
Python을 사용한 자연어 처리(NLP)
'자연어 처리'(NLP)라고 불리는 인공 지능(AI)의 한 분야는 컴퓨터와 인간 언어가 어떻게 상호 작용하는지 연구합니다. NLP 덕분에 컴퓨터는 이제 인간의 언어를 이해하고, 해석하고, 생성할 수 있습니다. 단순성, 다양성, NLTK(Natural Language Toolkit) 및 spaCy와 같은 강력한 라이브러리로 인해 Python은 NLP용으로 잘 알려진 프로그래밍 언어입니다.
토큰화, 형태소 분석, 표제어 추출, 품사 태깅, 명명된 엔터티 식별, 감정 분석 등을 포함한 NLP 작업을 위해 NLTK는 완전한 라이브러리를 제공합니다. NLP 모델을 개발하고 평가하기 위한 다양한 말뭉치(크고 조직화된 텍스트 모음)가 있습니다. NLP 작업을 위해 인기 있는 또 다른 라이브러리는 엄청난 양의 텍스트를 빠르고 효과적으로 처리할 수 있는 spaCy입니다. 간단한 수정 및 확장이 가능하며 다양한 NLP 워크로드에 대해 사전 훈련된 모델이 함께 제공됩니다.
NLP는 Python에서 챗봇, 감정 분석, 텍스트 분류, 기계 번역 등 다양한 실용적인 목적으로 사용될 수 있습니다. 예를 들어 NLP는 챗봇이 자연어 스타일로 사용자 문의를 이해하고 응답하기 위해 사용됩니다. 브랜드 모니터링, 고객 피드백 분석 및 기타 목적에 도움이 될 수 있는 감정 분석은 NLP를 사용하여 텍스트 감정(긍정적, 부정적 또는 중립)을 분류합니다. 텍스트 문서는 스팸 탐지, 뉴스 분류 및 기타 목적을 위해 자연어 처리(NLP)를 사용하여 사전 설정된 범주로 분류됩니다.
Python은 인간 언어를 분석하고 처리할 때 강력하고 유용한 도구입니다. 개발자는 NLTK, spaCy 등의 라이브러리를 활용해 다양한 NLP 활동을 수행하고 소비자와 자연어로 소통할 수 있는 유용한 앱을 만들 수 있습니다.
결론:
이 튜토리얼에서는 변수, 데이터 유형, 루프, 함수, 모듈 등을 포함하여 Python의 가장 중요한 기능과 아이디어 중 일부를 살펴보았습니다. 웹 스크래핑, 자연어 처리, 병렬성 및 데이터베이스 연결을 포함한 보다 복잡한 주제도 논의되었습니다. 이 단원에서 배운 정보를 사용하여 Python과 해당 응용 프로그램에 대해 계속 학습할 수 있는 강력한 기반을 갖게 될 것입니다.
해시셋 자바가 무엇인가요?
코드를 연습하고 개발하는 것이 Python을 배우는 가장 좋은 방법이라는 것을 기억하세요. 문서, 자습서, 온라인 그룹 등을 포함하여 추가 학습을 지원하기 위해 javaTpoint에서 많은 리소스를 찾을 수 있습니다. 열심히 일하고 끈기 있게 노력한다면 Python을 마스터하고 이를 사용하여 멋진 것을 만들 수 있습니다.
전제 조건
Python을 배우기 전에 프로그래밍 개념에 대한 기본 지식이 있어야 합니다.
청중
우리의 Python 튜토리얼은 초보자와 전문가를 돕기 위해 설계되었습니다.
문제
이 Python 튜토리얼에서는 어떤 문제도 발견하지 못할 것이라고 확신합니다. 하지만 실수가 있는 경우 문의 양식에 문제를 게시해 주세요.