5 kule ting du kan gjøre med Python
Python er et av de mest populære programmeringsspråkene.
Og hvorfor ikke, du kan bygge fra enkle vedlikeholdsskript til komplekse maskinlæringsapplikasjoner. Det er mange kule ting du kan gjøre med Python, som du vil elske å lære.
Introduksjon
Python er et veldig populært språk blant utviklere. Det er enkelt og morsomt å skrive skript for å automatisere og bygge ting.
Noen av de vanlige brukstilfellene er:
- Opprette roboter
- Skraping av nettsider
- Maskinlæring, datavisualisering og analyse
- Webutvikling med rammeverk som Django og Kolbe
- Spillutvikling med Pygame
- Mobilapper med rammer som Kivy
I denne artikkelen skal jeg prøve å dekke flere domener med eksempler og vise deg noen av de morsomme tingene du kan gjøre med Python. I tilfelle du ikke kjenner python, vil jeg anbefale læring den!
La oss komme i gang!
For webutvikling
Python har veldig god støtte for webutvikling med sine rammeverk som Django, Flask og andre. Den kan brukes til å bygge webapplikasjoner på serversiden og kan integreres med hvilken som helst grensesnitt. Vanligvis bruker utviklere JavaScript i frontend og python for å støtte operasjoner på serversiden. Python brukes ikke direkte i nettlesere.
Django er et av de mest populære nettrammene i python. Disse rammene gir en pakke der du har en definert struktur, støtter databaseinteraksjoner med letthet; alt dette settes opp med en minimal oppsettkommando. Hvis du vil ha noe minimalt å begynne med – vil jeg anbefale Flask!
Utenom disse har Python et stort antall biblioteker for webutvikling. Noen populære er –
Noen ressurser for å komme i gang med nettutvikling i Python –
Eksempel – Tilgang til datafilsystemet fra mobil
Du kan få tilgang til filsystemet ved å kjøre en filserver på maskinen. Gå til ønsket katalog du vil ha tilgang til og kjør følgende kommando –
# python version >= 3.X python3 -m http.server # If Python version >= 2.X and < 3.X python -m SimpleHTTPServer #default port: 8000
Dette starter en filserver som kan nås på samme nettverk. For å få tilgang til filene dine på mobil, koble til det samme nettverket (wifi eller bruk telefonens hotspot på en bærbar datamaskin). Åpne nå i telefonens nettleser –
Sjekk IP-en din ved å kjøre – ifconfig. Sjekk din lokale IP (bør starte med 192.168…)
Anta at IP-en din er – 192.168.43.155 og du bruker standardporten. Deretter bør du åpne –
192.168.43.155:8000 på mobil. Du vil se gjeldende katalog 🙂
Automatisering og skripting
Hvis du er ingeniør, vil du sannsynligvis være lat og vil automatisere nesten alt du kan, ikke sant?
Ingen grunn til bekymring, python dekket deg. Det er massevis av ting du kan automatisere med så lite som 4-5 linjer med kode. Fra å sette cron-jobber og påminnelser til å laste ned favoritt-youtube-videoene dine, du kan gjøre alt med et par linjer i python.
Noen fantastiske skript og pakker du kan begynne å bruke –
Eksempel – Konverter CSV til JSON
Du kan konvertere CSV-filen til JSON med bare 1 kommando i python!
Prøv det nå –
python -c "import csv,json;print json.dumps(list(csv.reader(open('your_csv_file.csv'))))"
Erstatt med filnavn.csv, og du vil få en JSON-utgang!
Enkelt, ikke sant?
Byggespill
Python støtter utvikling av spill. Det er Pygame biblioteket er svært nyttig. Den støtter kunst, musikk, lyd, video og multimedieprosjekter som kan bygges med den. Du kan til og med lage spill på tvers av plattformer ved å bruke Kivysom kjører på Windows, Mac, Linux, Android og iOS.
Ressurser for å lære
Eksempel – Hangman in Terminal
Her er et enkelt python-program som lar deg spille hangman-spill i terminalen. Kode kan forkortes mye, og det overlater jeg som en øvelse til deg!
# hangman.py #importing the time module import time import random turns = 10 print "Hello, Let's play hangman! You will have " + str(turns) + " turns!" print "" # delay time.sleep(0.5) # set of words to guess from wordList = ["geekflare", "awesome", "python", "magic"] word = random.choice(wordList) guesses="" # loop till no turns are remaining 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 "You won :)" break print guess="" if len(guess) < 1: guess = raw_input("Guess a character or enter the correct word: ")[0] guesses += guess if guess not in word: turns -= 1 print "Wrong" print "You have", + turns, ' turns left!' if turns == 0: print "You Lose :("
Utgangen vil se omtrent slik ut –
Nettskraping
Du ser mye data hver dag på tvers av flere nettsteder. Tenk hvor kult det ville vært hvis du enkelt kan få tilgang til disse dataene; det er hva nettskraping er, og python gjør det enda enklere med sin fantastiske støtte og biblioteker. Data på nettet er ustrukturert, og python gir en enkel måte å analysere og konsumere disse dataene på og til og med gjøre ytterligere analyser og operasjoner.
Noen populære skrapebiblioteker er:
La meg vise deg et eksempel på hvordan du kan skrape valutaverdier fra et nettsted – x-rates.com
Eksempel – Få valutaverdi sammenlignet med USD
La oss bruke skraping i python for å hente valutaverdier –
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 returnerer hvor mye 1 USD tilsvarer i andre valutaer.
Datavitenskap og maskinlæring
DS og ML er de mest trendy temaene i disse dager. Disse teknologiene er fremtiden for informatikk.
Python er godt egnet for datamanipulering, analyse og implementering av komplekse algoritmer. Dataparsing og visualisering er vanligvis enkle funksjoner eller noen få linjer med kode med python-biblioteker som NumPy, scipy, scikit-learn, etc.
Python kan brukes i dataintensive og maskinlæringsapplikasjoner ved å bruke mange populære biblioteker som –
Det er mange dyplæringsverktøy som støtter python. Noen populære biblioteker og rammeverk er –
En av de andre grunnene til at python brukes, er at til og med komplekse maskinlæringsmodeller kan oppnås med 20-40 linjer med kode. Kryss av denne opplæringen om hvor enkelt visualiseringer kan gjøres i python.
Konklusjon
Opplæringen diskuterte ulike domener der python kan brukes. Her presenterer jeg noen av de kule og enkle eksemplene for formålet med demonstrasjonen, men det er mange flere fantastiske applikasjoner og verktøy du kan bygge med Python. Jeg håper du har lært noe nytt!
Fortsett å utforske. Fortsett å lære!