Объектно-ориентированный Python - Краткое руководство

Языки программирования появляются постоянно, равно как и различные методологии. Объектно-ориентированное программирование - одна из таких методологий, которая стала довольно популярной за последние несколько лет.

В этой главе рассказывается об особенностях языка программирования Python, которые делают его объектно-ориентированным языком программирования.

Схема классификации языкового программирования

Python можно охарактеризовать с помощью методологий объектно-ориентированного программирования. На следующем изображении показаны характеристики различных языков программирования. Обратите внимание на особенности Python, которые делают его объектно-ориентированным.

Классы Langauage Категории Langauages
Парадигма программирования Процедурный C, C ++, C #, Objective-C, java, Go
Сценарии CoffeeScript, JavaScript, Python, Perl, Php, Ruby
Функциональный Clojure, Eralang, Haskell, Scala
Класс компиляции Статический C, C ++, C #, Objective-C, java, Go, Haskell, Scala
Динамический CoffeeScript, JavaScript, Python, Perl, Php, Ruby, Clojure, Erlang
Тип Класс Сильный C #, java, Go, Python, Ruby, Clojure, Erlang, Haskell, Scala
Слабый C, C ++, C #, Objective-C, CoffeeScript, JavaScript, Perl, Php
Класс памяти Удалось Другие
Неуправляемый C, C ++, C #, Objective-C

Что такое объектно-ориентированное программирование?

Object Orientedсредства направлены на объекты. Другими словами, это означает, что функционально направлено на моделирование объектов. Это один из многих методов, используемых для моделирования сложных систем путем описания набора взаимодействующих объектов через их данные и поведение.

Python, объектно-ориентированное программирование (ООП), представляет собой способ программирования, который фокусируется на использовании объектов и классов для проектирования и создания приложений. Основными столпами объектно-ориентированного программирования (ООП) являются Inheritance, Polymorphism, Abstraction, объявление Encapsulation.

Объектно-ориентированный анализ (OOA) - это процесс изучения проблемы, системы или задачи и определения объектов и взаимодействий между ними.

Почему стоит выбрать объектно-ориентированное программирование?

Python был разработан с использованием объектно-ориентированного подхода. ООП предлагает следующие преимущества -

  • Предоставляет четкую структуру программы, которая упрощает отображение реальных проблем и способов их решения.

  • Облегчает обслуживание и модификацию существующего кода.

  • Повышает модульность программы, так как каждый объект существует независимо, и можно легко добавлять новые функции, не нарушая существующие.

  • Представляет собой хорошую основу для библиотек кода, в которой поставляемые компоненты могут быть легко адаптированы и изменены программистом.

  • Обеспечивает возможность повторного использования кода

Процедурное и объектно-ориентированное программирование

Процедурное программирование происходит от структурного программирования, основанного на концепциях functions/procedure/routines. В процедурно-ориентированном программировании легко получить доступ к данным и изменить их. С другой стороны, объектно-ориентированное программирование (ООП) позволяет разложить проблему на несколько единиц, называемыхobjectsа затем построить данные и функции вокруг этих объектов. Он уделяет больше внимания данным, чем процедурам или функциям. Также в ООП данные скрыты и недоступны для внешних процедур.

В таблице на следующем изображении показаны основные различия между подходами POP и OOP.

Разница между процедурно-ориентированным программированием (POP) и. Объектно-ориентированное программирование (ООП).

Процедурно-ориентированное программирование Объектно-ориентированного программирования
На основе В Pop все внимание уделяется данным и функциям Упс основан на реальном сценарии. Вся программа разделена на небольшие части, называемые объектами.
Возможность повторного использования Ограниченное повторное использование кода Повторное использование кода
Подход Нисходящий подход Объектно-ориентированный дизайн
Спецификаторы доступа Ни один Общедоступный, частный и защищенный
Перемещение данных Данные могут свободно перемещаться от функций к функциям в системе В Oops данные могут перемещаться и взаимодействовать друг с другом через функции-члены
Доступ к данным В pop большинство функций используют глобальные данные для обмена, к которым можно получить свободный доступ от функции к функции в системе. К сожалению, данные не могут свободно перемещаться от метода к методу, они могут быть публичными или частными, поэтому мы можем контролировать доступ к данным.
Скрытие данных В поп, такой специфический способ скрыть данные, немного менее безопасный Он обеспечивает скрытие данных, что намного безопаснее
Перегрузка Невозможно Функции и перегрузка оператора
Примеры языков C, VB, Фортран, Паскаль C ++, Python, Java, C #
Абстракция Использует абстракцию на уровне процедуры Использует абстракцию на уровне класса и объекта

Принципы объектно-ориентированного программирования

Объектно-ориентированное программирование (ООП) основано на концепции objects а не действия, и dataа не логика. Для того чтобы язык программирования был объектно-ориентированным, он должен иметь механизм, позволяющий работать с классами и объектами, а также реализовывать и использовать фундаментальные объектно-ориентированные принципы и концепции, а именно наследование, абстракцию, инкапсуляцию и полиморфизм.

Давайте вкратце разберемся с каждым из столпов объектно-ориентированного программирования -

Инкапсуляция

Это свойство скрывает ненужные детали и упрощает управление структурой программы. Реализация и состояние каждого объекта скрыты за четко определенными границами, что обеспечивает понятный и простой интерфейс для работы с ними. Один из способов добиться этого - сделать данные конфиденциальными.

Наследование

Наследование, также называемое обобщением, позволяет нам фиксировать иерархические отношения между классами и объектами. Например, «фрукт» - это обобщение слова «апельсин». Наследование очень полезно с точки зрения повторного использования кода.

Абстракция

Это свойство позволяет нам скрыть детали и раскрыть только существенные особенности концепции или объекта. Например, человек, управляющий скутером, знает, что при нажатии на рог издается звук, но он не имеет представления о том, как звук на самом деле создается при нажатии на рог.

Полиморфизм

Полиморфизм означает множество форм. То есть вещь или действие присутствует в разных формах или способами. Хороший пример полиморфизма - перегрузка конструктора в классах.

Объектно-ориентированный Python

В основе программирования на Python лежит object и OOP, однако вам не нужно ограничивать себя использованием ООП путем организации вашего кода в классы. ООП дополняет всю философию дизайна Python и поощряет чистый и прагматичный подход к программированию. ООП также позволяет писать большие и сложные программы.

Модули против классов и объектов

Модули похожи на «Словари»

При работе с модулями обратите внимание на следующие моменты -

  • Модуль Python - это пакет для инкапсуляции кода многократного использования.

  • Модули находятся в папке с __init__.py файл на нем.

  • Модули содержат функции и классы.

  • Модули импортируются с использованием import ключевое слово.

Напомним, что словарь - это key-valueпара. Это означает, что если у вас есть словарь с ключомEmployeID и вы хотите получить его, тогда вам придется использовать следующие строки кода -

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

Вам нужно будет работать над модулями со следующим процессом -

  • Модуль - это файл Python с некоторыми функциями или переменными в нем.

  • Импортируйте нужный файл.

  • Теперь вы можете получить доступ к функциям или переменным в этом модуле с помощью символа '.' (dot) Оператор.

Рассмотрим модуль с именем employee.py с функцией в нем называется employee. Код функции приведен ниже -

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

Теперь импортируйте модуль, а затем получите доступ к функции EmployeID -

import employee
employee. EmployeID()

Вы можете вставить в него переменную с именем Age, как показано -

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

Теперь получите доступ к этой переменной следующим образом -

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

Теперь сравним это со словарем -

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

Обратите внимание, что в Python есть общий шаблон -

  • Взять key = value контейнер стиля

  • Получите что-нибудь по имени ключа

При сравнении модуля со словарем оба похожи, за исключением следующего:

  • В случае dictionary, ключ - это строка, а синтаксис - [ключ].

  • В случае module, ключ - это идентификатор, а синтаксис - .key.

Классы похожи на модули

Module - это специализированный словарь, в котором может храниться код Python, поэтому вы можете получить к нему доступ с помощью '.' Оператор. Класс - это способ взять группу функций и данных и поместить их в контейнер, чтобы вы могли получить к ним доступ с помощью оператора '.'.

Если вам нужно создать класс, похожий на модуль сотрудника, вы можете сделать это, используя следующий код -

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

Note- Классы предпочтительнее модулей, потому что вы можете повторно использовать их такими, какие они есть, и без особого вмешательства. В то время как с модулями у вас есть только один со всей программой.

Объекты похожи на мини-импорт

Класс похож на mini-module и вы можете импортировать так же, как и для классов, используя концепцию под названием instantiate. Обратите внимание, что когда вы создаете экземпляр класса, вы получаетеobject.

Вы можете создать экземпляр объекта, аналогично вызову класса, например функции, как показано -

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

Вы можете сделать это любым из следующих трех способов:

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

В этой главе подробно рассказывается о настройке среды Python на вашем локальном компьютере.

Предварительные условия и наборы инструментов

Прежде чем продолжить изучение Python, мы предлагаем вам проверить, выполняются ли следующие предварительные условия:

  • На вашем компьютере установлена ​​последняя версия Python

  • Установлена ​​IDE или текстовый редактор

  • У вас есть базовые навыки написания и отладки на Python, то есть вы можете делать на Python следующее:

    • Умеет писать и запускать программы на Python.

    • Отлаживайте программы и диагностируйте ошибки.

    • Работа с основными типами данных.

    • Написать for петли, while петли и if заявления

    • Код functions

Если у вас нет опыта работы с языком программирования, вы можете найти множество руководств по Python для начинающих на

https://www.tutorialpoints.com/

Установка Python

Следующие шаги подробно показывают, как установить Python на локальный компьютер.

Step 1 - Перейдите на официальный сайт Python. https://www.python.org/, нажми на Downloads меню и выберите последнюю или любую стабильную версию по вашему выбору.

Step 2- Сохраните exe-файл установщика Python, который вы загружаете, и после его загрузки откройте его. Нажмите наRun и выберите Next вариант по умолчанию и завершить установку.

Step 3- После установки вы должны увидеть меню Python, как показано на изображении ниже. Запустите программу, выбрав IDLE (графический интерфейс Python).

Это запустит оболочку Python. Введите простые команды, чтобы проверить установку.

Выбор IDE

Интегрированная среда разработки - это текстовый редактор, предназначенный для разработки программного обеспечения. Вам нужно будет установить IDE для управления потоком вашего программирования и группировки проектов при работе над Python. Вот некоторые из IDE, доступных в Интернете. Вы можете выбрать тот, который вам удобнее.

  • Pycharm IDE
  • Komodo IDE
  • Эрик Python IDE

Note - Eclipse IDE в основном используется на Java, однако у нее есть плагин для Python.

Pycharm

Pycharm, кроссплатформенная IDE, является одной из самых популярных IDE, доступных в настоящее время. Он обеспечивает помощь в кодировании и анализ с автозавершением кода, навигацией по проекту и коду, интегрированным модульным тестированием, интеграцией контроля версий, отладкой и многим другим

Ссылка для скачивания

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

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

Скриншот

Почему выбрать?

PyCharm предлагает своим пользователям следующие функции и преимущества:

  • Кросс-платформенная IDE, совместимая с Windows, Linux и Mac OS
  • Включает Django IDE, а также поддержку CSS и JavaScript
  • Включает тысячи плагинов, встроенный терминал и контроль версий
  • Интегрируется с Git, SVN и Mercurial
  • Предлагает интеллектуальные инструменты редактирования для Python
  • Простая интеграция с Virtualenv, Docker и Vagrant
  • Простые функции навигации и поиска
  • Анализ кода и рефакторинг
  • Настраиваемые инъекции
  • Поддерживает множество библиотек Python
  • Содержит шаблоны и отладчики JavaScript
  • Включает отладчики Python / Django
  • Работает с Google App Engine, дополнительными фреймворками и библиотеками.
  • Имеет настраиваемый пользовательский интерфейс, доступна эмуляция VIM

Komodo IDE

Это многоязычная IDE, которая поддерживает более 100 языков и в основном для динамических языков, таких как Python, PHP и Ruby. Это коммерческая среда IDE, доступная для 21-дневной бесплатной пробной версии с полной функциональностью. ActiveState - компания-разработчик программного обеспечения, управляющая разработкой Komodo IDE. Он также предлагает урезанную версию Komodo, известную как Komodo Edit, для простых задач программирования.

Эта среда IDE содержит все виды функций от самого базового до продвинутого уровня. Если вы студент или фрилансер, то вы можете купить его почти вдвое дешевле. Однако это совершенно бесплатно для преподавателей и профессоров из признанных институтов и университетов.

В нем есть все функции, необходимые для веб-разработки и разработки мобильных приложений, включая поддержку всех ваших языков и фреймворков.

Ссылка для скачивания

Ссылки для скачивания Komodo Edit (бесплатная версия) и Komodo IDE (платная версия) приведены здесь -

Komodo Edit (free)

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

Komodo IDE (paid)

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

Скриншот

Почему выбрать?

  • Мощная IDE с поддержкой Perl, PHP, Python, Ruby и многих других.
  • Кросс-платформенная IDE.

Он включает в себя основные функции, такие как встроенная поддержка отладчика, автозаполнение, средство просмотра объектной модели документа (DOM), браузер кода, интерактивные оболочки, конфигурация точки останова, профилирование кода, интегрированное модульное тестирование. Короче говоря, это профессиональная IDE с множеством функций, повышающих производительность.

Эрик Python IDE

Это IDE с открытым исходным кодом для Python и Ruby. Эрик - полнофункциональный редактор и IDE, написанный на Python. Он основан на кроссплатформенном наборе инструментов Qt GUI, объединяющем очень гибкий элемент управления редактора Scintilla. IDE очень настраиваема, и можно выбирать, что использовать, а что нет. Вы можете скачать Eric IDE по ссылке ниже:

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

Почему выбрать

  • Отличные отступы, выделение ошибок.
  • Код помощи
  • Завершение кода
  • Очистка кода с помощью PyLint
  • Быстрый поиск
  • Встроенный отладчик Python.

Скриншот

Выбор текстового редактора

Вам не всегда может понадобиться IDE. Для таких задач, как обучение программированию на Python или Arduino или при работе над быстрым сценарием в сценарии оболочки, который поможет вам автоматизировать некоторые задачи, подойдет простой и легкий текстовый редактор, ориентированный на код. Также многие текстовые редакторы предлагают такие функции, как подсветка синтаксиса и выполнение сценариев в программе, аналогичные IDE. Некоторые из текстовых редакторов приведены здесь -

  • Atom
  • Возвышенный текст
  • Notepad++

Текстовый редактор Atom

Atom - это текстовый редактор, который можно взломать, созданный командой GitHub. Это бесплатный редактор текста и кода с открытым исходным кодом, что означает, что весь код доступен для чтения, изменения для собственного использования и даже внесения улучшений. Это кроссплатформенный текстовый редактор, совместимый с macOS, Linux и Microsoft Windows, с поддержкой надстроек, написанных на Node.js, и встроенного Git Control.

Ссылка для скачивания

https://atom.io/

Скриншот

Поддерживаемые языки

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 и многие другие.

Превосходный текстовый редактор

Sublime text - это проприетарное программное обеспечение, которое предлагает вам бесплатную пробную версию, чтобы протестировать ее перед покупкой. По данным stackoverflow.com , это четвертая по популярности среда разработки.

Некоторые из его преимуществ - невероятная скорость, простота использования и поддержка сообщества. Он также поддерживает множество языков программирования и языков разметки, а функции могут быть добавлены пользователями с помощью плагинов, обычно создаваемых сообществом и поддерживаемых по лицензиям на бесплатное программное обеспечение.

Скриншот

Поддерживаемый язык

  • Python, Ruby, JavaScript и т. Д.

Почему выбрать?

  • Настройте привязки клавиш, меню, фрагменты, макросы, дополнения и многое другое.

  • Функция автозаполнения

  • Быстро вставляйте текст и код с помощью фрагментов превосходного текста, используя фрагменты, маркеры полей и заполнители
  • Открывается быстро

  • Кросс-платформенная поддержка Mac, Linux и Windows.

  • Переместите курсор туда, куда вы хотите перейти

  • Выберите несколько строк, слов и столбцов

Блокнот ++

Это бесплатный редактор исходного кода и замена Блокнота, который поддерживает несколько языков от ассемблера до XML, включая Python. Работает в среде MS Windows, его использование регулируется лицензией GPL. В дополнение к подсветке синтаксиса Notepad ++ имеет некоторые функции, которые особенно полезны для программистов.

Скриншот

Ключевая особенность

  • Подсветка синтаксиса и сворачивание синтаксиса
  • PCRE (Perl-совместимое регулярное выражение) Поиск / замена
  • Полностью настраиваемый графический интерфейс
  • SAuto завершение
  • Редактирование с вкладками
  • Multi-View
  • Многоязычная среда
  • Возможность запуска с разными аргументами

Поддерживаемый язык

  • Почти все языки (более 60 языков), такие как Python, C, C ++, C #, Java и т. Д.

Структуры данных Python очень интуитивно понятны с синтаксической точки зрения и предлагают большой выбор операций. Вам необходимо выбрать структуру данных Python в зависимости от того, что включают в себя данные, если они должны быть изменены, или если это фиксированные данные и какой тип доступа требуется, например, в начале / конце / случайном и т. Д.

Списки

Список представляет собой наиболее универсальный тип структуры данных в Python. Список - это контейнер, который содержит значения (элементы или элементы), разделенные запятыми, в квадратных скобках. Списки полезны, когда мы хотим работать с несколькими связанными значениями. Поскольку списки хранят данные вместе, мы можем выполнять одни и те же методы и операции с несколькими значениями одновременно. Индексы списков начинаются с нуля и, в отличие от строк, списки изменяемы.

Структура данных - список

>>>
>>> # 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']

Доступ к элементам в списке Python

Каждому элементу списка присваивается номер - то есть индекс или позиция этого номера. Индексирование всегда начинается с нуля, второй индекс равен единице и так далее. Чтобы получить доступ к элементам в списке, мы можем использовать эти номера индексов в квадратных скобках. Например, обратите внимание на следующий код -

>>> 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'

Пустые объекты

Пустые объекты - это самые простые и базовые встроенные типы Python. Мы использовали их несколько раз, не замечая этого, и распространили их на каждый созданный нами класс. Основная цель написания пустого класса - заблокировать что-то на время, а затем расширить и добавить к нему поведение.

Добавить поведение к классу означает заменить структуру данных объектом и изменить все ссылки на него. Поэтому важно проверить данные, не являются ли они замаскированным объектом, прежде чем что-либо создавать. Для лучшего понимания обратите внимание на следующий код:

>>> #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'

Итак, сверху мы видим, что невозможно установить какие-либо атрибуты для объекта, который был создан напрямую. Когда Python позволяет объекту иметь произвольные атрибуты, требуется определенный объем системной памяти, чтобы отслеживать, какие атрибуты имеет каждый объект, для хранения как имени атрибута, так и его значения. Даже если атрибуты не сохранены, определенный объем памяти выделяется для потенциальных новых атрибутов.

Таким образом, Python по умолчанию отключает произвольные свойства объекта и несколько других встроенных функций.

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

Следовательно, если мы хотим сгруппировать свойства вместе, мы могли бы сохранить их в пустом объекте, как показано в приведенном выше коде. Однако этот метод не всегда предлагается. Помните, что классы и объекты следует использовать только тогда, когда вы хотите указать и данные, и поведение.

Кортежи

Кортежи похожи на списки и могут хранить элементы. Однако они неизменяемы, поэтому мы не можем добавлять, удалять или заменять объекты. Основные преимущества, которые дает кортеж благодаря его неизменности, заключаются в том, что мы можем использовать их в качестве ключей в словарях или в других местах, где объекту требуется хеш-значение.

Кортежи используются для хранения данных, а не поведения. Если вам требуется поведение для управления кортежем, вам нужно передать кортеж в функцию (или метод другого объекта), которая выполняет действие.

Поскольку кортеж может действовать как ключ словаря, сохраненные значения отличаются друг от друга. Мы можем создать кортеж, разделив значения запятой. Кортежи заключаются в круглые скобки, но не обязательно. В следующем коде показаны два идентичных назначения.

>>> 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
>>>

Определение кортежа

Кортежи очень похожи на список, за исключением того, что весь набор элементов заключен в круглые скобки вместо квадратных.

Точно так же, как когда вы разрезаете список, вы получаете новый список, а когда вы разрезаете кортеж, вы получаете новый кортеж.

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

Кортежные методы Python

В следующем коде показаны методы в кортежах 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

Из кода, показанного выше, мы можем понять, что кортежи неизменяемы и, следовательно, -

  • Вы cannot добавить элементы в кортеж.

  • Вы cannot добавить или расширить метод.

  • Вы cannot удалить элементы из кортежа.

  • Кортежи имеют no remove или pop метод.

  • Подсчет и индекс - это методы, доступные в кортеже.

толковый словарь

Словарь - это один из встроенных типов данных Python, который определяет взаимно однозначные отношения между ключами и значениями.

Определение словарей

Обратите внимание на следующий код, чтобы понять определение словаря:

>>> # 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'
>>>

Из приведенного выше кода мы можем заметить, что:

  • Сначала мы создаем словарь с двумя элементами и присваиваем его переменной my_dict. Каждый элемент представляет собой пару "ключ-значение", а весь набор элементов заключен в фигурные скобки.

  • Номер 1 это ключ и msftэто его ценность. Так же,2 это ключ и IT это его ценность.

  • Вы можете получить значения по ключу, но не наоборот. Таким образом, когда мы пытаемсяmy_dict[‘IT’] , возникает исключение, потому что IT это не ключ.

Изменение словарей

Обратите внимание на следующий код, чтобы понять, как изменить словарь:

>>> # 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'}

Из приведенного выше кода мы можем заметить, что -

  • У вас не может быть повторяющихся ключей в словаре. Изменение значения существующего ключа приведет к удалению старого значения.

  • Вы можете добавить новые пары "ключ-значение" в любое время.

  • В словарях нет понятия порядка между элементами. Это простые неупорядоченные коллекции.

Смешивание типов данных в словаре

Обратите внимание на следующий код, чтобы понять, как смешивать типы данных в словаре:

>>> # 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'}

Из приведенного выше кода мы можем заметить, что -

  • Не только строки, но и значение словаря могут иметь любой тип данных, включая строки, целые числа, включая сам словарь.

  • В отличие от значений словаря, ключи словаря более ограничены, но могут быть любого типа, например строки, целые числа или любой другой.

Удаление элементов из словарей

Обратите внимание на следующий код, чтобы понять, как удалять элементы из словаря:

>>> # 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
{}

Из приведенного выше кода мы можем заметить, что -

  • del - позволяет удалять отдельные элементы из словаря по ключу.

  • clear - удаляет все элементы из словаря.

Наборы

Set () - это неупорядоченная коллекция без повторяющихся элементов. Хотя отдельные элементы неизменяемы, сам набор является изменяемым, то есть мы можем добавлять или удалять элементы / элементы из набора. Мы можем выполнять математические операции, такие как объединение, пересечение и т. Д. С set.

Хотя наборы в целом могут быть реализованы с использованием деревьев, набор в Python может быть реализован с использованием хэш-таблицы. Это позволяет получить высокооптимизированный метод проверки, содержится ли в наборе конкретный элемент.

Создание набора

Набор создается путем помещения всех предметов (элементов) в фигурные скобки. {}, через запятую или с помощью встроенной функции set(). Обратите внимание на следующие строки кода -

>>> #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!'}
>>>

Методы для множеств

Обратите внимание на следующий код, чтобы понять методы для наборов -

>>> >>> #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()
>>>

Операторы для множеств

Обратите внимание на следующий код, чтобы понять операторы для наборов -

>>> # 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()

В этой главе мы подробно обсудим объектно-ориентированные термины и концепции программирования. Класс - это просто фабрика для примера. Эта фабрика содержит схему, описывающую, как создавать экземпляры. Экземпляры или объект создаются из класса. В большинстве случаев у нас может быть более одного экземпляра класса. Каждый экземпляр имеет набор атрибутов, и эти атрибуты определены в классе, поэтому ожидается, что каждый экземпляр конкретного класса будет иметь одинаковые атрибуты.

Наборы классов: поведение и состояние

Класс позволит вам связать поведение и состояние объекта. Обратите внимание на следующую диаграмму для лучшего понимания -

При обсуждении наборов классов следует обратить внимание на следующие моменты:

  • Слово behavior идентичен function - это кусок кода, который что-то делает (или реализует поведение)

  • Слово state идентичен variables - это место для хранения значений внутри класса.

  • Когда мы вместе утверждаем поведение и состояние класса, это означает, что класс упаковывает функции и переменные.

У классов есть методы и атрибуты

В Python создание метода определяет поведение класса. Слово метод - это ООП-имя, присвоенное функции, определенной в классе. Подводя итог -

  • Class functions - синоним methods

  • Class variables - синоним name attributes.

  • Class - план экземпляра с точным поведением.

  • Object - один из экземпляров класса, выполняющий функции, определенные в классе.

  • Type - указывает класс, к которому принадлежит экземпляр

  • Attribute - Любое значение объекта: object.attribute

  • Method - «вызываемый атрибут», определенный в классе

Например, обратите внимание на следующий фрагмент кода -

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

Создание и реализация

В следующем коде показано, как создать наш первый класс, а затем его экземпляр.

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)

Здесь мы создали класс под названием MyClassи который не выполняет никаких задач. Аргументobject в MyClass class включает наследование классов и будет обсуждаться в следующих главах. pass в приведенном выше коде указывает, что этот блок пуст, то есть это определение пустого класса.

Создадим экземпляр this_obj из MyClass() class и распечатайте его, как показано -

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

Здесь мы создали экземпляр MyClass.Шестнадцатеричный код относится к адресу, где хранится объект. Другой экземпляр указывает на другой адрес.

Теперь давайте определим одну переменную внутри класса MyClass() и получите переменную из экземпляра этого класса, как показано в следующем коде -

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)

Вывод

Вы можете наблюдать следующий результат, когда выполняете приведенный выше код -

9
9

Поскольку экземпляр знает, из какого класса он создан, поэтому при запросе атрибута из экземпляра экземпляр ищет атрибут и класс. Это называетсяattribute lookup.

Методы экземпляра

Функция, определенная в классе, называется method.Метод экземпляра требует экземпляра для его вызова и не требует декоратора. При создании метода экземпляра первым параметром всегда являетсяself. Хотя мы можем называть его (себя) любым другим именем, рекомендуется использовать self, поскольку это соглашение об именах.

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

Вывод

Вы можете наблюдать следующий результат, когда выполняете приведенный выше код -

9
hello, World

Обратите внимание, что в приведенной выше программе мы определили метод с self в качестве аргумента. Но мы не можем вызвать метод, поскольку не объявили для него никаких аргументов.

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

Вывод

Вы можете наблюдать следующий результат, когда выполняете приведенный выше код -

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

Инкапсуляция

Инкапсуляция - одна из основ ООП. ООП позволяет нам скрыть сложность внутренней работы объекта, которая выгодна разработчику, следующими способами:

  • Упрощает и упрощает понимание использования объекта без знания внутреннего устройства.

  • Любое изменение легко управляемо.

Объектно-ориентированное программирование сильно зависит от инкапсуляции. Термины инкапсуляция и абстракция (также называемые сокрытием данных) часто используются как синонимы. Они почти синонимы, поскольку абстракция достигается за счет инкапсуляции.

Инкапсуляция предоставляет нам механизм ограничения доступа к некоторым компонентам объекта, это означает, что внутреннее представление объекта не может быть видно извне определения объекта. Доступ к этим данным обычно достигается с помощью специальных методов -Getters и Setters.

Эти данные хранятся в атрибутах экземпляра, и ими можно управлять из любого места за пределами класса. Для его защиты доступ к этим данным должен осуществляться только с помощью методов экземпляра. Прямой доступ не допускается.

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())

Вывод

Вы можете наблюдать следующий результат, когда выполняете приведенный выше код -

45
Fourty Five

Данные должны храниться только в том случае, если они верны и действительны, с использованием конструкций обработки исключений. Как мы видим выше, ограничений на ввод данных в метод setAge () пользователем нет. Это может быть строка, число или список. Поэтому нам нужно проверить приведенный выше код, чтобы убедиться в правильности сохранения.

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())

Конструктор инициализации

__init__ метод неявно вызывается, как только создается экземпляр объекта класса. Это инициализирует объект.

x = MyClass()

Строка кода, показанная выше, создаст новый экземпляр и назначит этот объект локальной переменной x.

Операция создания экземпляра, то есть calling a class object, создает пустой объект. Многие классы любят создавать объекты с экземплярами, настроенными для определенного начального состояния. Следовательно, класс может определять специальный метод с именем __init __ (), как показано:

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

Python вызывает __init__ во время создания экземпляра, чтобы определить дополнительный атрибут, который должен возникать при создании экземпляра класса, который может устанавливать некоторые начальные значения для этого объекта или запускать процедуру, требуемую при создании экземпляра. Итак, в этом примере новый инициализированный экземпляр можно получить:

x = MyClass()

Метод __init __ () может иметь один или несколько аргументов для большей гибкости. Init означает инициализацию, поскольку он инициализирует атрибуты экземпляра. Он называется конструктором класса.

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

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

Вывод

4.5 3

Атрибуты класса

Атрибут, определенный в классе, называется «атрибутами класса», а атрибуты, определенные в функции, называются «атрибутами экземпляра». При определении эти атрибуты не имеют префикса self, так как это свойство класса, а не конкретного экземпляра.

К атрибутам класса может получить доступ сам класс (имя_класса. Имя_атрибута), а также экземпляры класса (имя_атрибута). Таким образом, экземпляры имеют доступ как к атрибутам экземпляра, так и к атрибутам класса.

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

Атрибут класса можно переопределить в экземпляре, даже если это не лучший метод для прерывания инкапсуляции.

В Python есть путь поиска атрибутов. Первый - это метод, определенный внутри класса, а затем класс над ним.

>>> 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
>>>

Мы переопределяем атрибут класса «классный» в экземпляре dd. Когда он переопределен, интерпретатор Python считывает переопределенное значение. Но как только новое значение удаляется с помощью 'del', переопределенное значение больше не присутствует в экземпляре, и, следовательно, поиск идет на уровень выше и получает его из класса.

Работа с данными классов и экземпляров

В этом разделе давайте разберемся, как данные класса связаны с данными экземпляра. Мы можем хранить данные либо в классе, либо в экземпляре. Когда мы проектируем класс, мы решаем, какие данные принадлежат экземпляру и какие данные должны храниться в общем классе.

Экземпляр может получить доступ к данным класса. Если мы создадим несколько экземпляров, то эти экземпляры смогут получить доступ к своим индивидуальным значениям атрибутов, а также ко всем данным класса.

Таким образом, данные класса - это данные, которые используются всеми экземплярами. Соблюдайте приведенный ниже код для лучшего понимания -

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

Вывод

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

Короче говоря, атрибуты класса одинаковы для всех экземпляров класса, тогда как атрибуты экземпляра являются индивидуальными для каждого экземпляра. Для двух разных экземпляров у нас будет два разных атрибута экземпляра.

class myClass:
   class_attribute = 99

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

print (myClass.__dict__)

Вывод

Вы можете наблюдать следующий результат, когда выполняете приведенный выше код -

{'__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}

Атрибут экземпляра myClass.__dict__ как показано -

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

В этой главе подробно рассказывается о различных встроенных функциях Python, операциях файлового ввода-вывода и концепциях перегрузки.

Встроенные функции Python

Интерпретатор Python имеет ряд функций, называемых встроенными функциями, которые легко доступны для использования. В своей последней версии Python содержит 68 встроенных функций, перечисленных в таблице ниже -

ВСТРОЕННЫЕ ФУНКЦИИ
абс () dict () Помогите() мин () setattr ()
все() dir () шестнадцатеричный () следующий() ломтик()
Любые() divmod () Я бы() объект () отсортировано ()
ascii () перечислить () ввод () окт () staticmethod ()
bin () eval () int () открытый() str ()
bool () exec () isinstance () ord () сумма ()
bytearray () фильтр() issubclass () pow () супер()
байты () float () iter () Распечатать() кортеж ()
вызываемый () формат() len () свойство() тип()
chr () Frozenset () список() спектр() vars ()
classmethod () getattr () местные жители () repr () zip ()
compile () глобалы () карта() обратный () __импорт__()
сложный() hasattr () Максимум() круглый()
delattr () хэш () memoryview () набор()

В этом разделе кратко обсуждаются некоторые важные функции -

функция len ()

Функция len () получает длину строк, списка или коллекций. Он возвращает длину или количество элементов объекта, где объект может быть строкой, списком или коллекцией.

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

Функция len () внутренне работает как list.__len__() или же tuple.__len__(). Таким образом, обратите внимание, что len () работает только с объектами, имеющими __len__() метод.

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

Однако на практике мы предпочитаем len() вместо __len__() функционируют по следующим причинам -

  • Это более эффективно. И совсем не обязательно, чтобы был написан конкретный метод для отказа в доступе к специальным методам, таким как __len__.

  • Легко обслуживать.

  • Поддерживает обратную совместимость.

Обратный (seq)

Он возвращает обратный итератор. seq должен быть объектом, который имеет метод __reversed __ () или поддерживает протокол последовательности (метод __len __ () и метод __getitem __ ()). Обычно он используется вfor зацикливается, когда мы хотим перебрать элементы сзади наперед.

>>> 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=", ")

Цикл for в конце печатает перевернутый список обычного списка и экземпляры двух пользовательских последовательностей. Вывод показывает, чтоreversed() работает со всеми тремя из них, но дает совсем другие результаты, когда мы определяем __reversed__.

Вывод

Вы можете наблюдать следующий результат, когда выполняете приведенный выше код -

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

Перечислить

В enumerate () добавляет счетчик к итерируемому объекту и возвращает объект перечисления.

Синтаксис enumerate () -

enumerate(iterable, start = 0)

Здесь второй аргумент start не является обязательным, и по умолчанию индекс начинается с нуля (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')]
>>>

Так enumerate()возвращает итератор, который возвращает кортеж, в котором хранится количество элементов в переданной последовательности. Поскольку возвращаемое значение - итератор, прямой доступ к нему не очень полезен. Лучшим подходом для enumerate () является ведение счетчика в цикле 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

В стандартной библиотеке есть много других функций, и вот еще один список некоторых более широко используемых функций:

  • hasattr, getattr, setattr и delattr, который позволяет управлять атрибутами объекта по их строковым именам.

  • all и any, которые принимают итерируемый объект и возвращают True если все или любой из пунктов оцениваются как истинные.

  • nzip, который принимает две или более последовательностей и возвращает новую последовательность кортежей, где каждый кортеж содержит одно значение из каждой последовательности.

Файловый ввод-вывод

Понятие файлов связано с термином объектно-ориентированное программирование. Python обернул интерфейс, предоставляемый операционными системами, в абстракцию, которая позволяет нам работать с файловыми объектами.

В open()встроенная функция используется для открытия файла и возврата файлового объекта. Это наиболее часто используемая функция с двумя аргументами -

open(filename, mode)

Функция open () вызывает два аргумента: первый - имя файла, а второй - режим. Здесь mode может быть 'r' для режима только для чтения, 'w' только для записи (существующий файл с тем же именем будет удален), а 'a' открывает файл для добавления, любые данные, записанные в файл, добавляются автоматически. к концу. 'r +' открывает файл для чтения и записи. Режим по умолчанию доступен только для чтения.

В Windows добавление «b» к режиму открывает файл в двоичном режиме, поэтому существуют также такие режимы, как «rb», «wb» и «r + b».

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

В некоторых случаях мы просто хотим добавить к существующему файлу, а не перезаписывать его, для этого мы можем указать значение 'a' в качестве аргумента режима, чтобы добавить его в конец файла, а не полностью перезаписывать существующий файл. содержание.

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

Когда файл открыт для чтения, мы можем вызвать метод read, readline или readlines, чтобы получить содержимое файла. Метод чтения возвращает все содержимое файла в виде объекта str или bytes, в зависимости от того, является ли второй аргумент «b».

Для удобства чтения и во избежание чтения большого файла за один присест часто лучше использовать цикл for непосредственно для файлового объекта. Для текстовых файлов он будет читать каждую строку по одной, и мы можем обрабатывать ее внутри тела цикла. Однако для двоичных файлов лучше читать фрагменты данных фиксированного размера с помощью метода read (), передавая параметр для максимального числа байтов для чтения.

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

При записи в файл с помощью метода записи для файловых объектов в файл записывается строковый (байты для двоичных данных) объект. Метод Writelines принимает последовательность строк и записывает каждое из повторяемых значений в файл. Метод Writelines не добавляет новую строку после каждого элемента в последовательности.

Наконец, когда мы закончим чтение или запись файла, следует вызвать метод close (), чтобы убедиться, что все буферизованные записи записываются на диск, что файл был должным образом очищен и все ресурсы, связанные с файлом, возвращаются обратно в операционная система. Лучше вызвать метод close (), но технически это произойдет автоматически, когда скрипт существует.

Альтернатива перегрузке метода

Под перегрузкой метода понимается наличие нескольких методов с одним и тем же именем, которые принимают разные наборы аргументов.

Для одного метода или функции мы можем сами указать количество параметров. В зависимости от определения функции она может вызываться с нулем, одним, двумя или более параметрами.

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')

Вывод

Hello
Hello Rahul

Аргументы по умолчанию

Функции тоже являются объектами

Вызываемый объект - это объект, который может принимать некоторые аргументы и, возможно, вернет объект. Функция - это самый простой вызываемый объект в Python, но есть и другие, такие как классы или определенные экземпляры классов.

Каждая функция в Python - это объект. Объекты могут содержать методы или функции, но объект не обязательно является функцией.

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)

В приведенном выше коде мы можем передать две разные функции в качестве аргумента в нашу третью функцию и получить разные выходные данные для каждой из них -

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 −