Lær Python: 5 kule ting du kan bygge!

by
Tweet
Share
Share
Pin
0 Shares

Python er utvilsomt et av de mest populære programmeringsspråkene i dag.

Det er ikke vanskelig å forstå hvorfor. Python tillater utvikling av alt fra enkle automatiseringsskript til avanserte applikasjoner for maskinlæring. Det er mange spennende muligheter med Python som du garantert vil finne interessante å utforske.

Innledning

Python er et foretrukket språk for mange utviklere. Det er lett å bruke og gir en intuitiv måte å skrive skript for automatisering og utvikling av ulike prosjekter.

Noen av de vanligste bruksområdene inkluderer:

  • Utvikling av roboter
  • Skraping av data fra nettsider
  • Maskinlæring, datavisualisering og analyse
  • Nettutvikling med rammeverk som Django og Flask
  • Spillutvikling ved hjelp av Pygame
  • Utvikling av mobilapplikasjoner med rammeverk som Kivy

I denne artikkelen vil jeg vise deg noen eksempler fra forskjellige områder for å illustrere de spennende mulighetene med Python. Hvis du ikke er kjent med Python, vil jeg anbefale deg å utforske læringsressurser!

La oss begynne!

For Nettutvikling

Python har solid støtte for nettutvikling med sine rammeverk som Django og Flask. Disse brukes for å bygge serverbaserte webapplikasjoner som kan integreres med alle typer brukergrensesnitt. Vanligvis benytter utviklere JavaScript i frontend, mens Python håndterer operasjoner på serversiden. Python kjører ikke direkte i nettleseren.

Django er et av de mest populære rammeverkene for nettutvikling i Python. Det tilbyr en strukturert pakke for databaseinteraksjoner med minimal oppsett. Hvis du foretrekker en minimalistisk tilnærming, er Flask et godt alternativ!

I tillegg har Python et stort utvalg av biblioteker for nettutvikling. Noen populære inkluderer –

Her er noen ressurser for å starte med nettutvikling i Python –

Eksempel – Tilgang til datafiler fra mobil

Du kan få tilgang til filsystemet ved å starte en filserver på datamaskinen din. Naviger til den katalogen du ønsker å dele og kjør følgende kommando:

# Python versjon >= 3.X
python3 -m http.server

# Hvis Python versjon >= 2.X og < 3.X
python -m SimpleHTTPServer
# Standard port: 8000

Dette starter en filserver som er tilgjengelig på samme nettverk. For å få tilgang til filene dine på mobil, koble til samme nettverk (Wi-Fi eller bruk mobilens hotspot på datamaskinen). Åpne deretter nettleseren på mobilen og skriv inn –

<din-datamaskin-ip>:port

Sjekk IP-adressen din ved å kjøre kommandoen – ifconfig. Finn din lokale IP-adresse (den starter vanligvis med 192.168…).

Anta at IP-adressen din er 192.168.43.155 og du bruker standardporten. Da skal du åpne følgende adresse i mobilen –

192.168.43.155:8000. Du vil nå se innholdet i gjeldende katalog 🙂

Automatisering og Skripting

Som ingeniør er det naturlig å ønske å automatisere oppgaver. Python gir gode muligheter for dette.

Python lar deg automatisere mange oppgaver med bare noen få linjer kode. Det kan være alt fra å sette opp cron-jobber og påminnelser til å laste ned dine favorittvideoer fra YouTube.

Noen nyttige skript og pakker som du kan begynne å bruke –

Eksempel – Konverter CSV til JSON

Med en enkelt kommando i Python kan du konvertere en CSV-fil til JSON!

Prøv dette nå –

python -c "import csv,json;print json.dumps(list(csv.reader(open('din_csv_fil.csv'))))"

Erstatt «din_csv_fil.csv» med navnet på din CSV-fil, og du vil få en JSON-output!

Ganske enkelt, ikke sant?

Spillutvikling

Python er også egnet for spillutvikling. Pygame-biblioteket er særlig nyttig. Det støtter grafikk, musikk, lyd, video og multimedia-prosjekter. Du kan også lage spill som er kompatible på tvers av plattformer ved hjelp av Kivy som fungerer på Windows, Mac, Linux, Android og iOS.

Ressurser for læring

Eksempel – Hangman i Terminalen

Her er et enkelt Python-program som lar deg spille hangman-spillet i terminalen. Koden kan forkortes, noe jeg overlater til deg som en øvelse!

# hangman.py
# Importerer time-modulen
import time
import random

turns = 10

print "Hei, la oss spille Hangman! Du har " + str(turns) + " forsøk!"

print ""

# Pause
time.sleep(0.5)

# Liste over ord som skal gjettes
wordList = ["geekflare", "awesome", "python", "magic"]
word = random.choice(wordList)

guesses=""

# Loop inntil det ikke er flere forsøk
while turns > 0:
    wrong = 0

    for char in word:
        if char in guesses:
            print char,
        else:
            print "_",
            wrong += 1

    print("n")

    if wrong == 0:
        print "Du vant :)"

        break

    print

    guess=""
    if len(guess) < 1:
        guess = raw_input("Gjett en bokstav eller skriv hele ordet: ")[0]

    guesses += guess

    if guess not in word:
        turns -= 1

        print "Feil"

        print "Du har", + turns, ' forsøk igjen!'

        if turns == 0:

            print "Du tapte :("

Resultatet kan se omtrent slik ut:

Nettskraping

Hver dag ser du enorme mengder data på ulike nettsider. Tenk deg hvor nyttig det ville være å kunne samle inn denne informasjonen på en enkel måte. Det er nettopp det nettskraping handler om, og Python forenkler dette med sin gode støtte og biblioteker. Data på nettet er ofte ustrukturert, men Python gir gode verktøy for å analysere og bruke disse dataene.

Noen populære biblioteker for nettskraping er:

La meg vise deg et eksempel på hvordan du kan skrape valutakurser fra nettsiden x-rates.com

Eksempel – Hent valutakurser sammenlignet med USD

La oss bruke skraping i Python for å hente valutakurser –

import requests
from bs4 import BeautifulSoup

URL = "https://www.x-rates.com/table/?from=USD&amount=1"
r = requests.get(URL)

soup = BeautifulSoup(r.content, 'html.parser')
ratelist = soup.findAll("table", {"class": "ratesTable"})[0].findAll("tbody")

for tableVal in ratelist:
    trList = tableVal.findAll('tr')
    for trVal in trList[:6]:
        print(trVal.text)

Dette vil vise deg hvor mye 1 USD er verdt i andre valutaer.

Datavitenskap og Maskinlæring

Datavitenskap og maskinlæring er blant de mest populære feltene i dag. Disse teknologiene er sentrale i utviklingen innen informatikk.

Python er velegnet for datamanipulering, analyse og implementering av komplekse algoritmer. Dataparsing og visualisering kan enkelt gjøres med noen få linjer kode ved hjelp av Python-biblioteker som NumPy, SciPy og Scikit-learn.

Python kan brukes i dataintensive og maskinlæringsapplikasjoner ved hjelp av mange populære biblioteker som –

Det finnes mange verktøy for dyp læring som støtter Python. Noen populære biblioteker og rammeverk er –

En av de viktigste årsakene til at Python er så populært er at selv komplekse maskinlæringsmodeller kan opprettes med bare 20–40 linjer kode. Se denne veiledningen for å se hvor enkelt visualiseringer kan gjøres i Python.

Konklusjon

Denne artikkelen har presentert noen av de ulike områdene der Python kan brukes. Vi har sett på noen enkle eksempler, men det er mange flere spennende applikasjoner og verktøy som kan utvikles med Python. Jeg håper du har lært noe nytt!

Fortsett å utforske. Fortsett å lære!