Ściągawka Pythona: Niezbędny Szybki i łatwy przewodnik

Podczas programowania w Pythonie posiadanie niezawodnej ściągawki przy sobie może zmienić zasady gry. Python może być znany ze swojej prostoty i czytelności, ale nie można zaprzeczyć, że jego szeroki zakres funkcji i funkcjonalności to zbyt wiele, aby zapamiętać!

Ściągawki w języku Python służą jako przydatne źródło informacji zarówno dla początkujących, jak i doświadczonych programistów. Zapewniają podstawowy przewodnik po różnych poleceniach, składni, strukturach danych i nie tylko.

Ten przewodnik to ściągawka w języku Python, która może pomóc w poruszaniu się po różnych funkcjach , bibliotekach, klasach i składni, które mogą być przytłaczające, zwłaszcza dla początkujących.

Czy jesteś ze starej szkoły? Wolisz pobrać i wydrukować, sprawdź poniższy plik pdf, który pomoże Ci w nauce języka Python!

Pobierz Python-Cheat-Sheet-1

Spis treści

• Skrócona instrukcja podstaw składni języka Python
  • 1. Komentarze
  • 2. Zmienne
  • 3. Typy danych
  • 4. Instrukcje warunkowe
  • 5. Pętle
  • 6. Funkcje
• Skrócona instrukcja obsługi struktur danych w języku Python
  • 1. Listy
  • 2. Krotki
  • 3 zestawy
  • 4. Słowniki
• Skrócona instrukcja obsługi we/wy pliku w języku Python
  • 1. Czytanie plików
  • 2. Zapisywanie plików
  • 3. Dołączanie do plików
• Skrócona instrukcja obsługi błędów w Pythonie
  • 1. Spróbuj i wyjątek
  • 2. Wreszcie
  • 3. Zgłaszanie wyjątków
• Skrócona instrukcja dotycząca modułów i pakietów języka Python
  • 1. Importowanie modułów
  • 2. Tworzenie pakietów
• Skrócona instrukcja programowania obiektowego w języku Python
  • 1. Zajęcia
  • 2. Dziedziczenie
  • 3. Hermetyzacja
• 4 przydatne biblioteki Pythona
  • 1. LiczbaPy
  • 2. Pandy
  • 3. Żądania
  • 4. Piękna zupa
• Końcowe przemyślenia

Skrócona instrukcja podstaw składni języka Python

Aby rozpocząć naszą ściągawkę Pythona, przyjrzymy się podstawom składni Pythona. Dobra znajomość podstaw Pythona zapewni solidne podstawy do pisania bardziej złożonego kodu.

W tym celu uwzględniliśmy: komentarze , zmienne , typy danych , instrukcje warunkowe , pętle i funkcje .

1. Komentarze

Komentarze są ważną częścią twojego kodu, ponieważ pozwalają ci wyjaśnić twój proces myślowy i sprawiają, że twój kod jest bardziej czytelny. W Pythonie możesz tworzyć jednowierszowe komentarze za pomocą symbolu krzyżyka (#).

# This is a single-line comment.

W przypadku komentarzy wielowierszowych można użyć potrójnych cudzysłowów (pojedynczych lub podwójnych).

""" This is a
multi-line
comment. """

2. Zmienne

Zmienne w Pythonie służą do przechowywania danych. Zmiennym można przypisywać wartości za pomocą znaku równości (=).

x = 5
name = "John"

Nazwy zmiennych powinny być opisowe i zgodne z konwencją nazewnictwa polegającą na używaniu małych liter i podkreśleń zamiast spacji.

user_age = 25
favorite_color = "blue"

3. Typy danych

Język Python ma domyślnie wbudowanych kilka typów danych. Niektóre z bardziej powszechnych obejmują:

• Typy tekstu : ul

• Typ logiczny : bool

• Typy liczbowe : int, float, złożone

• Typy sekwencji : lista, krotka, zakres

• Brak Typ: Brak typu

Aby poznać typ danych dowolnego obiektu Pythona, możesz użyć funkcji type() . Na przykład:

name = 'jane'
print(type(name))

#Output: 'str'

4. Instrukcje warunkowe

Instrukcje warunkowe w Pythonie pozwalają na wykonanie kodu tylko wtedy, gdy spełnione są określone warunki. Typowe instrukcje warunkowe to „ if ”, „elif ” i „ else ”.

if condition:
    # Code to execute if the condition is true
elif another_condition:
    # Code to execute if the another_condition is true
else:
    # Code to execute if none of the conditions are true

5. Pętle

Pętla służy do wielokrotnego wykonywania bloku kodu. Python ma dwa rodzaje pętli: pętlę „ for ” i pętlę „ while ”.

Przyjrzyjmy się obu z nich:

Dla pętli:

for variable in iterable:
    # Code to execute for each element in the iterable

Pętle while:

while condition:
    # Code to execute while the condition is true

Wewnątrz tych pętli możesz używać instrukcji warunkowych i sterujących, aby sterować przebiegiem programu.

6. Funkcje

Funkcje w Pythonie to bloki kodu, które wykonują określone zadania. Funkcję można zdefiniować za pomocą słowa kluczowego def , po którym następuje nazwa funkcji i nawiasy zawierające dowolne parametry wejściowe.

def function_name(parameters):
    # Code to execute
    return result

Aby wywołać funkcję, użyj nazwy funkcji, po której następują nawiasy zawierające niezbędne argumenty.

function_name(arguments)

Teraz, gdy omówiliśmy podstawy Pythona, przejdźmy do bardziej zaawansowanych tematów w następnej sekcji.

Skrócona instrukcja obsługi struktur danych w języku Python

Następnie w naszej ściągawce Pythona omówimy niektóre z najczęściej używanych struktur danych w Pythonie. Te struktury danych są niezbędne do zarządzania i organizowania danych w projektach programistycznych.

W Pythonie istnieje wiele struktur danych, z których mogą korzystać zaawansowani programiści. Skupimy się jednak na listach , krotkach , zestawach i słownikach .

1. Listy

Lista w Pythonie to zmienna, uporządkowana sekwencja elementów. Aby utworzyć listę, użyj nawiasów kwadratowych i oddziel elementy przecinkami.

Listy w Pythonie mogą przechowywać różne typy danych, takie jak ciągi znaków, liczby całkowite, wartości logiczne itp. Oto kilka przykładów operacji, które można wykonać na listach w Pythonie:

• Stwórz listę:

  my_list = [1, 2, 3]

• Elementy dostępowe:

  my_list[0]

• Dodaj element:

  my_list.append(4)

2. Krotki

Krotka jest podobna do listy, ale jest niezmienna, co oznacza, że ​​nie można zmienić jej elementów po utworzeniu. Możesz utworzyć krotkę, używając nawiasów i oddzielając elementy przecinkami.

Oto kilka przykładów operacji na krotkach:

• Utwórz krotkę:

  my_tuple = (1, 2, 3)

• Elementy dostępowe:

  my_tuple[0] #Output: 1

3 zestawy

Zbiór to nieuporządkowany zbiór unikalnych elementów. Zestaw można utworzyć za pomocą funkcji set() lub nawiasów klamrowych.

Może również przechowywać różne typy danych, o ile są one unikalne. Oto kilka przykładów operacji na zestawach:

• Stwórz zestaw:

   my_set = {1, 2, 3}

• Dodaj element:

  my_set.add(4)

• Usuń element:

  my_set.remove(1)

4. Słowniki

Słownik to nieuporządkowany zbiór par klucz-wartość, w których klucze są unikalne. Możesz utworzyć słownik za pomocą nawiasów klamrowych i rozdzielając klucze i wartości dwukropkami. Oto kilka przykładów operacji słownikowych:

• Utwórz słownik:

  my_dict = {'key1': 'value1', 'key2': 'value2'}

• Elementy dostępowe:

  my_dict['key1'] #Output:'value1'

• Dodaj parę klucz-wartość:

  my_dict['key3'] = 'value3'

• Usuń parę klucz-wartość:

  del my_dict['key1']

Pamiętaj, aby ćwiczyć i eksplorować te struktury danych w swoich projektach w Pythonie, aby stać się bardziej biegłym w ich użyciu! Następnie przedstawimy odniesienie do zadań we/wy plików.

Quick Reference for Python File I/O

In this section of the Python cheat sheet, we’ll focus on some common tasks related to working with files in Python, such as reading, writing, and appending data.

1. Reading Files

To read a file, you first need to open it using the built-in open() function, with the mode parameter set to ‘r‘ for reading:

file_obj = open('file_path', 'r')

Now that your file is open, you can use different methods to read its content:

• read(): Reads the entire content of the file.

• readline(): Reads a single line from the file.

• readlines(): Returns a list of all lines in the file.

It’s important to remember to close the file once you’ve finished working with it:

file_obj.close()

Alternatively, you can use the with statement, which automatically closes the file after the block of code completes:

with open('file_path', 'r') as file_obj:
    content = file_obj.read()

2. Writing Files

To create a new file or overwrite an existing one, open the file with mode ‘w‘:

file_obj = open('file_path', 'w')

Write data to the file using the write() method:

file_obj.write('This is a line of text.')

Don’t forget to close the file:

file_obj.close()

Again, consider using the with statement for a more concise and safer way to handle files:

with open('file_path', 'w') as file_obj:
    file_obj.write('This is a line of text.')

3. Appending to Files

To add content to an existing file without overwriting it, open the file with mode ‘a‘:

file_obj = open('file_path', 'a')

Use the write() method to append data to the file:

file_obj.write('This is an extra line of text.')

And, as always, close the file when you’re done:

file_obj.close()

For a more efficient and cleaner approach, use the with statement:

with open('file_path', 'a') as file_obj:
    file_obj.write('This is an extra line of text.')

By following these steps and examples, you can efficiently navigate file operations in your Python applications. Remember to always close your files after working with them to avoid potential issues and resource leaks!

In the next section, we provide a reference for error handling in Python.

Quick Reference for Error Handling in Python

In this section, you’ll learn about error handling in Python, which plays a crucial role in preventing the abrupt termination of your programs when it encounters an error.

We’ll cover the following sub-sections: Try and Except, Finally, and Raising Exceptions.

1. Try and Except

To handle exceptions in your code, you can use the try and except blocks. The try block contains the code that might raise an error, whereas the except block helps you handle that exception, ensuring your program continues running smoothly.

Here’s an example:

try:
    quotient = 5 / 0

except ZeroDivisionError as e:
    print("Oops! You're trying to divide by zero.")

In this case, the code inside the try block will raise a ZeroDivisionError exception. Since we have an except block to handle this specific exception, it will catch the error and print the message to alert you about the issue.

2. Finally

The finally block is used when you want to ensure that a specific block of code is executed, no matter the outcome of the try and except blocks. This is especially useful for releasing resources or closing files or connections, even if an exception occurs, ensuring a clean exit.

Here’s an example:

try:
    # Your code here
except MyException as e:
    # Exception handling
finally:
    print("This will run no matter the outcome of the try and except blocks.")

3. Raising Exceptions

You can also raise custom exceptions in your code to trigger error handling when specific conditions are met. To do this, you can use the raise statement followed by the exception you want to raise (either built-in or custom exception).

For instance:

def validate_age(age):
    if age < 0:
        raise ValueError("Age cannot be a negative value.")

try:
    validate_age(-3)
except ValueError as ve:
    print(ve)

In this example, we’ve defined a custom function to validate an age value. If the provided age is less than zero, we raise a ValueError with a custom message. When calling this function, you should wrap it in a try-except block to handle the exception properly.

Next, we’re going to provide a quick reference for popular Python modules and packages. Let’s go!

Quick Reference for Python Modules and Packages

This section of our cheat sheet is for Python packages and modules, which are essential for structuring and organizing your code cleanly and efficiently.

You’ll learn about importing modules and creating packages.

1. Importing Modules

Modules in Python are files containing reusable code, such as functions, classes, or variables. Python offers several modules and packages for different tasks like data science, machine learning, robotics, etc.

To use a module’s contents in your code, you need to import it first. Here are a few different ways to import a module:

• import : This imports the entire module, and you can access its contents using the syntax ‘module_name.content_name.’
  For example:

  import random
  
  c = random.ranint()

• from import : This imports a specific content (function or variable) from the module, and you can use it directly without referencing the module name.

  from math import sin
  
  c = sin(1.57)

• from import *: This imports all contents of the module. Be careful with this method as it can lead to conflicts if different modules have contents with the same name.

Some commonly used built-in Python modules include:

1. math: Provides mathematical functions and constants

2. random: Generates random numbers and provides related functions

3. datetime: Handles date and time operations

4. os: Interacts with the operating system and manages files and directories

2. Creating Packages

Packages in Python are collections of related modules. They help you organize your code into logical and functional units. To create a package:

1. Create a new directory with the desired package name.

2. Add an empty file named init.py to the directory. This file indicates to Python that the directory should be treated as a package.

3. Add your module files (with the .py extension) to the directory.

Now, you can import the package or its modules into your Python scripts. To import a module from a package, use the syntax:

import 

Structure your code with modules and packages to make it more organized and maintainable. This will also make it easier for you and others to navigate and comprehend your codebase.

In the next section, we provide a reference for object-oriented programming concepts in Python.

Quick Reference for Object-Oriented Programming in Python

Object-Oriented Programming (OOP) is a programming paradigm based on the concept of “objects“, which can contain data and code.

The data is in the form of fields, often known as attributes or properties, and the code is in the form of procedures, often known as methods.

In this section of the cheat sheet, we’ll delve into the fundamental concepts of OOP in Python, including classes, inheritance, and encapsulation.

1. Classes

A class is a blueprint for creating objects. It defines the data (attributes) and functionality (methods) of the objects. To begin creating your own class, use the “class” keyword followed by the class name:

class ClassName:
    # Class attributes and methods

To add attributes and methods, simply define them within the class block. For example:

class Dog:
    def __init__(self, name, breed):
        self.name = name
        self.breed = breed

    def bark(self):
        print("Woof!")

W tym przykładzie można utworzyć nowy obiekt Pies z imieniem i rasą, który ma metodę szczekania, która wyświetla „ Hau! ”, gdy został wezwany.

2. Dziedziczenie

Dziedziczenie pozwala jednej klasie dziedziczyć atrybuty i metody z innej klasy, umożliwiając ponowne wykorzystanie kodu i modułowość. Klasa, która dziedziczy, nazywana jest podklasą lub klasą pochodną, ​​podczas gdy klasa, z której dziedziczy, nazywana jest klasą podstawową lub klasą nadrzędną.

Aby zaimplementować dziedziczenie, dodaj nazwę nadklasy w nawiasach po nazwie podklasy:

class SubclassName(SuperclassName):
    # Subclass attributes and methods

Na przykład możesz utworzyć podklasę „Pudel” z klasy „Pies”:

class Poodle(Dog):
    def show_trick(self):
        print("The poodle does a trick.")

Obiekt Poodle miałby teraz wszystkie atrybuty i metody klasy Dog, a także własną metodę show_trick.

3. Hermetyzacja

Hermetyzacja to praktyka pakowania danych i metod, które operują na tych danych, w ramach pojedynczej jednostki, w tym przypadku obiektu. Sprzyja to wyraźnemu oddzieleniu wewnętrznej implementacji obiektu od jego zewnętrznego interfejsu.

Python stosuje zniekształcanie nazw, aby osiągnąć enkapsulację członków klasy, dodając przedrostek podwójnego podkreślenia do nazwy atrybutu, czyniąc go pozornie prywatnym.

class Example:
    def __init__(self):
        self.__private_attribute = "I'm private!"

    def __private_method(self):
        print("You can't see me!")

Chociaż technicznie nadal możesz uzyskać dostęp do tych prywatnych członków w Pythonie, jest to zdecydowanie odradzane, ponieważ narusza zasady enkapsulacji.

Dzięki zrozumieniu i zaimplementowaniu klas, dziedziczenia i enkapsulacji w programach w Pythonie możesz wykorzystać moc i elastyczność OOP do tworzenia czystego, modułowego i wielokrotnego użytku kodu.

W końcowej części ściągawki znajdziesz krótkie omówienie czterech popularnych bibliotek Pythona.

4 przydatne biblioteki Pythona

Kilka bibliotek Pythona może pomóc w wykonaniu różnych zadań lub uzyskaniu narzędzi do różnych tematów, takich jak matematyka, nauka o danych, skrobanie stron internetowych itp.

W tej sekcji krótko omówimy następujące biblioteki: NumPy , Pandas , Requests i Beautiful Soup .

1. LiczbaPy

NumPy to popularna biblioteka Pythona do obliczeń matematycznych i naukowych. Dzięki potężnemu N-wymiarowemu obiektowi tablicowemu możesz obsługiwać szeroki zakres operacji matematycznych, takich jak:

• Podstawowe funkcje matematyczne

• Algebra liniowa

• Analiza Fouriera

• Generowanie liczb losowych

Wydajne manipulacje tablicami NumPy sprawiają, że jest on szczególnie odpowiedni dla projektów wymagających obliczeń numerycznych.

2. Pandy

Pandas to potężna biblioteka do analizy i manipulacji danymi, której można używać do pracy z danymi strukturalnymi. Jest również bardzo popularny w społeczności analityków danych ze względu na szeroki wachlarz narzędzi, które zapewnia do obsługi danych.

Niektóre z jego funkcji obejmują:

• Struktury danych, takie jak Serie (1D) i DataFrame (2D)

• Czyszczenie i przygotowywanie danych

• Analiza statystyczna

• Funkcjonalność szeregów czasowych

Korzystając z Pand, możesz łatwo importować, analizować i manipulować danymi w różnych formatach, takich jak bazy danych CSV, Excel i SQL.

Jeśli interesują Cię Pandy, możesz obejrzeć nasz film o tym, jak ponownie próbkować dane szeregów czasowych za pomocą Pand w celu usprawnienia analizy:

3. Żądania

Biblioteka Requests upraszcza proces obsługi żądań HTTP w Pythonie. Dzięki tej bibliotece możesz łatwo wysyłać i odbierać żądania HTTP, takie jak GET, POST i DELETE.

Niektóre kluczowe funkcje obejmują:

• Obsługa przekierowań i podążanie za linkami na stronach internetowych

• Dodawanie nagłówków, danych formularzy i parametrów zapytań za pomocą prostych bibliotek Pythona

• Zarządzanie plikami cookie i sesjami

Za pomocą Żądań możesz szybko i wydajnie wchodzić w interakcje z różnymi usługami internetowymi i interfejsami API.

4. Piękna zupa

Beautiful Soup to biblioteka Pythona do skrobania stron internetowych, która umożliwia wyodrębnianie danych z dokumentów HTML i XML. Niektóre z jego kluczowych funkcji to:

• Wyszukiwanie określonych tagów lub klas CSS

• Nawigacja i modyfikacja przeanalizowanych drzew

• Wyodrębnianie odpowiednich informacji na podstawie atrybutów tagów

Korzystając z Beautiful Soup w połączeniu z Requests, możesz tworzyć potężne aplikacje do skrobania stron internetowych, które zbierają informacje z szerokiej gamy stron internetowych.

Końcowe przemyślenia

I to prowadzi nas do końca naszej krótkiej wycieczki po Pythonie. Ta ściągawka to Twój kieszonkowy przewodnik, Twój zaufany pomocnik, gdy potrzebujesz szybkiego przypomnienia o najważniejszych funkcjach i poleceniach Pythona.

Nasza lista nie jest wyczerpująca, ale to solidny początek, podstawa, na której możesz budować. Śmiało, dodaj go do zakładek, wydrukuj, przyklej na ścianie — po prostu upewnij się, że masz go pod ręką, gdy kodujesz. Miłego programowania!