Python Berorientasi Objek - Panduan Cepat

Bahasa pemrograman muncul secara konstan, dan begitu pula metodologi yang berbeda. Pemrograman berorientasi objek adalah salah satu metodologi yang telah menjadi sangat populer selama beberapa tahun terakhir.

Bab ini membahas tentang fitur-fitur bahasa pemrograman Python yang menjadikannya sebagai bahasa pemrograman berorientasi objek.

Skema Klasifikasi Pemrograman Bahasa

Python dapat dikarakterisasi di bawah metodologi pemrograman berorientasi objek. Gambar berikut menunjukkan karakteristik berbagai bahasa pemrograman. Amati fitur Python yang membuatnya berorientasi objek.

Kelas Bahasa Kategori Bahasa
Paradigma Pemrograman Prosedural C, C ++, C #, Objective-C, java, Go
Skrip CoffeeScript, JavaScript, Python, Perl, Php, Ruby
Fungsional Clojure, Eralang, Haskell, Scala
Kelas Kompilasi Statis C, C ++, C #, Objective-C, java, Go, Haskell, Scala
Dinamis CoffeeScript, JavaScript, Python, Perl, Php, Ruby, Clojure, Erlang
Ketik Kelas Kuat C #, java, Go, Python, Ruby, Clojure, Erlang, Haskell, Scala
Lemah C, C ++, C #, Objective-C, CoffeeScript, JavaScript, Perl, Php
Kelas Memori Dikelola Lainnya
Tidak terkelola C, C ++, C #, Objective-C

Apa itu Pemrograman Berorientasi Objek?

Object Orientedberarti diarahkan ke objek. Dengan kata lain, itu berarti secara fungsional diarahkan pada pemodelan objek. Ini adalah salah satu dari banyak teknik yang digunakan untuk memodelkan sistem yang kompleks dengan mendeskripsikan kumpulan objek yang berinteraksi melalui data dan perilakunya.

Python, sebuah pemrograman Berorientasi Objek (OOP), adalah cara pemrograman yang berfokus pada penggunaan objek dan kelas untuk merancang dan membangun aplikasi .. Pilar utama Pemrograman Berorientasi Objek (OOP) adalah Inheritance, Polymorphism, Abstraction, iklan Encapsulation.

Object Oriented Analysis (OOA) adalah proses memeriksa masalah, sistem atau tugas dan mengidentifikasi objek dan interaksi di antara mereka.

Mengapa Memilih Pemrograman Berorientasi Objek?

Python dirancang dengan pendekatan berorientasi objek. OOP menawarkan keuntungan sebagai berikut -

  • Menyediakan struktur program yang jelas, yang memudahkan untuk memetakan masalah dunia nyata dan solusinya.

  • Memfasilitasi pemeliharaan dan modifikasi kode yang ada dengan mudah.

  • Meningkatkan modularitas program karena setiap objek ada secara independen dan fitur baru dapat ditambahkan dengan mudah tanpa mengganggu yang sudah ada.

  • Menyajikan kerangka kerja yang baik untuk pustaka kode di mana komponen yang disediakan dapat dengan mudah diadaptasi dan dimodifikasi oleh pemrogram.

  • Memberikan kegunaan kembali kode

Pemrograman Berorientasi Objek vs. Prosedural

Pemrograman berbasis prosedural berasal dari pemrograman struktural berdasarkan konsep functions/procedure/routines. Mudah untuk mengakses dan mengubah data dalam pemrograman berorientasi prosedural. Di sisi lain, Pemrograman Berorientasi Objek (OOP) memungkinkan penguraian masalah menjadi sejumlah unit yang disebutobjectsdan kemudian membangun data dan fungsi di sekitar objek ini. Ini lebih menekankan pada data daripada prosedur atau fungsi. Juga di OOP, data disembunyikan dan tidak dapat diakses oleh prosedur eksternal.

Tabel pada gambar berikut menunjukkan perbedaan utama antara pendekatan POP dan OOP.

Perbedaan antara Pemrograman Berorientasi Prosedural (POP) vs. Pemrograman Berorientasi Objek (OOP).

Pemrograman Berorientasi Prosedural Pemrograman berorientasi objek
Berdasarkan Di Pop, seluruh fokus ada pada data dan fungsi Ups didasarkan pada skenario dunia nyata. Seluruh program dibagi menjadi beberapa bagian kecil yang disebut objek
Dapat digunakan kembali Penggunaan kembali Kode Terbatas Kode digunakan kembali
Pendekatan Pendekatan atas ke bawah Desain Berfokus pada Objek
Akses penentu Tidak ada Publik, pribadi, dan Dilindungi
Perpindahan data Data dapat bergerak bebas dari fungsi ke fungsi dalam sistem Di Ups, data dapat berpindah dan berkomunikasi satu sama lain melalui fungsi anggota
Akses data Dalam pop, sebagian besar fungsi menggunakan data global untuk berbagi yang dapat diakses secara bebas dari fungsi ke fungsi dalam sistem Di Ups, data tidak dapat bergerak bebas dari satu metode ke metode lainnya, dapat disimpan secara publik atau pribadi sehingga kami dapat mengontrol akses data
Menyembunyikan Data Dalam pop, cara khusus untuk menyembunyikan data, jadi sedikit kurang aman Ini menyediakan penyembunyian data, jauh lebih aman
Kelebihan beban Tidak memungkinkan Fungsi dan Kelebihan Operator
Contoh-Bahasa C, VB, Fortran, Pascal C ++, Python, Java, C #
Abstraksi Menggunakan abstraksi pada tingkat prosedur Menggunakan abstraksi pada level kelas dan objek

Prinsip Pemrograman Berorientasi Objek

Pemrograman Berorientasi Objek (OOP) didasarkan pada konsep objects daripada tindakan, dan databukan logika. Agar bahasa pemrograman menjadi berorientasi objek, ia harus memiliki mekanisme untuk memungkinkan bekerja dengan kelas dan objek serta implementasi dan penggunaan prinsip dan konsep berorientasi objek yang mendasar yaitu pewarisan, abstraksi, enkapsulasi, dan polimorfisme.

Mari kita pahami masing-masing pilar pemrograman berorientasi objek secara singkat -

Enkapsulasi

Properti ini menyembunyikan detail yang tidak perlu dan membuatnya lebih mudah untuk mengelola struktur program. Implementasi dan status setiap objek tersembunyi di balik batas yang ditentukan dengan baik dan menyediakan antarmuka yang bersih dan sederhana untuk bekerja dengannya. Salah satu cara untuk melakukannya adalah dengan membuat data menjadi pribadi.

Warisan

Pewarisan, juga disebut generalisasi, memungkinkan kita menangkap hubungan hierarki antara kelas dan objek. Misalnya, 'buah' adalah generalisasi dari 'jeruk'. Warisan sangat berguna dari perspektif penggunaan kembali kode.

Abstraksi

Properti ini memungkinkan kita untuk menyembunyikan detail dan hanya menampilkan fitur penting dari sebuah konsep atau objek. Misalnya, seseorang yang mengemudikan skuter tahu bahwa saat menekan klakson, suara akan dikeluarkan, tetapi dia tidak tahu bagaimana sebenarnya suara dihasilkan saat menekan klakson.

Polimorfisme

Polimorfisme berarti banyak bentuk. Artinya, suatu hal atau tindakan hadir dalam berbagai bentuk atau cara. Salah satu contoh polimorfisme yang baik adalah overloading konstruktor di kelas.

Python Berorientasi Objek

Inti dari pemrograman Python adalah object dan OOP, namun Anda tidak perlu membatasi diri untuk menggunakan OOP dengan mengatur kode Anda ke dalam kelas. OOP menambah filosofi desain Python secara keseluruhan dan mendorong cara yang bersih dan pragmatis untuk pemrograman. OOP juga memungkinkan penulisan program yang lebih besar dan kompleks.

Modul vs. Kelas dan Objek

Modul itu seperti "Kamus"

Saat mengerjakan Modul, perhatikan poin-poin berikut -

  • Modul Python adalah paket untuk merangkum kode yang dapat digunakan kembali.

  • Modul berada dalam folder dengan file __init__.py mengajukan di atasnya.

  • Modul berisi fungsi dan kelas.

  • Modul diimpor menggunakan import kata kunci.

Ingatlah bahwa kamus adalah a key-valuepasangan. Itu artinya jika Anda memiliki kamus dengan kunciEmployeID dan Anda ingin mengambilnya, maka Anda harus menggunakan baris kode berikut -

employee = {“EmployeID”: “Employee Unique Identity!”}
print (employee [‘EmployeID])

Anda harus mengerjakan modul dengan proses berikut -

  • Modul adalah file Python dengan beberapa fungsi atau variabel di dalamnya.

  • Impor file yang Anda butuhkan.

  • Sekarang, Anda dapat mengakses fungsi atau variabel dalam modul itu dengan '.' (dot) Operator.

Pertimbangkan modul bernama employee.py dengan fungsi di dalamnya disebut employee. Kode fungsi diberikan di bawah ini -

# this goes in employee.py
def EmployeID():
   print (“Employee Unique Identity!”)

Sekarang impor modul dan kemudian akses fungsinya EmployeID -

import employee
employee. EmployeID()

Anda dapat memasukkan variabel di dalamnya bernama Age, seperti yang ditunjukkan -

def EmployeID():
   print (“Employee Unique Identity!”)
# just a variable
Age = “Employee age is **”

Sekarang, akses variabel itu dengan cara berikut -

import employee
employee.EmployeID()
print(employee.Age)

Sekarang, mari bandingkan ini dengan kamus -

Employee[‘EmployeID’] # get EmployeID from employee
Employee.employeID() # get employeID from the module
Employee.Age # get access to variable

Perhatikan bahwa ada pola umum dalam Python -

  • Ambil a key = value wadah gaya

  • Dapatkan sesuatu darinya dengan nama kuncinya

Saat membandingkan modul dengan kamus, keduanya serupa, kecuali berikut ini -

  • Dalam kasus dictionary, kuncinya adalah string dan sintaksnya adalah [key].

  • Dalam kasus module, kuncinya adalah pengenal, dan sintaksnya adalah .key.

Kelas seperti Modul

Module adalah kamus khusus yang dapat menyimpan kode Python sehingga Anda bisa membukanya dengan '.' Operator. Kelas adalah cara untuk melakukan pengelompokan fungsi dan data dan menempatkannya di dalam wadah sehingga Anda dapat mengaksesnya dengan operator '.'.

Jika Anda harus membuat kelas yang mirip dengan modul karyawan, Anda dapat melakukannya menggunakan kode berikut -

class employee(object):
   def __init__(self):
      self. Age = “Employee Age is ##”
   def EmployeID(self):
      print (“This is just employee unique identity”)

Note- Kelas lebih disukai daripada modul karena Anda dapat menggunakannya kembali sebagaimana adanya dan tanpa banyak gangguan. Sedangkan dengan modul, Anda hanya memiliki satu dengan seluruh program.

Objek seperti Mini-impor

Kelas seperti a mini-module dan Anda dapat mengimpor dengan cara yang sama seperti yang Anda lakukan untuk kelas, menggunakan konsep yang disebut instantiate. Perhatikan bahwa saat Anda membuat instance kelas, Anda mendapatkanobject.

Anda dapat membuat instance objek, mirip dengan memanggil kelas seperti fungsi, seperti yang ditunjukkan -

this_obj = employee() # Instantiatethis_obj.EmployeID() # get EmployeId from the class
print(this_obj.Age) # get variable Age

Anda dapat melakukan ini dengan salah satu dari tiga cara berikut -

# dictionary style
Employee[‘EmployeID’]
# module style
Employee.EmployeID()
Print(employee.Age)
# Class style
this_obj = employee()
this_obj.employeID()
Print(this_obj.Age)

Bab ini akan menjelaskan secara rinci tentang pengaturan lingkungan Python di komputer lokal Anda.

Prasyarat dan Toolkit

Sebelum Anda melanjutkan belajar lebih jauh tentang Python, kami menyarankan Anda untuk memeriksa apakah prasyarat berikut terpenuhi -

  • Versi terbaru Python diinstal di komputer Anda

  • IDE atau editor teks diinstal

  • Anda memiliki pemahaman dasar untuk menulis dan men-debug dengan Python, yaitu Anda dapat melakukan hal berikut dengan Python -

    • Mampu menulis dan menjalankan program Python.

    • Debug program dan diagnosa kesalahan.

    • Bekerja dengan tipe data dasar.

    • Menulis for loop, while loop, dan if pernyataan

    • Kode functions

Jika Anda tidak memiliki pengalaman bahasa pemrograman, Anda dapat menemukan banyak tutorial pemula di Python

https://www.tutorialpoints.com/

Menginstal Python

Langkah-langkah berikut menunjukkan kepada Anda secara rinci cara menginstal Python di komputer lokal Anda -

Step 1 - Buka situs web resmi Python https://www.python.org/, klik pada Downloads menu dan pilih versi terbaru atau versi stabil pilihan Anda.

Step 2- Simpan file exe pemasang Python yang Anda unduh dan setelah Anda mengunduhnya, buka. KlikRun dan pilih Next opsi secara default dan selesaikan penginstalan.

Step 3- Setelah Anda menginstal, Anda sekarang akan melihat menu Python seperti yang ditunjukkan pada gambar di bawah. Mulai program dengan memilih IDLE (Python GUI).

Ini akan memulai shell Python. Ketik perintah sederhana untuk memeriksa penginstalan.

Memilih IDE

Lingkungan Pengembangan Terpadu adalah editor teks yang diarahkan untuk pengembangan perangkat lunak. Anda harus menginstal IDE untuk mengontrol aliran pemrograman Anda dan untuk mengelompokkan proyek bersama saat mengerjakan Python. Berikut adalah beberapa IDE yang tersedia secara online. Anda dapat memilih satu sesuai keinginan Anda.

  • IDE Pycharm
  • IDE Komodo
  • Eric Python IDE

Note - Eclipse IDE sebagian besar digunakan di Java, namun memiliki plugin Python.

Pycharm

Pycharm, IDE lintas platform adalah salah satu IDE paling populer yang tersedia saat ini. Ini memberikan bantuan dan analisis pengkodean dengan penyelesaian kode, proyek dan navigasi kode, pengujian unit terintegrasi, integrasi kontrol versi, debugging dan banyak lagi

Tautan unduhan

https://www.jetbrains.com/pycharm/download/#section=windows

Languages Supported - Python, HTML, CSS, JavaScript, Coffee Script, TypeScript, Cython, AngularJS, Node.js, bahasa template.

Screenshot

Mengapa Memilih?

PyCharm menawarkan fitur dan manfaat berikut bagi penggunanya -

  • IDE lintas platform kompatibel dengan Windows, Linux, dan Mac OS
  • Termasuk Django IDE, ditambah dukungan CSS dan JavaScript
  • Termasuk ribuan plugin, terminal terintegrasi dan kontrol versi
  • Terintegrasi dengan Git, SVN dan Mercurial
  • Menawarkan alat pengeditan cerdas untuk Python
  • Integrasi yang mudah dengan Virtualenv, Docker dan Vagrant
  • Fitur navigasi dan pencarian sederhana
  • Analisis kode dan pemfaktoran ulang
  • Injeksi yang dapat dikonfigurasi
  • Mendukung banyak pustaka Python
  • Berisi Template dan debugger JavaScript
  • Termasuk debugger Python / Django
  • Bekerja dengan Google App Engine, kerangka kerja dan pustaka tambahan.
  • Memiliki UI yang dapat disesuaikan, tersedia emulasi VIM

IDE Komodo

Ini adalah IDE poliglot yang mendukung 100+ bahasa dan pada dasarnya untuk bahasa dinamis seperti Python, PHP dan Ruby. Ini adalah IDE komersial yang tersedia untuk uji coba gratis 21 hari dengan fungsionalitas penuh. ActiveState adalah perusahaan perangkat lunak yang mengelola pengembangan Komodo IDE. Ia juga menawarkan versi Komodo yang dipangkas yang dikenal sebagai Komodo Edit untuk tugas-tugas pemrograman sederhana.

IDE ini berisi semua jenis fitur dari yang paling dasar hingga tingkat mahir. Jika Anda seorang pelajar atau pekerja lepas, maka Anda dapat membelinya hampir setengah dari harga sebenarnya. Namun, ini sepenuhnya gratis untuk guru dan profesor dari institusi dan universitas yang diakui.

Itu mendapat semua fitur yang Anda butuhkan untuk pengembangan web dan seluler, termasuk dukungan untuk semua bahasa dan kerangka kerja Anda.

Tautan unduhan

Tautan unduhan untuk Komodo Edit (versi gratis) dan Komodo IDE (versi berbayar) seperti yang diberikan di sini -

Komodo Edit (free)

https://www.activestate.com/komodo-edit

Komodo IDE (paid)

https://www.activestate.com/komodo-ide/downloads/ide

Screenshot

Mengapa Memilih?

  • IDE yang kuat dengan dukungan untuk Perl, PHP, Python, Ruby, dan banyak lagi.
  • IDE Lintas Platform.

Ini mencakup fitur-fitur dasar seperti dukungan debugger terintegrasi, pelengkapan otomatis, penampil Model Objek Dokumen (DOM), browser kode, shell interaktif, konfigurasi breakpoint, pembuatan profil kode, pengujian unit terintegrasi. Singkatnya, ini adalah IDE profesional dengan sejumlah fitur peningkatan produktivitas.

Eric Python IDE

Ini adalah IDE open-source untuk Python dan Ruby. Eric adalah editor dan IDE berfitur lengkap, ditulis dengan Python. Ini didasarkan pada toolkit GUI Qt lintas platform, yang mengintegrasikan kontrol editor Scintilla yang sangat fleksibel. IDE sangat dapat dikonfigurasi dan seseorang dapat memilih apa yang akan digunakan dan apa yang tidak. Anda dapat mengunduh Eric IDE dari tautan di bawah ini:

https://eric-ide.python-projects.org/eric-download.html

Mengapa Memilih

  • Lekukan bagus, penyorotan kesalahan.
  • Bantuan kode
  • Penyelesaian kode
  • Pembersihan kode dengan PyLint
  • Pencarian Cepat
  • Debugger Python terintegrasi.

Screenshot

Memilih Editor Teks

Anda mungkin tidak selalu membutuhkan IDE. Untuk tugas-tugas seperti belajar kode dengan Python atau Arduino, atau saat mengerjakan skrip cepat dalam skrip shell untuk membantu Anda mengotomatiskan beberapa tugas yang akan dilakukan editor teks berpusat kode sederhana dan ringan. Juga banyak editor teks menawarkan fitur seperti penyorotan sintaks dan eksekusi skrip dalam program, mirip dengan IDE. Beberapa editor teks diberikan di sini -

  • Atom
  • Teks Sublim
  • Notepad++

Editor Teks Atom

Atom adalah editor teks yang dapat diretas yang dibuat oleh tim GitHub. Ini adalah editor teks dan kode sumber terbuka dan gratis yang berarti bahwa semua kode tersedia untuk Anda baca, modifikasi untuk penggunaan Anda sendiri, dan bahkan berkontribusi untuk peningkatan. Ini adalah editor teks lintas platform yang kompatibel untuk macOS, Linux, dan Microsoft Windows dengan dukungan untuk plug-in yang ditulis dalam Node.js dan Git Control yang disematkan.

Tautan unduhan

https://atom.io/

Screenshot

Bahasa yang Didukung

C / C ++, C #, CSS, CoffeeScript, HTML, JavaScript, Java, JSON, Julia, Objective-C, PHP, Perl, Python, Ruby on Rails, Ruby, Shell script, Scala, SQL, XML, YAML dan banyak lagi.

Sublime Text Editor

Sublime text adalah perangkat lunak berpemilik dan menawarkan versi uji coba gratis untuk mengujinya sebelum Anda membelinya. Menurut stackoverflow.com , ini adalah Lingkungan Pengembangan terpopuler keempat.

Beberapa keuntungan yang diberikannya adalah kecepatan yang luar biasa, kemudahan penggunaan dan dukungan komunitas. Ini juga mendukung banyak bahasa pemrograman dan bahasa mark-up, dan fungsi dapat ditambahkan oleh pengguna dengan plugin, biasanya dibuat oleh komunitas dan dikelola di bawah lisensi perangkat lunak bebas.

Screenshot

Bahasa didukung

  • Python, Ruby, JavaScript, dll.

Mengapa Memilih?

  • Sesuaikan binding kunci, menu, cuplikan, makro, penyelesaian, dan lainnya.

  • Fitur penyelesaian otomatis

  • Sisipkan Teks & kode dengan cepat dengan cuplikan teks luhur menggunakan cuplikan, penanda bidang, dan pemegang tempat
  • Buka dengan Cepat

  • Dukungan Lintas Platform untuk Mac, Linux dan Windows.

  • Lompat kursor ke tempat yang Anda inginkan

  • Pilih Beberapa Garis, Kata dan Kolom

Notepad ++

Ini adalah editor kode sumber gratis dan pengganti Notepad yang mendukung beberapa bahasa dari Assembly ke XML dan termasuk Python. Berjalan di lingkungan MS windows, penggunaannya diatur oleh lisensi GPL. Selain penyorotan sintaks, Notepad ++ memiliki beberapa fitur yang sangat berguna bagi pembuat kode.

Screenshot

Fitur Utama

  • Penyorotan sintaks dan pelipatan sintaks
  • Pencarian / Ganti PCRE (Perl Compatible Regular Expression)
  • GUI yang sepenuhnya dapat disesuaikan
  • SAuto selesai
  • Pengeditan dengan tab
  • Multi-View
  • Lingkungan Multi-Bahasa
  • Dapat diluncurkan dengan argumen berbeda

Bahasa yang Didukung

  • Hampir setiap bahasa (60+ bahasa) seperti Python, C, C ++, C #, Java dll.

Struktur data Python sangat intuitif dari sudut pandang sintaks dan mereka menawarkan banyak pilihan operasi. Anda perlu memilih struktur data Python tergantung pada apa datanya, apakah perlu dimodifikasi, atau apakah itu adalah data tetap dan jenis akses apa yang diperlukan, seperti di awal / akhir / acak dll.

Daftar

A List merepresentasikan tipe struktur data yang paling serbaguna dengan Python. Daftar adalah wadah yang menyimpan nilai yang dipisahkan koma (item atau elemen) di antara tanda kurung siku. Daftar berguna saat kita ingin bekerja dengan beberapa nilai terkait. Karena daftar menyatukan data, kita dapat melakukan metode dan operasi yang sama pada beberapa nilai sekaligus. Indeks list dimulai dari nol dan tidak seperti string, list bisa berubah.

Struktur Data - Daftar

>>>
>>> # Any Empty List
>>> empty_list = []
>>>
>>> # A list of String
>>> str_list = ['Life', 'Is', 'Beautiful']
>>> # A list of Integers
>>> int_list = [1, 4, 5, 9, 18]
>>>
>>> #Mixed items list
>>> mixed_list = ['This', 9, 'is', 18, 45.9, 'a', 54, 'mixed', 99, 'list']
>>> # To print the list
>>>
>>> print(empty_list)
[]
>>> print(str_list)
['Life', 'Is', 'Beautiful']
>>> print(type(str_list))
<class 'list'>
>>> print(int_list)
[1, 4, 5, 9, 18]
>>> print(mixed_list)
['This', 9, 'is', 18, 45.9, 'a', 54, 'mixed', 99, 'list']

Mengakses Item dalam Daftar Python

Setiap item daftar diberi nomor - yaitu indeks atau posisi nomor tersebut. Indeks selalu dimulai dari nol, indeks kedua adalah satu dan seterusnya. Untuk mengakses item dalam daftar, kita dapat menggunakan nomor indeks ini dalam tanda kurung siku. Perhatikan kode berikut misalnya -

>>> mixed_list = ['This', 9, 'is', 18, 45.9, 'a', 54, 'mixed', 99, 'list']
>>>
>>> # To access the First Item of the list
>>> mixed_list[0]
'This'
>>> # To access the 4th item
>>> mixed_list[3]
18
>>> # To access the last item of the list
>>> mixed_list[-1]
'list'

Objek Kosong

Objek Kosong adalah tipe bawaan Python yang paling sederhana dan paling dasar. Kami telah menggunakannya berkali-kali tanpa menyadarinya dan telah memperluasnya ke setiap kelas yang kami buat. Tujuan utama menulis kelas kosong adalah untuk memblokir sesuatu untuk sementara waktu dan kemudian memperluas dan menambahkan perilaku padanya.

Menambahkan perilaku ke kelas berarti mengganti struktur data dengan objek dan mengubah semua referensi ke sana. Jadi penting untuk memeriksa data, apakah itu objek yang disamarkan, sebelum Anda membuat sesuatu. Perhatikan kode berikut untuk pemahaman yang lebih baik:

>>> #Empty objects
>>>
>>> obj = object()
>>> obj.x = 9
Traceback (most recent call last):
File "<pyshell#3>", line 1, in <module>
obj.x = 9
AttributeError: 'object' object has no attribute 'x'

Jadi dari atas, kita dapat melihat bahwa tidak mungkin menyetel atribut apa pun pada objek yang dibuat secara langsung. Ketika Python mengizinkan sebuah objek memiliki atribut arbitrer, dibutuhkan sejumlah memori sistem untuk melacak atribut apa yang dimiliki setiap objek, untuk menyimpan nama atribut dan nilainya. Meskipun tidak ada atribut yang disimpan, sejumlah memori dialokasikan untuk atribut baru yang potensial.

Jadi Python menonaktifkan properti arbitrer pada objek dan beberapa bawaan lainnya, secara default.

>>> # Empty Objects
>>>
>>> class EmpObject:
    pass
>>> obj = EmpObject()
>>> obj.x = 'Hello, World!'
>>> obj.x
'Hello, World!'

Oleh karena itu, jika kita ingin mengelompokkan properti bersama, kita dapat menyimpannya dalam objek kosong seperti yang ditunjukkan pada kode di atas. Namun, metode ini tidak selalu disarankan. Ingatlah bahwa kelas dan objek hanya boleh digunakan saat Anda ingin menentukan data dan perilaku.

Tuple

Tupel mirip dengan daftar dan dapat menyimpan elemen. Namun, mereka tidak dapat diubah, jadi kami tidak dapat menambah, menghapus, atau mengganti objek. Manfaat utama yang diberikan tupel karena kekekalannya adalah kita dapat menggunakannya sebagai kunci dalam kamus, atau di lokasi lain di mana suatu objek memerlukan nilai hash.

Tupel digunakan untuk menyimpan data, dan bukan perilaku. Jika Anda memerlukan perilaku untuk memanipulasi tupel, Anda harus meneruskan tupel tersebut ke dalam fungsi (atau metode pada objek lain) yang melakukan tindakan tersebut.

Karena tupel dapat bertindak sebagai kunci kamus, nilai yang disimpan berbeda satu sama lain. Kita dapat membuat tupel dengan memisahkan nilai dengan koma. Tupel dibungkus dalam tanda kurung tetapi tidak wajib. Kode berikut menunjukkan dua tugas yang identik.

>>> stock1 = 'MSFT', 95.00, 97.45, 92.45
>>> stock2 = ('MSFT', 95.00, 97.45, 92.45)
>>> type (stock1)
<class 'tuple'>
>>> type(stock2)
<class 'tuple'>
>>> stock1 == stock2
True
>>>

Mendefinisikan Tuple a

Tupel sangat mirip dengan list kecuali bahwa seluruh elemen diapit oleh tanda kurung, bukan tanda kurung siku.

Sama seperti saat Anda mengiris daftar, Anda mendapatkan daftar baru dan saat Anda mengiris tupel, Anda mendapatkan tupel baru.

>>> tupl = ('Tuple','is', 'an','IMMUTABLE', 'list')
>>> tupl
('Tuple', 'is', 'an', 'IMMUTABLE', 'list')
>>> tupl[0]
'Tuple'
>>> tupl[-1]
'list'
>>> tupl[1:3]
('is', 'an')

Metode Python Tuple

Kode berikut menunjukkan metode dalam tupel Python -

>>> tupl
('Tuple', 'is', 'an', 'IMMUTABLE', 'list')
>>> tupl.append('new')
Traceback (most recent call last):
   File "<pyshell#148>", line 1, in <module>
      tupl.append('new')
AttributeError: 'tuple' object has no attribute 'append'
>>> tupl.remove('is')
Traceback (most recent call last):
   File "<pyshell#149>", line 1, in <module>
      tupl.remove('is')
AttributeError: 'tuple' object has no attribute 'remove'
>>> tupl.index('list')
4
>>> tupl.index('new')
Traceback (most recent call last):
   File "<pyshell#151>", line 1, in <module>
      tupl.index('new')
ValueError: tuple.index(x): x not in tuple
>>> "is" in tupl
True
>>> tupl.count('is')
1

Dari kode yang ditunjukkan di atas, kita dapat memahami bahwa tupel tidak dapat diubah dan karenanya -

  • Kamu cannot menambahkan elemen ke tupel.

  • Kamu cannot menambahkan atau memperpanjang metode.

  • Kamu cannot menghapus elemen dari tupel.

  • Tuple punya no hapus atau metode pop.

  • Hitung dan indeks adalah metode yang tersedia dalam tupel.

Kamus

Dictionary adalah salah satu tipe data bawaan Python dan mendefinisikan hubungan satu-ke-satu antara kunci dan nilai.

Mendefinisikan Kamus

Perhatikan kode berikut untuk memahami tentang mendefinisikan kamus -

>>> # empty dictionary
>>> my_dict = {}
>>>
>>> # dictionary with integer keys
>>> my_dict = { 1:'msft', 2: 'IT'}
>>>
>>> # dictionary with mixed keys
>>> my_dict = {'name': 'Aarav', 1: [ 2, 4, 10]}
>>>
>>> # using built-in function dict()
>>> my_dict = dict({1:'msft', 2:'IT'})
>>>
>>> # From sequence having each item as a pair
>>> my_dict = dict([(1,'msft'), (2,'IT')])
>>>
>>> # Accessing elements of a dictionary
>>> my_dict[1]
'msft'
>>> my_dict[2]
'IT'
>>> my_dict['IT']
Traceback (most recent call last):
   File "<pyshell#177>", line 1, in <module>
   my_dict['IT']
KeyError: 'IT'
>>>

Dari kode di atas kita dapat mengamati bahwa:

  • Pertama kita membuat kamus dengan dua elemen dan menugaskannya ke variabel my_dict. Setiap elemen adalah pasangan nilai kunci, dan seluruh rangkaian elemen diapit oleh tanda kurung kurawal.

  • Nomor 1 adalah kuncinya dan msftadalah nilainya. Demikian pula,2 adalah kuncinya dan IT adalah nilainya.

  • Anda bisa mendapatkan nilai dengan kunci, tetapi tidak sebaliknya. Demikianlah saat kita mencobamy_dict[‘IT’] , ini menimbulkan pengecualian, karena IT bukanlah kunci.

Memodifikasi Kamus

Perhatikan kode berikut untuk memahami tentang memodifikasi kamus -

>>> # Modifying a Dictionary
>>>
>>> my_dict
{1: 'msft', 2: 'IT'}
>>> my_dict[2] = 'Software'
>>> my_dict
{1: 'msft', 2: 'Software'}
>>>
>>> my_dict[3] = 'Microsoft Technologies'
>>> my_dict
{1: 'msft', 2: 'Software', 3: 'Microsoft Technologies'}

Dari kode di atas kita dapat mengamati bahwa -

  • Anda tidak dapat memiliki kunci duplikat dalam kamus. Mengubah nilai kunci yang ada akan menghapus nilai lama.

  • Anda dapat menambahkan pasangan nilai kunci baru kapan saja.

  • Kamus tidak memiliki konsep keteraturan antar elemen. Mereka adalah koleksi sederhana yang tidak berurutan.

Mencampur tipe Data dalam Kamus

Perhatikan kode berikut untuk memahami tentang pencampuran tipe data dalam kamus -

>>> # Mixing Data Types in a Dictionary
>>>
>>> my_dict
{1: 'msft', 2: 'Software', 3: 'Microsoft Technologies'}
>>> my_dict[4] = 'Operating System'
>>> my_dict
{1: 'msft', 2: 'Software', 3: 'Microsoft Technologies', 4: 'Operating System'}
>>> my_dict['Bill Gates'] = 'Owner'
>>> my_dict
{1: 'msft', 2: 'Software', 3: 'Microsoft Technologies', 4: 'Operating System',
'Bill Gates': 'Owner'}

Dari kode di atas kita dapat mengamati bahwa -

  • Bukan hanya string tetapi nilai kamus dapat berupa tipe data apa pun termasuk string, bilangan bulat, termasuk kamus itu sendiri.

  • Tidak seperti nilai kamus, kunci kamus lebih dibatasi, tetapi dapat berupa jenis apa pun seperti string, bilangan bulat, atau lainnya.

Menghapus Item dari Kamus

Perhatikan kode berikut untuk memahami tentang menghapus item dari kamus -

>>> # Deleting Items from a Dictionary
>>>
>>> my_dict
{1: 'msft', 2: 'Software', 3: 'Microsoft Technologies', 4: 'Operating System',
'Bill Gates': 'Owner'}
>>>
>>> del my_dict['Bill Gates']
>>> my_dict
{1: 'msft', 2: 'Software', 3: 'Microsoft Technologies', 4: 'Operating System'}
>>>
>>> my_dict.clear()
>>> my_dict
{}

Dari kode di atas kita dapat mengamati bahwa -

  • del - memungkinkan Anda menghapus item satu per satu dari kamus dengan kunci.

  • clear - menghapus semua item dari kamus.

Set

Set () adalah koleksi tidak berurutan tanpa elemen duplikat. Meskipun item individu tidak dapat diubah, set itu sendiri dapat berubah, yaitu kita dapat menambah atau menghapus elemen / item dari set. Kita dapat melakukan operasi matematika seperti penyatuan, persimpangan dll dengan himpunan.

Meskipun set secara umum dapat diimplementasikan menggunakan pohon, set dengan Python dapat diimplementasikan menggunakan tabel hash. Ini memungkinkannya menjadi metode yang sangat dioptimalkan untuk memeriksa apakah elemen tertentu terkandung dalam himpunan

Membuat satu set

Satu set dibuat dengan menempatkan semua item (elemen) di dalam kurung kurawal {}, dipisahkan dengan koma atau dengan menggunakan fungsi bawaan set(). Perhatikan baris kode berikut -

>>> #set of integers
>>> my_set = {1,2,4,8}
>>> print(my_set)
{8, 1, 2, 4}
>>>
>>> #set of mixed datatypes
>>> my_set = {1.0, "Hello World!", (2, 4, 6)}
>>> print(my_set)
{1.0, (2, 4, 6), 'Hello World!'}
>>>

Metode untuk Set

Perhatikan kode berikut untuk memahami tentang metode untuk set -

>>> >>> #METHODS FOR SETS
>>>
>>> #add(x) Method
>>> topics = {'Python', 'Java', 'C#'}
>>> topics.add('C++')
>>> topics
{'C#', 'C++', 'Java', 'Python'}
>>>
>>> #union(s) Method, returns a union of two set.
>>> topics
{'C#', 'C++', 'Java', 'Python'}
>>> team = {'Developer', 'Content Writer', 'Editor','Tester'}
>>> group = topics.union(team)
>>> group
{'Tester', 'C#', 'Python', 'Editor', 'Developer', 'C++', 'Java', 'Content
Writer'}
>>> # intersets(s) method, returns an intersection of two sets
>>> inters = topics.intersection(team)
>>> inters
set()
>>>
>>> # difference(s) Method, returns a set containing all the elements of
invoking set but not of the second set.
>>>
>>> safe = topics.difference(team)
>>> safe
{'Python', 'C++', 'Java', 'C#'}
>>>
>>> diff = topics.difference(group)
>>> diff
set()
>>> #clear() Method, Empties the whole set.
>>> group.clear()
>>> group
set()
>>>

Operator untuk Set

Perhatikan kode berikut untuk memahami tentang operator untuk set -

>>> # PYTHON SET OPERATIONS
>>>
>>> #Creating two sets
>>> set1 = set()
>>> set2 = set()
>>>
>>> # Adding elements to set
>>> for i in range(1,5):
   set1.add(i)
>>> for j in range(4,9):
   set2.add(j)
>>> set1
{1, 2, 3, 4}
>>> set2
{4, 5, 6, 7, 8}
>>>
>>> #Union of set1 and set2
>>> set3 = set1 | set2 # same as set1.union(set2)
>>> print('Union of set1 & set2: set3 = ', set3)
Union of set1 & set2: set3 = {1, 2, 3, 4, 5, 6, 7, 8}
>>>
>>> #Intersection of set1 & set2
>>> set4 = set1 & set2 # same as set1.intersection(set2)
>>> print('Intersection of set1 and set2: set4 = ', set4)
Intersection of set1 and set2: set4 = {4}
>>>
>>> # Checking relation between set3 and set4
>>> if set3 > set4: # set3.issuperset(set4)
   print('Set3 is superset of set4')
elif set3 < set4: #set3.issubset(set4)
   print('Set3 is subset of set4')
else: #set3 == set4
   print('Set 3 is same as set4')
Set3 is superset of set4
>>>
>>> # Difference between set3 and set4
>>> set5 = set3 - set4
>>> print('Elements in set3 and not in set4: set5 = ', set5)
Elements in set3 and not in set4: set5 = {1, 2, 3, 5, 6, 7, 8}
>>>
>>> # Check if set4 and set5 are disjoint sets
>>> if set4.isdisjoint(set5):
   print('Set4 and set5 have nothing in common\n')
Set4 and set5 have nothing in common
>>> # Removing all the values of set5
>>> set5.clear()
>>> set5 set()

Pada bab ini, kita akan membahas istilah-istilah berorientasi objek dan konsep pemrograman secara mendetail. Class hanyalah sebuah pabrik untuk sebuah instance. Pabrik ini berisi cetak biru yang menjelaskan cara membuat instance. Sebuah contoh atau objek dibangun dari kelas. Dalam kebanyakan kasus, kita dapat memiliki lebih dari satu contoh kelas. Setiap instance memiliki sekumpulan atribut dan atribut ini ditentukan dalam sebuah kelas, sehingga setiap instance dari kelas tertentu diharapkan memiliki atribut yang sama.

Kumpulan Kelas: Perilaku dan Negara

Kelas akan membiarkan Anda menggabungkan perilaku dan status suatu objek. Amati diagram berikut untuk pemahaman yang lebih baik -

Poin-poin berikut ini patut diperhatikan ketika membahas bundel kelas -

  • Kata behavior identik dengan function - itu adalah potongan kode yang melakukan sesuatu (atau mengimplementasikan perilaku)

  • Kata state identik dengan variables - Ini adalah tempat untuk menyimpan nilai di dalam kelas.

  • Ketika kita menegaskan perilaku kelas dan status bersama, itu berarti bahwa kelas mengemas fungsi dan variabel.

Kelas memiliki metode dan atribut

Di Python, membuat metode mendefinisikan perilaku kelas. Metode kata adalah nama OOP yang diberikan ke fungsi yang didefinisikan di dalam kelas. Singkatnya -

  • Class functions - adalah sinonim untuk methods

  • Class variables - adalah sinonim untuk name attributes.

  • Class - cetak biru untuk sebuah contoh dengan perilaku yang tepat.

  • Object - salah satu contoh kelas, melakukan fungsionalitas yang ditentukan di kelas.

  • Type - menunjukkan kelas tempat instance tersebut berada

  • Attribute - Nilai objek apa pun: object.attribute

  • Method - "atribut yang dapat dipanggil" yang ditentukan di kelas

Perhatikan potongan kode berikut misalnya -

var = “Hello, John”
print( type (var)) # < type ‘str’> or <class 'str'>
print(var.upper()) # upper() method is called, HELLO, JOHN

Penciptaan dan Instansiasi

Kode berikut menunjukkan cara membuat kelas pertama kita dan kemudian contohnya.

class MyClass(object):
   pass
# Create first instance of MyClass
this_obj = MyClass()
print(this_obj)
# Another instance of MyClass
that_obj = MyClass()
print (that_obj)

Di sini kami telah membuat kelas yang disebut MyClassdan yang tidak melakukan tugas apa pun. Argumenobject di MyClass class melibatkan warisan kelas dan akan dibahas di bab-bab selanjutnya. pass pada kode di atas menunjukkan bahwa blok ini kosong, itu adalah definisi kelas kosong.

Mari kita buat sebuah instance this_obj dari MyClass() kelas dan cetak seperti yang ditunjukkan -

<__main__.MyClass object at 0x03B08E10>
<__main__.MyClass object at 0x0369D390>

Di sini, kami telah membuat instance dari MyClass.Kode hex mengacu pada alamat tempat objek disimpan. Contoh lain menunjuk ke alamat lain.

Sekarang mari kita definisikan satu variabel di dalam kelas MyClass() dan dapatkan variabel dari instance kelas itu seperti yang ditunjukkan pada kode berikut -

class MyClass(object):
   var = 9

# Create first instance of MyClass
this_obj = MyClass()
print(this_obj.var)

# Another instance of MyClass

that_obj = MyClass()
print (that_obj.var)

Keluaran

Anda dapat mengamati keluaran berikut ketika Anda menjalankan kode yang diberikan di atas -

9
9

Sebagai contoh tahu dari kelas mana itu dipakai, jadi ketika diminta untuk atribut dari sebuah instance, instance tersebut mencari atribut dan kelasnya. Ini disebutattribute lookup.

Metode Instance

Fungsi yang didefinisikan di dalam kelas disebut a method.Metode instance memerlukan sebuah instance untuk memanggilnya dan tidak memerlukan dekorator. Saat membuat metode instance, parameter pertama selaluself. Meskipun kita dapat menyebutnya (self) dengan nama lain, dianjurkan untuk menggunakan self, karena ini adalah konvensi penamaan.

class MyClass(object):
   var = 9
   def firstM(self):
      print("hello, World")
obj = MyClass()
print(obj.var)
obj.firstM()

Keluaran

Anda dapat mengamati keluaran berikut ketika Anda menjalankan kode yang diberikan di atas -

9
hello, World

Perhatikan bahwa dalam program di atas, kami mendefinisikan metode dengan self sebagai argumen. Tetapi kami tidak dapat memanggil metode ini karena kami belum menyatakan argumen apa pun untuk itu.

class MyClass(object):
   def firstM(self):
      print("hello, World")
      print(self)
obj = MyClass()
obj.firstM()
print(obj)

Keluaran

Anda dapat mengamati keluaran berikut ketika Anda menjalankan kode yang diberikan di atas -

hello, World
<__main__.MyClass object at 0x036A8E10>
<__main__.MyClass object at 0x036A8E10>

Enkapsulasi

Enkapsulasi adalah salah satu dasar OOP. OOP memungkinkan kami menyembunyikan kompleksitas kerja internal objek yang menguntungkan pengembang dengan cara berikut -

  • Menyederhanakan dan memudahkan pemahaman untuk menggunakan suatu objek tanpa mengetahui bagian dalamnya.

  • Perubahan apa pun dapat dengan mudah dikelola.

Pemrograman berorientasi objek sangat bergantung pada enkapsulasi. Istilah enkapsulasi dan abstraksi (juga disebut penyembunyian data) sering digunakan sebagai sinonim. Mereka hampir identik, karena abstraksi dicapai melalui enkapsulasi.

Enkapsulasi memberi kita mekanisme untuk membatasi akses ke beberapa komponen objek, ini berarti representasi internal suatu objek tidak dapat dilihat dari luar definisi objek. Akses ke data ini biasanya dicapai melalui metode khusus -Getters dan Setters.

Data ini disimpan dalam atribut instance dan dapat dimanipulasi dari manapun di luar kelas. Untuk mengamankannya, data tersebut hanya boleh diakses menggunakan metode instance. Akses langsung seharusnya tidak diizinkan.

class MyClass(object):
   def setAge(self, num):
      self.age = num

   def getAge(self):
      return self.age

zack = MyClass()
zack.setAge(45)
print(zack.getAge())

zack.setAge("Fourty Five")
print(zack.getAge())

Keluaran

Anda dapat mengamati keluaran berikut ketika Anda menjalankan kode yang diberikan di atas -

45
Fourty Five

Data harus disimpan hanya jika sudah benar dan valid, menggunakan konstruksi penanganan Exception. Seperti yang bisa kita lihat di atas, tidak ada batasan pada input pengguna ke metode setAge (). Bisa berupa string, angka, atau daftar. Jadi kita perlu memeriksa kode di atas untuk memastikan kebenaran disimpan.

class MyClass(object):
   def setAge(self, num):
      self.age = num

   def getAge(self):
      return self.age
zack = MyClass()
zack.setAge(45)
print(zack.getAge())
zack.setAge("Fourty Five")
print(zack.getAge())

Pembuat Init

__initMetode __ secara implisit dipanggil segera setelah sebuah objek kelas dibuat, Ini akan menginisialisasi objek.

x = MyClass()

Baris kode yang ditunjukkan di atas akan membuat instance baru dan menetapkan objek ini ke variabel lokal x.

Operasi instantiation, yaitu calling a class object, membuat objek kosong. Banyak kelas suka membuat objek dengan contoh yang disesuaikan dengan keadaan awal tertentu. Oleh karena itu, kelas dapat mendefinisikan metode khusus bernama '__init __ ()' seperti yang ditunjukkan -

def __init__(self):
   self.data = []

Python memanggil __init__ selama pembuatan instance untuk mendefinisikan atribut tambahan yang harus terjadi ketika kelas dibuat yang mungkin menyiapkan beberapa nilai awal untuk objek itu atau menjalankan rutinitas yang diperlukan pada pembuatan instance. Jadi dalam contoh ini, instance baru yang diinisialisasi dapat diperoleh dengan -

x = MyClass()

Metode __init __ () dapat memiliki satu atau beberapa argumen untuk fleksibilitas yang lebih besar. Init singkatan dari inisialisasi, karena inisialisasi atribut dari instance. Ini disebut konstruktor kelas.

class myclass(object):
   def __init__(self,aaa, bbb):
      self.a = aaa
      self.b = bbb

x = myclass(4.5, 3)
print(x.a, x.b)

Keluaran

4.5 3

Atribut Kelas

Atribut yang didefinisikan di kelas disebut “atribut kelas 'dan atribut yang ditentukan dalam fungsi disebut' atribut contoh '. Saat menentukan, atribut ini tidak diawali dengan sendirinya, karena ini adalah properti kelas dan bukan contoh tertentu.

Atribut kelas dapat diakses oleh kelas itu sendiri (className.attributeName) serta oleh instance kelas (inst.attributeName). Jadi, instance memiliki akses ke atribut instance serta atribut kelas.

>>> class myclass():
   age = 21
>>> myclass.age
21
>>> x = myclass()
>>> x.age
21
>>>

Atribut kelas dapat diganti dalam sebuah instance, meskipun itu bukan metode yang baik untuk memecahkan enkapsulasi.

Ada jalur pencarian untuk atribut dengan Python. Yang pertama adalah metode yang didefinisikan dalam kelas, dan kemudian kelas di atasnya.

>>> class myclass(object):
   classy = 'class value'
>>> dd = myclass()
>>> print (dd.classy) # This should return the string 'class value'
class value
>>>
>>> dd.classy = "Instance Value"
>>> print(dd.classy) # Return the string "Instance Value"
Instance Value
>>>
>>> # This will delete the value set for 'dd.classy' in the instance.
>>> del dd.classy
>>> >>> # Since the overriding attribute was deleted, this will print 'class
value'.

>>> print(dd.classy)
class value
>>>

Kami mengganti atribut kelas 'berkelas' dalam contoh dd. Saat diganti, interpreter Python membaca nilai yang diganti. Tapi begitu nilai baru dihapus dengan 'del', nilai yang diganti tidak lagi ada dalam instance, dan karenanya pencarian naik ke level di atas dan mendapatkannya dari kelas.

Bekerja dengan Data Kelas dan Instance

Di bagian ini, mari kita pahami bagaimana data kelas terkait dengan data instance. Kami dapat menyimpan data baik di kelas atau dalam sebuah instance. Saat kami mendesain kelas, kami memutuskan data mana yang termasuk dalam instance dan data mana yang harus disimpan ke dalam kelas keseluruhan.

Sebuah instance dapat mengakses data kelas. Jika kita membuat beberapa instance, maka instance ini dapat mengakses nilai atribut individualnya serta data kelas secara keseluruhan.

Jadi, data kelas adalah data yang dibagikan di antara semua instance. Perhatikan kode yang diberikan di bawah ini untuk pemahaman yang lebih baik -

class InstanceCounter(object):
   count = 0 # class attribute, will be accessible to all instances
   def __init__(self, val):
      self.val = val
      InstanceCounter.count +=1 # Increment the value of class attribute, accessible through class name
# In above line, class ('InstanceCounter') act as an object
   def set_val(self, newval):
      self.val = newval

   def get_val(self):
      return self.val

   def get_count(self):
      return InstanceCounter.count
a = InstanceCounter(9)
b = InstanceCounter(18)
c = InstanceCounter(27)

for obj in (a, b, c):
   print ('val of obj: %s' %(obj.get_val())) # Initialized value ( 9, 18, 27)
   print ('count: %s' %(obj.get_count())) # always 3

Keluaran

val of obj: 9
count: 3
val of obj: 18
count: 3
val of obj: 27
count: 3

Singkatnya, atribut kelas sama untuk semua instance kelas sedangkan atribut instance adalah khusus untuk setiap instance. Untuk dua contoh yang berbeda, kita akan memiliki dua atribut contoh yang berbeda.

class myClass:
   class_attribute = 99

   def class_method(self):
      self.instance_attribute = 'I am instance attribute'

print (myClass.__dict__)

Keluaran

Anda dapat mengamati keluaran berikut ketika Anda menjalankan kode yang diberikan di atas -

{'__module__': '__main__', 'class_attribute': 99, 'class_method': <function myClass.class_method at 0x04128D68>, '__dict__': <attribute '__dict__' of 'myClass' objects>, '__weakref__': <attribute '__weakref__' of 'myClass' objects>, '__doc__': None}

Atribut instance myClass.__dict__ seperti yang ditunjukkan -

>>> a = myClass()
>>> a.class_method()
>>> print(a.__dict__)
{'instance_attribute': 'I am instance attribute'}

Bab ini membahas secara detail tentang berbagai fungsi bawaan dengan Python, operasi I / O file, dan konsep overloading.

Fungsi Bawaan Python

Penerjemah Python memiliki sejumlah fungsi yang disebut fungsi bawaan yang sudah tersedia untuk digunakan. Dalam versi terbarunya, Python berisi 68 fungsi bawaan seperti yang tercantum dalam tabel yang diberikan di bawah ini -

FUNGSI BANGUN
abs () dikt () Tolong() min () setattr ()
semua() dir () hex () lanjut() mengiris()
apa saja() divmod () Indo() obyek() diurutkan ()
ascii () menghitung() memasukkan() okt () staticmethod ()
tempat sampah() eval () int () Buka() str ()
bool () exec () isinstance () ord () jumlah()
bytearray () Saring() issubclass () pow () super()
byte () mengapung() iter () mencetak() tuple ()
callable () format() len () Properti() Tipe()
chr () frozenset () daftar() jarak() vars ()
classmethod () getattr () penduduk setempat () repr () zip()
menyusun() global () peta() dibalik () __impor__()
kompleks() hasattr () maks () bulat()
delattr () hash () memoryview () set()

Bagian ini membahas beberapa fungsi penting secara singkat -

fungsi len ()

Fungsi len () mendapatkan panjang string, daftar, atau koleksi. Ini mengembalikan panjang atau jumlah item suatu objek, di mana objek dapat berupa string, daftar, atau koleksi.

>>> len(['hello', 9 , 45.0, 24])
4

fungsi len () secara internal bekerja seperti list.__len__() atau tuple.__len__(). Jadi, perhatikan bahwa len () hanya berfungsi pada objek yang memiliki __len__() metode.

>>> set1
{1, 2, 3, 4}
>>> set1.__len__()
4

Namun, dalam praktiknya, kami lebih suka len() alih-alih __len__() berfungsi karena alasan berikut -

  • Ini lebih efisien. Dan tidak perlu ada metode tertentu yang ditulis untuk menolak akses ke metode khusus seperti __len__.

  • Mudah dirawat.

  • Ini mendukung kompatibilitas ke belakang.

Terbalik (seq)

Ini mengembalikan iterator terbalik. seq harus berupa objek yang memiliki metode __reversed __ () atau mendukung protokol urutan (metode __len __ () dan metode __getitem __ ()). Ini umumnya digunakan dalamfor loop ketika kita ingin mengulang item dari belakang ke depan.

>>> normal_list = [2, 4, 5, 7, 9]
>>>
>>> class CustomSequence():
   def __len__(self):
      return 5
   def __getitem__(self,index):
      return "x{0}".format(index)
>>> class funkyback():
   def __reversed__(self):
      return 'backwards!'
>>> for seq in normal_list, CustomSequence(), funkyback():
      print('\n{}: '.format(seq.__class__.__name__), end="")
      for item in reversed(seq):
         print(item, end=", ")

Perulangan for di akhir mencetak daftar terbalik dari daftar normal, dan contoh dari dua urutan kustom. Outputnya menunjukkan itureversed() bekerja pada ketiganya, tetapi memiliki hasil yang sangat berbeda saat kita tentukan __reversed__.

Keluaran

Anda dapat mengamati keluaran berikut ketika Anda menjalankan kode yang diberikan di atas -

list: 9, 7, 5, 4, 2,
CustomSequence: x4, x3, x2, x1, x0,
funkyback: b, a, c, k, w, a, r, d, s, !,

Menghitung

Itu enumerate () metode menambahkan penghitung ke iterable dan mengembalikan objek enumerate.

Sintaks dari enumerate () adalah -

enumerate(iterable, start = 0)

Di sini argumen kedua start bersifat opsional, dan secara default indeks dimulai dengan nol (0).

>>> # Enumerate
>>> names = ['Rajesh', 'Rahul', 'Aarav', 'Sahil', 'Trevor']
>>> enumerate(names)
<enumerate object at 0x031D9F80>
>>> list(enumerate(names))
[(0, 'Rajesh'), (1, 'Rahul'), (2, 'Aarav'), (3, 'Sahil'), (4, 'Trevor')]
>>>

Begitu enumerate()mengembalikan sebuah iterator yang menghasilkan tupel yang menghitung jumlah elemen dalam urutan yang dilewati. Karena nilai yang dikembalikan adalah iterator, mengaksesnya secara langsung tidak banyak berguna. Pendekatan yang lebih baik untuk enumerate () adalah menjaga hitungan dalam loop for.

>>> for i, n in enumerate(names):
   print('Names number: ' + str(i))
   print(n)
Names number: 0
Rajesh
Names number: 1
Rahul
Names number: 2
Aarav
Names number: 3
Sahil
Names number: 4
Trevor

Ada banyak fungsi lain di pustaka standar, dan berikut adalah daftar lain dari beberapa fungsi yang lebih banyak digunakan -

  • hasattr, getattr, setattr dan delattr, yang memungkinkan atribut suatu objek dimanipulasi dengan nama stringnya.

  • all dan any, yang menerima objek iterable dan kembali True jika semua, atau salah satu, dari item dievaluasi sebagai benar.

  • nzip, yang mengambil dua atau lebih urutan dan mengembalikan urutan tupel baru, di mana setiap tupel berisi satu nilai dari setiap urutan.

File I / O

Konsep file dikaitkan dengan istilah pemrograman berorientasi objek. Python telah membungkus antarmuka yang disediakan sistem operasi dalam abstraksi yang memungkinkan kita untuk bekerja dengan objek file.

Itu open()fungsi built-in digunakan untuk membuka file dan mengembalikan objek file. Ini adalah fungsi yang paling umum digunakan dengan dua argumen -

open(filename, mode)

Fungsi open () memanggil dua argumen, pertama adalah nama file dan kedua adalah mode. Di sini mode dapat berupa 'r' untuk mode read only, 'w' untuk hanya menulis (file yang ada dengan nama yang sama akan dihapus), dan 'a' membuka file untuk ditambahkan, setiap data yang ditulis ke file secara otomatis ditambahkan sampai akhir. 'r +' membuka file untuk membaca dan menulis. Mode default hanya baca.

Di windows, 'b' ditambahkan ke mode membuka file dalam mode biner, jadi ada juga mode seperti 'rb', 'wb' dan 'r + b'.

>>> text = 'This is the first line'
>>> file = open('datawork','w')
>>> file.write(text)
22
>>> file.close()

Dalam beberapa kasus, kami hanya ingin menambahkan ke file yang sudah ada daripada menimpanya, untuk itu kami dapat memberikan nilai 'a' sebagai argumen mode, untuk ditambahkan ke akhir file, daripada sepenuhnya menimpa file yang ada isi.

>>> f = open('datawork','a')
>>> text1 = ' This is second line'
>>> f.write(text1)
20
>>> f.close()

Setelah file dibuka untuk dibaca, kita dapat memanggil metode read, readline, atau readlines untuk mendapatkan konten file. Metode read mengembalikan seluruh konten file sebagai objek str atau byte, bergantung pada apakah argumen kedua adalah 'b'.

Untuk keterbacaan, dan untuk menghindari membaca file besar sekaligus, seringkali lebih baik menggunakan loop for langsung pada objek file. Untuk file teks, itu akan membaca setiap baris, satu per satu, dan kita dapat memprosesnya di dalam badan perulangan. Namun untuk file biner, lebih baik membaca potongan data berukuran tetap menggunakan metode read (), dengan meneruskan parameter untuk jumlah byte maksimum untuk dibaca.

>>> f = open('fileone','r+')
>>> f.readline()
'This is the first line. \n'
>>> f.readline()
'This is the second line. \n'

Menulis ke file, melalui metode tulis pada objek file akan menulis objek string (byte untuk data biner) ke file. Metode garis tulis menerima urutan string dan menulis setiap nilai yang diiterasi ke file. Metode garis tulis tidak menambahkan baris baru setelah setiap item dalam urutan.

Akhirnya metode close () harus dipanggil ketika kita selesai membaca atau menulis file, untuk memastikan penulisan buffer apa pun ditulis ke disk, bahwa file telah dibersihkan dengan benar dan bahwa semua sumber daya yang terkait dengan file dilepaskan kembali ke sistem operasi. Ini adalah pendekatan yang lebih baik untuk memanggil metode close () tetapi secara teknis ini akan terjadi secara otomatis ketika skrip ada.

Sebuah alternatif untuk metode overloading

Metode overloading mengacu pada memiliki beberapa metode dengan nama yang sama yang menerima kumpulan argumen berbeda.

Diberikan metode atau fungsi tunggal, kita dapat menentukan sendiri jumlah parameternya. Bergantung pada definisi fungsi, itu bisa dipanggil dengan nol, satu, dua atau lebih parameter.

class Human:
   def sayHello(self, name = None):
      if name is not None:
         print('Hello ' + name)
      else:
         print('Hello ')

#Create Instance
obj = Human()

#Call the method, else part will be executed
obj.sayHello()

#Call the method with a parameter, if part will be executed
obj.sayHello('Rahul')

Keluaran

Hello
Hello Rahul

Argumen Default

Fungsi Juga Objek

Objek yang dapat dipanggil adalah objek yang dapat menerima beberapa argumen dan kemungkinan akan mengembalikan objek. Fungsi adalah objek yang dapat dipanggil paling sederhana di Python, tetapi ada juga yang lain seperti kelas atau instance kelas tertentu.

Setiap fungsi dalam Python adalah sebuah objek. Objek dapat berisi metode atau fungsi tetapi objek tidak memerlukan fungsi.

def my_func():
   print('My function was called')
my_func.description = 'A silly function'
def second_func():

   print('Second function was called')

   second_func.description = 'One more sillier function'

def another_func(func):
   print("The description:", end=" ")
   print(func.description)
   print('The name: ', end=' ')
   print(func.__name__)
   print('The class:', end=' ')
   print(func.__class__)
   print("Now I'll call the function passed in")
   func()

another_func(my_func)
another_func(second_func)

Pada kode di atas, kita dapat melewatkan dua fungsi berbeda sebagai argumen ke fungsi ketiga kita, dan mendapatkan Output yang berbeda untuk masing-masing -

The description: A silly function
The name: my_func
The class: 
      
        Now I'll call the function passed in My function was called The description: One more sillier function The name: second_func The class: 
       
         Now I'll call the function passed in Second function was called 
       
      

callable objects

Just as functions are objects that can have attributes set on them, it is possible to create an object that can be called as though it were a function.

In Python any object with a __call__() method can be called using function-call syntax.

Inheritance and Polymorphism

Inheritance and polymorphism – this is a very important concept in Python. You must understand it better if you want to learn.

Inheritance

One of the major advantages of Object Oriented Programming is re-use. Inheritance is one of the mechanisms to achieve the same. Inheritance allows programmer to create a general or a base class first and then later extend it to more specialized class. It allows programmer to write better code.

Using inheritance you can use or inherit all the data fields and methods available in your base class. Later you can add you own methods and data fields, thus inheritance provides a way to organize code, rather than rewriting it from scratch.

In object-oriented terminology when class X extend class Y, then Y is called super/parent/base class and X is called subclass/child/derived class. One point to note here is that only data fields and method which are not private are accessible by child classes. Private data fields and methods are accessible only inside the class.

syntax to create a derived class is −

class BaseClass:
   Body of base class
class DerivedClass(BaseClass):
   Body of derived class

Inheriting Attributes

Now look at the below example −

Output

We first created a class called Date and pass the object as an argument, here-object is built-in class provided by Python. Later we created another class called time and called the Date class as an argument. Through this call we get access to all the data and attributes of Date class into the Time class. Because of that when we try to get the get_date method from the Time class object tm we created earlier possible.

Object.Attribute Lookup Hierarchy

  • The instance
  • The class
  • Any class from which this class inherits

Inheritance Examples

Let’s take a closure look into the inheritance example −

Let’s create couple of classes to participate in examples −

  • Animal − Class simulate an animal
  • Cat − Subclass of Animal
  • Dog − Subclass of Animal

In Python, constructor of class used to create an object (instance), and assign the value for the attributes.

Constructor of subclasses always called to a constructor of parent class to initialize value for the attributes in the parent class, then it start assign value for its attributes.

Output

In the above example, we see the command attributes or methods we put in the parent class so that all subclasses or child classes will inherits that property from the parent class.

If a subclass try to inherits methods or data from another subclass then it will through an error as we see when Dog class try to call swatstring() methods from that cat class, it throws an error(like AttributeError in our case).

Polymorphism (“MANY SHAPES”)

Polymorphism is an important feature of class definition in Python that is utilized when you have commonly named methods across classes or subclasses. This permits functions to use entities of different types at different times. So, it provides flexibility and loose coupling so that code can be extended and easily maintained over time.

This allows functions to use objects of any of these polymorphic classes without needing to be aware of distinctions across the classes.

Polymorphism can be carried out through inheritance, with subclasses making use of base class methods or overriding them.

Let understand the concept of polymorphism with our previous inheritance example and add one common method called show_affection in both subclasses −

From the example we can see, it refers to a design in which object of dissimilar type can be treated in the same manner or more specifically two or more classes with method of the same name or common interface because same method(show_affection in below example) is called with either type of objects.

Output

So, all animals show affections (show_affection), but they do differently. The “show_affection” behaviors is thus polymorphic in the sense that it acted differently depending on the animal. So, the abstract “animal” concept does not actually “show_affection”, but specific animals(like dogs and cats) have a concrete implementation of the action “show_affection”.

Python itself have classes that are polymorphic. Example, the len() function can be used with multiple objects and all return the correct output based on the input parameter.

Overriding

In Python, when a subclass contains a method that overrides a method of the superclass, you can also call the superclass method by calling

Super(Subclass, self).method instead of self.method.

Example

class Thought(object):
   def __init__(self):
      pass
   def message(self):
      print("Thought, always come and go")

class Advice(Thought):
   def __init__(self):
      super(Advice, self).__init__()
   def message(self):
      print('Warning: Risk is always involved when you are dealing with market!')

Inheriting the Constructor

If we see from our previous inheritance example, __init__ was located in the parent class in the up ‘cause the child class dog or cat didn’t‘ve __init__ method in it. Python used the inheritance attribute lookup to find __init__ in animal class. When we created the child class, first it will look the __init__ method in the dog class, then it didn’t find it then looked into parent class Animal and found there and called that there. So as our class design became complex we may wish to initialize a instance firstly processing it through parent class constructor and then through child class constructor.

Output

In above example- all animals have a name and all dogs a particular breed. We called parent class constructor with super. So dog has its own __init__ but the first thing that happen is we call super. Super is built in function and it is designed to relate a class to its super class or its parent class.

In this case we saying that get the super class of dog and pass the dog instance to whatever method we say here the constructor __init__. So in another words we are calling parent class Animal __init__ with the dog object. You may ask why we won’t just say Animal __init__ with the dog instance, we could do this but if the name of animal class were to change, sometime in the future. What if we wanna rearrange the class hierarchy,so the dog inherited from another class. Using super in this case allows us to keep things modular and easy to change and maintain.

So in this example we are able to combine general __init__ functionality with more specific functionality. This gives us opportunity to separate common functionality from the specific functionality which can eliminate code duplication and relate class to one another in a way that reflects the system overall design.

Conclusion

  • __init__ is like any other method; it can be inherited

  • If a class does not have a __init__ constructor, Python will check its parent class to see if it can find one.

  • As soon as it finds one, Python calls it and stops looking

  • We can use the super () function to call methods in the parent class.

  • We may want to initialize in the parent as well as our own class.

Multiple Inheritance and the Lookup Tree

As its name indicates, multiple inheritance is Python is when a class inherits from multiple classes.

For example, a child inherits personality traits from both parents (Mother and Father).

Python Multiple Inheritance Syntax

To make a class inherits from multiple parents classes, we write the the names of these classes inside the parentheses to the derived class while defining it. We separate these names with comma.

Below is an example of that −

>>> class Mother:
   pass

>>> class Father:
   pass

>>> class Child(Mother, Father):
   pass

>>> issubclass(Child, Mother) and issubclass(Child, Father)
True

Multiple inheritance refers to the ability of inheriting from two or more than two class. The complexity arises as child inherits from parent and parents inherits from the grandparent class. Python climbs an inheriting tree looking for attributes that is being requested to be read from an object. It will check the in the instance, within class then parent class and lastly from the grandparent class. Now the question arises in what order the classes will be searched - breath-first or depth-first. By default, Python goes with the depth-first.

That’s is why in the below diagram the Python searches the dothis() method first in class A. So the method resolution order in the below example will be

Mro- D→B→A→C

Look at the below multiple inheritance diagram −

Let’s go through an example to understand the “mro” feature of an Python.

Output

Example 3

Let’s take another example of “diamond shape” multiple inheritance.

Above diagram will be considered ambiguous. From our previous example understanding “method resolution order” .i.e. mro will be D→B→A→C→A but it’s not. On getting the second A from the C, Python will ignore the previous A. so the mro will be in this case will be D→B→C→A.

Let’s create an example based on above diagram −

Output

Simple rule to understand the above output is- if the same class appear in the method resolution order, the earlier appearances of this class will be remove from the method resolution order.

In conclusion −

  • Any class can inherit from multiple classes

  • Python normally uses a “depth-first” order when searching inheriting classes.

  • But when two classes inherit from the same class, Python eliminates the first appearances of that class from the mro.

Decorators, Static and Class Methods

Functions(or methods) are created by def statement.

Though methods works in exactly the same way as a function except one point where method first argument is instance object.

We can classify methods based on how they behave, like

  • Simple method − defined outside of a class. This function can access class attributes by feeding instance argument:

def outside_func(():
  • Instance method

def func(self,)
  • Class method − if we need to use class attributes

   @classmethod
def cfunc(cls,)
  • Static method − do not have any info about the class

      @staticmethod
def sfoo()

Till now we have seen the instance method, now is the time to get some insight into the other two methods,

Class Method

The @classmethod decorator, is a builtin function decorator that gets passed the class it was called on or the class of the instance it was called on as first argument. The result of that evaluation shadows your function definition.

syntax

class C(object):
   @classmethod
   def fun(cls, arg1, arg2, ...):
      ....
fun: function that needs to be converted into a class method
returns: a class method for function

They have the access to this cls argument, it can’t modify object instance state. That would require access to self.

  • It is bound to the class and not the object of the class.

  • Class methods can still modify class state that applies across all instances of the class.

Static Method

A static method takes neither a self nor a cls(class) parameter but it’s free to accept an arbitrary number of other parameters.

syntax

class C(object):
   @staticmethod
   def fun(arg1, arg2, ...):
   ...
returns: a static method for function funself.
  • A static method can neither modify object state nor class state.
  • They are restricted in what data they can access.

When to use what

  • We generally use class method to create factory methods. Factory methods return class object (similar to a constructor) for different use cases.

  • We generally use static methods to create utility functions.

Python Design Pattern

Overview

Modern software development needs to address complex business requirements. It also needs to take into account factors such as future extensibility and maintainability. A good design of a software system is vital to accomplish these goals. Design patterns play an important role in such systems.

To understand design pattern, let’s consider below example −

  • Every car’s design follows a basic design pattern, four wheels, steering wheel, the core drive system like accelerator-break-clutch, etc.

So, all things repeatedly built/ produced, shall inevitably follow a pattern in its design.. it cars, bicycle, pizza, atm machines, whatever…even your sofa bed.

Designs that have almost become standard way of coding some logic/mechanism/technique in software, hence come to be known as or studied as, Software Design Patterns.

Why is Design Pattern Important?

Benefits of using Design Patterns are −

  • Helps you to solve common design problems through a proven approach.

  • No ambiguity in the understanding as they are well documented.

  • Reduce the overall development time.

  • Helps you deal with future extensions and modifications with more ease than otherwise.

  • May reduce errors in the system since they are proven solutions to common problems.

Classification of Design Patterns

The GoF (Gang of Four) design patterns are classified into three categories namely creational, structural and behavioral.

Creational Patterns

Creational design patterns separate the object creation logic from the rest of the system. Instead of you creating objects, creational patterns creates them for you. The creational patterns include Abstract Factory, Builder, Factory Method, Prototype and Singleton.

Creational Patterns are not commonly used in Python because of the dynamic nature of the language. Also language itself provide us with all the flexibility we need to create in a sufficient elegant fashion, we rarely need to implement anything on top, like singleton or Factory.

Also these patterns provide a way to create objects while hiding the creation logic, rather than instantiating objects directly using a new operator.

Structural Patterns

Sometimes instead of starting from scratch, you need to build larger structures by using an existing set of classes. That’s where structural class patterns use inheritance to build a new structure. Structural object patterns use composition/ aggregation to obtain a new functionality. Adapter, Bridge, Composite, Decorator, Façade, Flyweight and Proxy are Structural Patterns. They offers best ways to organize class hierarchy.

Behavioral Patterns

Behavioral patterns offers best ways of handling communication between objects. Patterns comes under this categories are: Visitor, Chain of responsibility, Command, Interpreter, Iterator, Mediator, Memento, Observer, State, Strategy and Template method are Behavioral Patterns.

Because they represent the behavior of a system, they are used generally to describe the functionality of software systems.

Commonly used Design Patterns

Singleton

It is one of the most controversial and famous of all design patterns. It is used in overly object-oriented languages, and is a vital part of traditional object-oriented programming.

The Singleton pattern is used for,

  • When logging needs to be implemented. The logger instance is shared by all the components of the system.

  • The configuration files is using this because cache of information needs to be maintained and shared by all the various components in the system.

  • Managing a connection to a database.

Here is the UML diagram,

class Logger(object):
   def __new__(cls, *args, **kwargs):
      if not hasattr(cls, '_logger'):
      cls._logger = super(Logger, cls).__new__(cls, *args, **kwargs)
return cls._logger

In this example, Logger is a Singleton.

When __new__ is called, it normally constructs a new instance of that class. When we override it, we first check if our singleton instance has been created or not. If not, we create it using a super call. Thus, whenever we call the constructor on Logger, we always get the exact same instance.

>>>
>>> obj1 = Logger()
>>> obj2 = Logger()
>>> obj1 == obj2
True
>>>
>>> obj1
<__main__.Logger object at 0x03224090>
>>> obj2
<__main__.Logger object at 0x03224090>

Object Oriented Python - Advanced Features

In this we will look into some of the advanced features which Python provide

Core Syntax in our Class design

In this we will look onto, how Python allows us to take advantage of operators in our classes. Python is largely objects and methods call on objects and this even goes on even when its hidden by some convenient syntax.

>>> var1 = 'Hello'
>>> var2 = ' World!'
>>> var1 + var2
'Hello World!'
>>>
>>> var1.__add__(var2)
'Hello World!'
>>> num1 = 45
>>> num2 = 60
>>> num1.__add__(num2)
105
>>> var3 = ['a', 'b']
>>> var4 = ['hello', ' John']
>>> var3.__add__(var4)
['a', 'b', 'hello', ' John']

So if we have to add magic method __add__ to our own classes, could we do that too. Let’s try to do that.

We have a class called Sumlist which has a contructor __init__ which takes list as an argument called my_list.

class SumList(object):
   def __init__(self, my_list):
      self.mylist = my_list
   def __add__(self, other):
     new_list = [ x + y for x, y in zip(self.mylist, other.mylist)]

     return SumList(new_list)
   
   def __repr__(self):
      return str(self.mylist)

aa = SumList([3,6, 9, 12, 15])

bb = SumList([100, 200, 300, 400, 500])
cc = aa + bb # aa.__add__(bb)
print(cc) # should gives us a list ([103, 206, 309, 412, 515])

Output

[103, 206, 309, 412, 515]

But there are many methods which are internally managed by others magic methods. Below are some of them,

'abc' in var # var.__contains__('abc')
var == 'abc' # var.__eq__('abc')
var[1] # var.__getitem__(1)
var[1:3] # var.__getslice__(1, 3)
len(var) # var.__len__()
print(var) # var.__repr__()

Inheriting From built-in types

Classes can also inherit from built-in types this means inherits from any built-in and take advantage of all the functionality found there.

In below example we are inheriting from dictionary but then we are implementing one of its method __setitem__. This (setitem) is invoked when we set key and value in the dictionary. As this is a magic method, this will be called implicitly.

class MyDict(dict):

   def __setitem__(self, key, val):
      print('setting a key and value!')
      dict.__setitem__(self, key, val)

dd = MyDict()
dd['a'] = 10
dd['b'] = 20

for key in dd.keys():
   print('{0} = {1}'.format(key, dd[key]))

Output

setting a key and value!
setting a key and value!
a = 10
b = 20

Let’s extend our previous example, below we have called two magic methods called __getitem__ and __setitem__ better invoked when we deal with list index.

# Mylist inherits from 'list' object but indexes from 1 instead for 0!
class Mylist(list): # inherits from list
   def __getitem__(self, index):
      if index == 0:
         raise IndexError
      if index > 0:
         index = index - 1
         return list.__getitem__(self, index) # this method is called when

# we access a value with subscript like x[1]
   def __setitem__(self, index, value):
      if index == 0:
         raise IndexError
      if index > 0:
      index = index - 1
      list.__setitem__(self, index, value)

x = Mylist(['a', 'b', 'c']) # __init__() inherited from builtin list

print(x) # __repr__() inherited from builtin list

x.append('HELLO'); # append() inherited from builtin list

print(x[1]) # 'a' (Mylist.__getitem__ cutomizes list superclass
               # method. index is 1, but reflects 0!

print (x[4]) # 'HELLO' (index is 4 but reflects 3!

Output

['a', 'b', 'c']
a
HELLO

In above example, we set a three item list in Mylist and implicitly __init__ method is called and when we print the element x, we get the three item list ([‘a’,’b’,’c’]). Then we append another element to this list. Later we ask for index 1 and index 4. But if you see the output, we are getting element from the (index-1) what we have asked for. As we know list indexing start from 0 but here the indexing start from 1 (that’s why we are getting the first item of the list).

Naming Conventions

In this we will look into names we’ll used for variables especially private variables and conventions used by Python programmers worldwide. Although variables are designated as private but there is not privacy in Python and this by design. Like any other well documented languages, Python has naming and style conventions that it promote although it doesn’t enforce them. There is a style guide written by “Guido van Rossum” the originator of Python, that describe the best practices and use of name and is called PEP8. Here is the link for this, https://www.python.org/dev/peps/pep-0008/

PEP stands for Python enhancement proposal and is a series of documentation that distributed among the Python community to discuss proposed changes. For example it is recommended all,

  • Module names − all_lower_case
  • Class names and exception names − CamelCase
  • Global and local names − all_lower_case
  • Functions and method names − all_lower_case
  • Constants − ALL_UPPER_CASE

These are just the recommendation, you can vary if you like. But as most of the developers follows these recommendation so might me your code is less readable.

Why conform to convention?

We can follow the PEP recommendation we it allows us to get,

  • More familiar to the vast majority of developers
  • Clearer to most readers of your code.
  • Will match style of other contributers who work on same code base.
  • Mark of a professional software developers
  • Everyone will accept you.

Variable Naming − ‘Public’ and ‘Private’

In Python, when we are dealing with modules and classes, we designate some variables or attribute as private. In Python, there is no existence of “Private” instance variable which cannot be accessed except inside an object. Private simply means they are simply not intended to be used by the users of the code instead they are intended to be used internally. In general, a convention is being followed by most Python developers i.e. a name prefixed with an underscore for example. _attrval (example below) should be treated as a non-public part of the API or any Python code, whether it is a function, a method or a data member. Below is the naming convention we follow,

  • Public attributes or variables (intended to be used by the importer of this module or user of this class) −regular_lower_case

  • Private attributes or variables (internal use by the module or class) −_single_leading_underscore

  • Private attributes that shouldn’t be subclassed −__double_leading_underscore

  • Magic attributes −__double_underscores__(use them, don’t create them)

class GetSet(object):

   instance_count = 0 # public
   
   __mangled_name = 'no privacy!' # special variable

   def __init__(self, value):
      self._attrval = value # _attrval is for internal use only
      GetSet.instance_count += 1

   @property
   def var(self):
      print('Getting the "var" attribute')
      return self._attrval

   @var.setter
   def var(self, value):
      print('setting the "var" attribute')
      self._attrval = value

   @var.deleter
   def var(self):
      print('deleting the "var" attribute')
      self._attrval = None

cc = GetSet(5)
cc.var = 10 # public name
print(cc._attrval)
print(cc._GetSet__mangled_name)

Output

setting the "var" attribute
10
no privacy!

Object Oriented Python - Files and Strings

Strings

Strings are the most popular data types used in every programming language. Why? Because we, understand text better than numbers, so in writing and talking we use text and words, similarly in programming too we use strings. In string we parse text, analyse text semantics, and do data mining – and all this data is human consumed text.The string in Python is immutable.

String Manipulation

In Python, string can be marked in multiple ways, using single quote ( ‘ ), double quote( “ ) or even triple quote ( ‘’’ ) in case of multiline strings.

>>> # String Examples
>>> a = "hello"
>>> b = ''' A Multi line string,
Simple!'''
>>> e = ('Multiple' 'strings' 'togethers')

String manipulation is very useful and very widely used in every language. Often, programmers are required to break down strings and examine them closely.

Strings can be iterated over (character by character), sliced, or concatenated. The syntax is the same as for lists.

The str class has numerous methods on it to make manipulating strings easier. The dir and help commands provides guidance in the Python interpreter how to use them.

Below are some of the commonly used string methods we use.

Sr.No. Method & Description
1

isalpha()

Checks if all characters are Alphabets

2

isdigit()

Checks Digit Characters

3

isdecimal()

Checks decimal Characters

4

isnumeric()

checks Numeric Characters

5

find()

Returns the Highest Index of substrings

6

istitle()

Checks for Titlecased strings

7

join()

Returns a concatenated string

8

lower()

returns lower cased string

9

upper()

returns upper cased string

10

partion()

Returns a tuple

11

bytearray()

Returns array of given byte size

12

enumerate()

Returns an enumerate object

13

isprintable()

Checks printable character

Let’s try to run couple of string methods,

>>> str1 = 'Hello World!'
>>> str1.startswith('h')
False
>>> str1.startswith('H')
True
>>> str1.endswith('d')
False
>>> str1.endswith('d!')
True
>>> str1.find('o')
4
>>> #Above returns the index of the first occurence of the character/substring.
>>> str1.find('lo')
3
>>> str1.upper()
'HELLO WORLD!'
>>> str1.lower()
'hello world!'
>>> str1.index('b')
Traceback (most recent call last):
   File "<pyshell#19>", line 1, in <module>
      str1.index('b')
ValueError: substring not found
>>> s = ('hello How Are You')
>>> s.split(' ')
['hello', 'How', 'Are', 'You']
>>> s1 = s.split(' ')
>>> '*'.join(s1)
'hello*How*Are*You'
>>> s.partition(' ')
('hello', ' ', 'How Are You')
>>>

String Formatting

In Python 3.x formatting of strings has changed, now it more logical and is more flexible. Formatting can be done using the format() method or the % sign(old style) in format string.

The string can contain literal text or replacement fields delimited by braces {} and each replacement field may contains either the numeric index of a positional argument or the name of a keyword argument.

syntax

str.format(*args, **kwargs)

Basic Formatting

>>> '{} {}'.format('Example', 'One')
'Example One'
>>> '{} {}'.format('pie', '3.1415926')
'pie 3.1415926'

Below example allows re-arrange the order of display without changing the arguments.

>>> '{1} {0}'.format('pie', '3.1415926')
'3.1415926 pie'

Padding and aligning strings

A value can be padded to a specific length.

>>> #Padding Character, can be space or special character
>>> '{:12}'.format('PYTHON')
'PYTHON '
>>> '{:>12}'.format('PYTHON')
' PYTHON'
>>> '{:<{}s}'.format('PYTHON',12)
'PYTHON '
>>> '{:*<12}'.format('PYTHON')
'PYTHON******'
>>> '{:*^12}'.format('PYTHON')
'***PYTHON***'
>>> '{:.15}'.format('PYTHON OBJECT ORIENTED PROGRAMMING')
'PYTHON OBJECT O'
>>> #Above, truncated 15 characters from the left side of a specified string
>>> '{:.{}}'.format('PYTHON OBJECT ORIENTED',15)
'PYTHON OBJECT O'
>>> #Named Placeholders
>>> data = {'Name':'Raghu', 'Place':'Bangalore'}
>>> '{Name} {Place}'.format(**data)
'Raghu Bangalore'
>>> #Datetime
>>> from datetime import datetime
>>> '{:%Y/%m/%d.%H:%M}'.format(datetime(2018,3,26,9,57))
'2018/03/26.09:57'

Strings are Unicode

Strings as collections of immutable Unicode characters. Unicode strings provide an opportunity to create software or programs that works everywhere because the Unicode strings can represent any possible character not just the ASCII characters.

Many IO operations only know how to deal with bytes, even if the bytes object refers to textual data. It is therefore very important to know how to interchange between bytes and Unicode.

Converting text to bytes

Converting a strings to byte object is termed as encoding. There are numerous forms of encoding, most common ones are: PNG; JPEG, MP3, WAV, ASCII, UTF-8 etc. Also this(encoding) is a format to represent audio, images, text, etc. in bytes.

This conversion is possible through encode(). It take encoding technique as argument. By default, we use ‘UTF-8’ technique.

>>> # Python Code to demonstrate string encoding 
>>> 
>>> # Initialising a String 
>>> x = 'TutorialsPoint' 
>>> 
>>> #Initialising a byte object 
>>> y = b'TutorialsPoint'
>>> 
>>> # Using encode() to encode the String >>> # encoded version of x is stored in z using ASCII mapping 
>>> z = x.encode('ASCII') 
>>> 
>>> # Check if x is converted to bytes or not 
>>> 
>>> if(z==y): 
   print('Encoding Successful!') 
else: 
   print('Encoding Unsuccessful!') 
Encoding Successful!

Converting bytes to text

Converting bytes to text is called the decoding. This is implemented through decode(). We can convert a byte string to a character string if we know which encoding is used to encode it.

So Encoding and decoding are inverse processes.

>>> 
>>> # Python code to demonstrate Byte Decoding 
>>> 
>>> #Initialise a String 
>>> x = 'TutorialsPoint' 
>>> 
>>> #Initialising a byte object 
>>> y = b'TutorialsPoint' 
>>> 
>>> #using decode() to decode the Byte object 
>>> # decoded version of y is stored in z using ASCII mapping 
>>> z = y.decode('ASCII')
>>> #Check if y is converted to String or not 
>>> if (z == x): 
   print('Decoding Successful!') 
else: 
   print('Decoding Unsuccessful!') Decoding Successful! 
>>>

File I/O

Operating systems represents files as a sequence of bytes, not text.

A file is a named location on disk to store related information. It is used to permanently store data in your disk.

In Python, a file operation takes place in the following order.

  • Open a file
  • Read or write onto a file (operation).Open a file
  • Close the file.

Python wraps the incoming (or outgoing) stream of bytes with appropriate decode (or encode) calls so we can deal directly with str objects.

Opening a file

Python has a built-in function open() to open a file. This will generate a file object, also called a handle as it is used to read or modify the file accordingly.

>>> f = open(r'c:\users\rajesh\Desktop\index.webm','rb')
>>> f
<_io.BufferedReader name='c:\\users\\rajesh\\Desktop\\index.webm'>
>>> f.mode
'rb'
>>> f.name
'c:\\users\\rajesh\\Desktop\\index.webm'

For reading text from a file, we only need to pass the filename into the function. The file will be opened for reading, and the bytes will be converted to text using the platform default encoding.

Exception and Exception Classes

In general, an exception is any unusual condition. Exception usually indicates errors but sometimes they intentionally puts in the program, in cases like terminating a procedure early or recovering from a resource shortage. There are number of built-in exceptions, which indicate conditions like reading past the end of a file, or dividing by zero. We can define our own exceptions called custom exception.

Exception handling enables you handle errors gracefully and do something meaningful about it. Exception handling has two components: “throwing” and ‘catching’.

Identifying Exception (Errors)

Every error occurs in Python result an exception which will an error condition identified by its error type.

>>> #Exception
>>> 1/0
Traceback (most recent call last):
   File "<pyshell#2>", line 1, in <module>
      1/0
ZeroDivisionError: division by zero
>>>
>>> var = 20
>>> print(ver)
Traceback (most recent call last):
   File "<pyshell#5>", line 1, in <module>
      print(ver)
NameError: name 'ver' is not defined
>>> #Above as we have misspelled a variable name so we get an NameError.
>>>
>>> print('hello)

SyntaxError: EOL while scanning string literal
>>> #Above we have not closed the quote in a string, so we get SyntaxError.
>>>
>>> #Below we are asking for a key, that doen't exists.
>>> mydict = {}
>>> mydict['x']
Traceback (most recent call last):
   File "<pyshell#15>", line 1, in <module>
      mydict['x']
KeyError: 'x'
>>> #Above keyError
>>>
>>> #Below asking for a index that didn't exist in a list.
>>> mylist = [1,2,3,4]
>>> mylist[5]
Traceback (most recent call last):
   File "<pyshell#20>", line 1, in <module>
      mylist[5]
IndexError: list index out of range
>>> #Above, index out of range, raised IndexError.

Catching/Trapping Exception

When something unusual occurs in your program and you wish to handle it using the exception mechanism, you ‘throw an exception’. The keywords try and except are used to catch exceptions. Whenever an error occurs within a try block, Python looks for a matching except block to handle it. If there is one, execution jumps there.

syntax

try:
   #write some code
   #that might throw some exception
except <ExceptionType>:
   # Exception handler, alert the user

The code within the try clause will be executed statement by statement.

If an exception occurs, the rest of the try block will be skipped and the except clause will be executed.

try:
   some statement here
except:
   exception handling

Let’s write some code to see what happens when you not use any error handling mechanism in your program.

number = int(input('Please enter the number between 1 & 10: '))
print('You have entered number',number)

Above programme will work correctly as long as the user enters a number, but what happens if the users try to puts some other data type(like a string or a list).

Please enter the number between 1 > 10: 'Hi'
Traceback (most recent call last):
   File "C:/Python/Python361/exception2.py", line 1, in <module>
      number = int(input('Please enter the number between 1 & 10: '))
ValueError: invalid literal for int() with base 10: "'Hi'"

Now ValueError is an exception type. Let’s try to rewrite the above code with exception handling.

import sys

print('Previous code with exception handling')

try:
   number = int(input('Enter number between 1 > 10: '))

except(ValueError):
   print('Error..numbers only')
   sys.exit()

print('You have entered number: ',number)

If we run the program, and enter a string (instead of a number), we can see that we get a different result.

Previous code with exception handling
Enter number between 1 > 10: 'Hi'
Error..numbers only

Raising Exceptions

To raise your exceptions from your own methods you need to use raise keyword like this

raise ExceptionClass(‘Some Text Here’)

Let’s take an example

def enterAge(age):
   if age<0:
      raise ValueError('Only positive integers are allowed')
   if age % 2 ==0:
      print('Entered Age is even')
   else:
      print('Entered Age is odd')

try:
   num = int(input('Enter your age: '))
   enterAge(num)
except ValueError:
   print('Only positive integers are allowed')

Run the program and enter positive integer.

Expected Output

Enter your age: 12
Entered Age is even

But when we try to enter a negative number we get,

Expected Output

Enter your age: -2
Only positive integers are allowed

Creating Custom exception class

You can create a custom exception class by Extending BaseException class or subclass of BaseException.

From above diagram we can see most of the exception classes in Python extends from the BaseException class. You can derive your own exception class from BaseException class or from its subclass.

Create a new file called NegativeNumberException.py and write the following code.

class NegativeNumberException(RuntimeError):
   def __init__(self, age):
      super().__init__()
      self.age = age

Above code creates a new exception class named NegativeNumberException, which consists of only constructor which call parent class constructor using super()__init__() and sets the age.

Now to create your own custom exception class, will write some code and import the new exception class.

from NegativeNumberException import NegativeNumberException
def enterage(age):
   if age < 0:
      raise NegativeNumberException('Only positive integers are allowed')

   if age % 2 == 0:
      print('Age is Even')

   else:
      print('Age is Odd')

try:
   num = int(input('Enter your age: '))
   enterage(num)
except NegativeNumberException:
   print('Only positive integers are allowed')
except:
   print('Something is wrong')

Output

Enter your age: -2
Only positive integers are allowed

Another way to create a custom Exception class.

class customException(Exception):
   def __init__(self, value):
      self.parameter = value

   def __str__(self):
      return repr(self.parameter)
try:
   raise customException('My Useful Error Message!')
except customException as instance:
   print('Caught: ' + instance.parameter)

Output

Caught: My Useful Error Message!

Exception hierarchy

The class hierarchy for built-in exceptions is −

+-- SystemExit 
+-- KeyboardInterrupt 
+-- GeneratorExit 
+-- Exception 
+-- StopIteration 
+-- StopAsyncIteration 
+-- ArithmeticError 
| +-- FloatingPointError 
| +-- OverflowError 
| +-- ZeroDivisionError 
+-- AssertionError 
+-- AttributeError 
+-- BufferError 
+-- EOFError 
+-- ImportError 
+-- LookupError 
| +-- IndexError 
| +-- KeyError 
+-- MemoryError 
+-- NameError 
| +-- UnboundLocalError 
+-- OSError 
| +-- BlockingIOError 
| +-- ChildProcessError 
| +-- ConnectionError 
| | +-- BrokenPipeError 
| | +-- ConnectionAbortedError 
| | +-- ConnectionRefusedError 
| | +-- ConnectionResetError 
| +-- FileExistsError 
| +-- FileNotFoundError 
| +-- InterruptedError 
| +-- IsADirectoryError 
| +-- NotADirectoryError 
| +-- PermissionError 
| +-- ProcessLookupError 
| +-- TimeoutError 
+-- ReferenceError 
+-- RuntimeError 
| +-- NotImplementedError 
| +-- RecursionError 
+-- SyntaxError 
| +-- IndentationError
| +-- TabError 
+-- SystemError 
+-- TypeError 
+-- ValueError 
| +-- UnicodeError 
| +-- UnicodeDecodeError 
| +-- UnicodeEncodeError 
| +-- UnicodeTranslateError 
+-- Warning 
+-- DeprecationWarning 
+-- PendingDeprecationWarning 
+-- RuntimeWarning 
+-- SyntaxWarning 
+-- UserWarning 
+-- FutureWarning 
+-- ImportWarning 
+-- UnicodeWarning 
+-- BytesWarning 
+-- ResourceWarning

Object Oriented Python - Object Serialization

In the context of data storage, serialization is the process of translating data structures or object state into a format that can be stored (for example, in a file or memory buffer) or transmitted and reconstructed later.

In serialization, an object is transformed into a format that can be stored, so as to be able to deserialize it later and recreate the original object from the serialized format.

Pickle

Pickling is the process whereby a Python object hierarchy is converted into a byte stream (usually not human readable) to be written to a file, this is also known as Serialization. Unpickling is the reverse operation, whereby a byte stream is converted back into a working Python object hierarchy.

Pickle is operationally simplest way to store the object. The Python Pickle module is an object-oriented way to store objects directly in a special storage format.

What can it do?

  • Pickle can store and reproduce dictionaries and lists very easily.
  • Stores object attributes and restores them back to the same State.

What pickle can’t do?

  • It does not save an objects code. Only it’s attributes values.
  • It cannot store file handles or connection sockets.

In short we can say, pickling is a way to store and retrieve data variables into and out from files where variables can be lists, classes, etc.

To Pickle something you must −

  • import pickle
  • Write a variable to file, something like
pickle.dump(mystring, outfile, protocol),

where 3rd argument protocol is optional To unpickling something you must −

Import pickle

Write a variable to a file, something like

myString = pickle.load(inputfile)

Methods

The pickle interface provides four different methods.

  • dump() − The dump() method serializes to an open file (file-like object).

  • dumps() − Serializes to a string

  • load() − Deserializes from an open-like object.

  • loads() − Deserializes from a string.

Based on above procedure, below is an example of “pickling”.

Output

My Cat pussy is White and has 4 legs
Would you like to see her pickled? Here she is!
b'\x80\x03c__main__\nCat\nq\x00)\x81q\x01}q\x02(X\x0e\x00\x00\x00number_of_legsq\x03K\x04X\x05\x00\x00\x00colorq\x04X\x05\x00\x00\x00Whiteq\x05ub.'

So, in the example above, we have created an instance of a Cat class and then we’ve pickled it, transforming our “Cat” instance into a simple array of bytes.

This way we can easily store the bytes array on a binary file or in a database field and restore it back to its original form from our storage support in a later time.

Also if you want to create a file with a pickled object, you can use the dump() method ( instead of the dumps*()* one) passing also an opened binary file and the pickling result will be stored in the file automatically.

[….]
binary_file = open(my_pickled_Pussy.bin', mode='wb')
my_pickled_Pussy = pickle.dump(Pussy, binary_file)
binary_file.close()

Unpickling

The process that takes a binary array and converts it to an object hierarchy is called unpickling.

The unpickling process is done by using the load() function of the pickle module and returns a complete object hierarchy from a simple bytes array.

Let’s use the load function in our previous example.

Output

MeOw is black
Pussy is white

JSON

JSON(JavaScript Object Notation) has been part of the Python standard library is a lightweight data-interchange format. It is easy for humans to read and write. It is easy to parse and generate.

Because of its simplicity, JSON is a way by which we store and exchange data, which is accomplished through its JSON syntax, and is used in many web applications. As it is in human readable format, and this may be one of the reasons for using it in data transmission, in addition to its effectiveness when working with APIs.

An example of JSON-formatted data is as follow −

{"EmployID": 40203, "Name": "Zack", "Age":54, "isEmployed": True}

Python makes it simple to work with Json files. The module sused for this purpose is the JSON module. This module should be included (built-in) within your Python installation.

So let’s see how can we convert Python dictionary to JSON and write it to a text file.

JSON to Python

Reading JSON means converting JSON into a Python value (object). The json library parses JSON into a dictionary or list in Python. In order to do that, we use the loads() function (load from a string), as follow −

Output

Below is one sample json file,

data1.json
{"menu": {
   "id": "file",
   "value": "File",
   "popup": {
      "menuitem": [
         {"value": "New", "onclick": "CreateNewDoc()"},
         {"value": "Open", "onclick": "OpenDoc()"},
         {"value": "Close", "onclick": "CloseDoc()"}
      ]
   }
}}

Above content (Data1.json) looks like a conventional dictionary. We can use pickle to store this file but the output of it is not human readable form.

JSON(Java Script Object Notification) is a very simple format and that’s one of the reason for its popularity. Now let’s look into json output through below program.

Output

Above we open the json file (data1.json) for reading, obtain the file handler and pass on to json.load and getting back the object. When we try to print the output of the object, its same as the json file. Although the type of the object is dictionary, it comes out as a Python object. Writing to the json is simple as we saw this pickle. Above we load the json file, add another key value pair and writing it back to the same json file. Now if we see out data1.json, it looks different .i.e. not in the same format as we see previously.

To make our Output looks same (human readable format), add the couple of arguments into our last line of the program,

json.dump(conf, fh, indent = 4, separators = (‘,’, ‘: ‘))

Similarly like pickle, we can print the string with dumps and load with loads. Below is an example of that,

YAML

YAML may be the most human friendly data serialization standard for all programming languages.

Python yaml module is called pyaml

YAML is an alternative to JSON −

  • Human readable code − YAML is the most human readable format so much so that even its front-page content is displayed in YAML to make this point.

  • Compact code − In YAML we use whitespace indentation to denote structure not brackets.

  • Syntax for relational data − For internal references we use anchors (&) and aliases (*).

  • One of the area where it is used widely is for viewing/editing of data structures − for example configuration files, dumping during debugging and document headers.

Installing YAML

As yaml is not a built-in module, we need to install it manually. Best way to install yaml on windows machine is through pip. Run below command on your windows terminal to install yaml,

pip install pyaml (Windows machine)
sudo pip install pyaml (*nix and Mac)

On running above command, screen will display something like below based on what’s the current latest version.

Collecting pyaml
Using cached pyaml-17.12.1-py2.py3-none-any.whl
Collecting PyYAML (from pyaml)
Using cached PyYAML-3.12.tar.gz
Installing collected packages: PyYAML, pyaml
Running setup.py install for PyYAML ... done
Successfully installed PyYAML-3.12 pyaml-17.12.1

To test it, go to the Python shell and import the yaml module, import yaml, if no error is found, then we can say installation is successful.

After installing pyaml, let’s look at below code,

script_yaml1.py

Above we created three different data structure, dictionary, list and tuple. On each of the structure, we do yaml.dump. Important point is how the output is displayed on the screen.

Output

Dictionary output looks clean .ie. key: value.

White space to separate different objects.

List is notated with dash (-)

Tuple is indicated first with !!Python/tuple and then in the same format as lists.

Loading a yaml file

So let’s say I have one yaml file, which contains,

---
# An employee record
name: Raagvendra Joshi
job: Developer
skill: Oracle
employed: True
foods:
   - Apple
   - Orange
   - Strawberry
   - Mango
languages:
   Oracle: Elite
   power_builder: Elite
   Full Stack Developer: Lame
education:
   4 GCSEs
   3 A-Levels
   MCA in something called com

Now let’s write a code to load this yaml file through yaml.load function. Below is code for the same.

As the output doesn’t looks that much readable, I prettify it by using json in the end. Compare the output we got and the actual yaml file we have.

Output

One of the most important aspect of software development is debugging. In this section we’ll see different ways of Python debugging either with built-in debugger or third party debuggers.

PDB – The Python Debugger

The module PDB supports setting breakpoints. A breakpoint is an intentional pause of the program, where you can get more information about the programs state.

To set a breakpoint, insert the line

pdb.set_trace()

Example

pdb_example1.py
import pdb
x = 9
y = 7
pdb.set_trace()
total = x + y
pdb.set_trace()

We have inserted a few breakpoints in this program. The program will pause at each breakpoint (pdb.set_trace()). To view a variables contents simply type the variable name.

c:\Python\Python361>Python pdb_example1.py
> c:\Python\Python361\pdb_example1.py(8)<module>()
-> total = x + y
(Pdb) x
9
(Pdb) y
7
(Pdb) total
*** NameError: name 'total' is not defined
(Pdb)

Press c or continue to go on with the programs execution until the next breakpoint.

(Pdb) c
--Return--
> c:\Python\Python361\pdb_example1.py(8)<module>()->None
-> total = x + y
(Pdb) total
16

Eventually, you will need to debug much bigger programs – programs that use subroutines. And sometimes, the problem that you’re trying to find will lie inside a subroutine. Consider the following program.

import pdb
def squar(x, y):
   out_squared = x^2 + y^2
   return out_squared
if __name__ == "__main__":
   #pdb.set_trace()
   print (squar(4, 5))

Now on running the above program,

c:\Python\Python361>Python pdb_example2.py
> c:\Python\Python361\pdb_example2.py(10)<module>()
-> print (squar(4, 5))
(Pdb)

We can use ? to get help, but the arrow indicates the line that’s about to be executed. At this point it’s helpful to hit s to s to step into that line.

(Pdb) s
--Call--
>c:\Python\Python361\pdb_example2.py(3)squar()
-> def squar(x, y):

This is a call to a function. If you want an overview of where you are in your code, try l −

(Pdb) l
1 import pdb
2
3 def squar(x, y):
4 -> out_squared = x^2 + y^2
5
6 return out_squared
7
8 if __name__ == "__main__":
9 pdb.set_trace()
10 print (squar(4, 5))
[EOF]
(Pdb)

You can hit n to advance to the next line. At this point you are inside the out_squared method and you have access to the variable declared inside the function .i.e. x and y.

(Pdb) x
4
(Pdb) y
5
(Pdb) x^2
6
(Pdb) y^2
7
(Pdb) x**2
16
(Pdb) y**2
25
(Pdb)

So we can see the ^ operator is not what we wanted instead we need to use ** operator to do squares.

This way we can debug our program inside the functions/methods.

Logging

The logging module has been a part of Python’s Standard Library since Python version 2.3. As it’s a built-in module all Python module can participate in logging, so that our application log can include your own message integrated with messages from third party module. It provides a lot of flexibility and functionality.

Benefits of Logging

  • Diagnostic logging − It records events related to the application’s operation.

  • Audit logging − It records events for business analysis.

Messages are written and logged at levels of “severity” &minu

  • DEBUG (debug()) − diagnostic messages for development.

  • INFO (info()) − standard “progress” messages.

  • WARNING (warning()) − detected a non-serious issue.

  • ERROR (error()) − encountered an error, possibly serious.

  • CRITICAL (critical()) − usually a fatal error (program stops).

Let’s looks into below simple program,

import logging

logging.basicConfig(level=logging.INFO)

logging.debug('this message will be ignored') # This will not print
logging.info('This should be logged') # it'll print
logging.warning('And this, too') # It'll print

Above we are logging messages on severity level. First we import the module, call basicConfig and set the logging level. Level we set above is INFO. Then we have three different statement: debug statement, info statement and a warning statement.

Output of logging1.py

INFO:root:This should be logged
WARNING:root:And this, too

As the info statement is below debug statement, we are not able to see the debug message. To get the debug statement too in the Output terminal, all we need to change is the basicConfig level.

logging.basicConfig(level = logging.DEBUG)

And in the Output we can see,

DEBUG:root:this message will be ignored
INFO:root:This should be logged
WARNING:root:And this, too

Also the default behavior means if we don’t set any logging level is warning. Just comment out the second line from the above program and run the code.

#logging.basicConfig(level = logging.DEBUG)

Output

WARNING:root:And this, too

Python built in logging level are actually integers.

>>> import logging
>>>
>>> logging.DEBUG
10
>>> logging.CRITICAL
50
>>> logging.WARNING
30
>>> logging.INFO
20
>>> logging.ERROR
40
>>>

We can also save the log messages into the file.

logging.basicConfig(level = logging.DEBUG, filename = 'logging.log')

Now all log messages will go the file (logging.log) in your current working directory instead of the screen. This is a much better approach as it lets us to do post analysis of the messages we got.

We can also set the date stamp with our log message.

logging.basicConfig(level=logging.DEBUG, format = '%(asctime)s %(levelname)s:%(message)s')

Output will get something like,

2018-03-08 19:30:00,066 DEBUG:this message will be ignored
2018-03-08 19:30:00,176 INFO:This should be logged
2018-03-08 19:30:00,201 WARNING:And this, too

Benchmarking

Benchmarking or profiling is basically to test how fast is your code executes and where the bottlenecks are? The main reason to do this is for optimization.

timeit

Python comes with a in-built module called timeit. You can use it to time small code snippets. The timeit module uses platform-specific time functions so that you will get the most accurate timings possible.

So, it allows us to compare two shipment of code taken by each and then optimize the scripts to given better performance.

The timeit module has a command line interface, but it can also be imported.

There are two ways to call a script. Let’s use the script first, for that run the below code and see the Output.

import timeit
print ( 'by index: ', timeit.timeit(stmt = "mydict['c']", setup = "mydict = {'a':5, 'b':10, 'c':15}", number = 1000000))
print ( 'by get: ', timeit.timeit(stmt = 'mydict.get("c")', setup = 'mydict = {"a":5, "b":10, "c":15}', number = 1000000))

Output

by index: 0.1809192126703489
by get: 0.6088525265034692

Above we use two different method .i.e. by subscript and get to access the dictionary key value. We execute statement 1 million times as it executes too fast for a very small data. Now we can see the index access much faster as compared to the get. We can run the code multiply times and there will be slight variation in the time execution to get the better understanding.

Another way is to run the above test in the command line. Let’s do it,

c:\Python\Python361>Python -m timeit -n 1000000 -s "mydict = {'a': 5, 'b':10, 'c':15}" "mydict['c']"
1000000 loops, best of 3: 0.187 usec per loop

c:\Python\Python361>Python -m timeit -n 1000000 -s "mydict = {'a': 5, 'b':10, 'c':15}" "mydict.get('c')"
1000000 loops, best of 3: 0.659 usec per loop

Above output may vary based on your system hardware and what all applications are running currently in your system.

Below we can use the timeit module, if we want to call to a function. As we can add multiple statement inside the function to test.

import timeit

def testme(this_dict, key):
   return this_dict[key]

print (timeit.timeit("testme(mydict, key)", setup = "from __main__ import testme; mydict = {'a':9, 'b':18, 'c':27}; key = 'c'", number = 1000000))

Output

0.7713474590139164

Object Oriented Python - Libraries

Requests − Python Requests Module

Requests is a Python module which is an elegant and simple HTTP library for Python. With this you can send all kinds of HTTP requests. With this library we can add headers, form data, multipart files and parameters and access the response data.

As Requests is not a built-in module, so we need to install it first.

You can install it by running the following command in the terminal −

pip install requests

Once you have installed the module, you can verify if the installation is successful by typing below command in the Python shell.

import requests

If the installation has been successful, you won’t see any error message.

Making a GET Request

As a means of example we’ll be using the “pokeapi”

Output −

Making POST Requests

The requests library methods for all of the HTTP verbs currently in use. If you wanted to make a simple POST request to an API endpoint then you can do that like so −

req = requests.post(‘http://api/user’, data = None, json = None)

This would work in exactly the same fashion as our previous GET request, however it features two additional keyword parameters −

  • data which can be populated with say a dictionary, a file or bytes that will be passed in the HTTP body of our POST request.

  • json which can be populated with a json object that will be passed in the body of our HTTP request also.

Pandas: Python Library Pandas

Pandas is an open-source Python Library providing high-performance data manipulation and analysis tool using its powerful data structures. Pandas is one of the most widely used Python libraries in data science. It is mainly used for data munging, and with good reason: Powerful and flexible group of functionality.

Built on Numpy package and the key data structure is called the DataFrame. These dataframes allows us to store and manipulate tabular data in rows of observations and columns of variables.

There are several ways to create a DataFrame. One way is to use a dictionary. For example −

Output

From the output we can see new brics DataFrame, Pandas has assigned a key for each country as the numerical values 0 through 4.

If instead of giving indexing values from 0 to 4, we would like to have different index values, say the two letter country code, you can do that easily as well −

Adding below one lines in the above code, gives

brics.index = ['BR', 'RU', 'IN', 'CH', 'SA']

Output

Indexing DataFrames

Output

Pygame

Pygame is the open source and cross-platform library that is for making multimedia applications including games. It includes computer graphics and sound libraries designed to be used with the Python programming language. You can develop many cool games with Pygame.’

Overview

Pygame is composed of various modules, each dealing with a specific set of tasks. For example, the display module deals with the display window and screen, the draw module provides functions to draw shapes and the key module works with the keyboard. These are just some of the modules of the library.

The home of the Pygame library is at https://www.pygame.org/news

To make a Pygame application, you follow these steps −

Import the Pygame library

import pygame

Initialize the Pygame library

pygame.init()

Create a window.

screen = Pygame.display.set_mode((560,480))
Pygame.display.set_caption(‘First Pygame Game’)

Initialize game objects

In this step we load images, load sounds, do object positioning, set up some state variables, etc.

Start the game loop.

It is just a loop where we continuously handle events, checks for input, move objects, and draw them. Each iteration of the loop is called a frame.

Let’s put all the above logic into one below program,

Pygame_script.py

Output

Beautiful Soup: Web Scraping with Beautiful Soup

The general idea behind web scraping is to get the data that exists on a website, and convert it into some format that is usable for analysis.

It’s a Python library for pulling data out of HTML or XML files. With your favourite parser it provide idiomatic ways of navigating, searching and modifying the parse tree.

As BeautifulSoup is not a built-in library, we need to install it before we try to use it. To install BeautifulSoup, run the below command

$ apt-get install Python-bs4 # For Linux and Python2 
$ apt-get install Python3-bs4 # for Linux based system and Python3.

$ easy_install beautifulsoup4 # For windows machine, 
Or 
$ pip instal beatifulsoup4 # For window machine

Once the installation is done, we are ready to run few examples and explores Beautifulsoup in details,

Output

Below are some simple ways to navigate that data structure −

One common task is extracting all the URLs found within a page’s <a> tags −

Another common task is extracting all the text from a page −