forked from R-Ladies-Warsaw/PoweRbook
-
Notifications
You must be signed in to change notification settings - Fork 0
/
02-podstawy-jezyka.Rmd
970 lines (766 loc) · 30.3 KB
/
02-podstawy-jezyka.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
# Podstawy języka {#podstawy-jezyka}
Wstęp do Pythona i R
## R
<img align="center" src="figure/cheatSheetR1.png" alt="drawing"/>
### Podstawowe operacje
Poniższy kod został napisany i wygenerowany **RStudio**. Jest to najbardziej powszechne środowisko programistyczne *R*-a, integrujące także wiele innych przydatnych funkcjonalności. Aplikacja jest darmowa i łatwa do zainstalowania na większości systemów operacyjnych.
R to bardzo wygodne narzędzie w kwestii operacji arytmetycznych. Sprawdźmy jak sprawdzi się dla paru z nich!
```{r}
2 + 2
2 + 2 + 2 + 2
2^4
```
Oprócz wyżej wymienionych można także dokonywać wielu innych obliczeń.
**Zadanie 1**
Sprawdź czy *R* zachowuje kolejność dzialań. Jakiego przykladu można uzyć?
*Przykładowe rozwiązanie:*
```{r}
2 + 2 * 2
```
W R-rze istnieją dwie metody przypisania. Głownie używamy składni *x <- 5* (możliwe także *5 -> x*), ale istnieje rownież opcja może bardziej instynktownego *x = 5*. Standardowo przynajmniej na tym etapie lepiej jest jednak używać "strzałki".
```{r}
x <- 5
x
y = 5
zmienna <- "Hello World!"
```
### Struktury danych
Jedną z podstawowych są **wektory**. Służą one do przechowywania pewnej liczby elementów w jednej zmiennej.
```{r}
parzyste <- c(2, 4, 6)
litery <- c("a", "b", "c")
litery[2]
vec <- c(parzyste, litery)
vec
```
Oczywiście i na nich możemy dokonywać różnych operacji.
```{r}
nieparzyste <- c(1, 3, 5)
parzyste + nieparzyste
parzyste * x
```
Inną istotną strukturą są **listy**.
```{r}
liczby <- list(parzyste = parzyste, nieparzyste = nieparzyste)
c(parzyste, nieparzyste)
liczby[[1]]
liczby[["parzyste"]]
```
**Zadanie 2**
a) Stwórz dwa wektory składające się z 5 liczb każdy, a następnie przypisz ich rożnice do nowej zmiennej o nazwie różnica.
b) Połącz te trzy wektory w listę.
*Przykładowe rozwiązanie:*
a)
```{r}
a <- c(1, 2, 3, 4, 5)
b <- c(6, 7, 8, 9, 10)
roznica <- b - a
```
b)
```{r}
lista_wektorow <- list(a, b, roznica)
```
*R* jest także bogaty w szereg przydatnych funkcji wbudowanych. Oto niektóre z nich i ich działanie:
```{r, eval = FALSE}
?min # zwraca informacje o funkcji
```
```{r, message = FALSE}
min(roznica)
max(roznica)
sum(roznica)
length(roznica)
vec2 <- 1:20
vec2
vec3 <- 50:100
vec3
```
Kolejną bardzo ważną strukturą w *R* jest **ramka danych**.
```{r}
df <- data.frame(col_1 = c(1, 2, 3), col_2 = c("raz", "dwa", "trzy"))
```
Możemy na niej działać poprzez odpowiednie operatory:
```{r}
df$col_1
df[["col_1"]]
df[3, 1]
df[,1]
df[1,]
df[2:3,]
```
### Instrukcja warunkowa
... to konstrukcja, której używamy w celu dokonywania decyzji o wykonywanych krokach. Najprościej mówiąc owy element języka pozwala na wykonanie ciągu operacji w zależności od zaproponowanego przez programistę warunku. Oto i przykładowe takie warunki:
```{r}
1 == 1
1 == 0
1 > 0
1 < 0
!(1==1)
parzyste
parzyste == 2
all(parzyste == 2)
any(parzyste == 2)
2 %in% parzyste
```
... i sama instrukcja **if** w praktyce:
```{r}
if( !(8 %in% parzyste) ){
parzyste <- c(parzyste, 8)
}
parzyste
skorupa <- TRUE
if(skorupa == TRUE){
"zolw"
} else {
"kot"
}
ifelse(skorupa == TRUE, "zolw", "kot")
```
*ifelse* działa też na wektorze:
```{r}
skorupa <- c(TRUE, TRUE, FALSE)
ifelse(skorupa == TRUE, "zolw", "kot")
```
**Zadanie 3**
a) Podobnie jak w powyższym przykładzie, wektor liczb nieparzystych powiększ o liczbe 7, o ile już jej nie ma.
b) Dany jest wektor liczb, v <- c(1,2,2,2,2,2,3,3,3,1,1,2). Użyj instrukcji *if*, *else* lub *ifelse*, żeby zrobić z niego wektor zawierający wartości "jeden", "dwa", "trzy".
*Przykładowe rozwiązanie:*
a)
```{r}
if( !(7 %in% nieparzyste) ){
nieparzyste <- c(nieparzyste, 7)
}
nieparzyste
```
b)
```{r}
v <- 2
ifelse(v == 1, "jeden", ifelse(v == 2, "dwa", "trzy"))
```
### Pętle
Często spotykamy się z sytuacją, kiedy daną operację lub ciąg wielu instrukcji chcemy wykonać wielokrotnie. Do tego właśnie używamy tytułowych konstrukcji.
Dwie najbardziej powszechne to **while** i **for**. Pierwsza z nich działa na podobnej zasadzie jak intrukcja *if* - z tym wyjątkiem, że warunek sprawdzany jest wielokrotnie - tak długo, aż będzie spełniany.
```{r}
while (length(parzyste) < 10) {
len <- length(parzyste)
parzyste <- c(parzyste, parzyste[len] + 2)
}
```
Z drugiej strony for udostępnia nam możliwość wykonania operacji konkretną ilość razy - np. dokonując czynności dla każdej liczby z listy.
```{r}
nieparzyste2 <- c()
for(liczba in parzyste){
nieparzyste2 <- c(nieparzyste2, liczba - 1)
}
```
**Zadanie 4**
a) Użyj pętli (której?), żeby iterując po wektorze `liczby <- 1:10` stworzyć wektor 10 kolejnych liczb nieparzystych.
b) Czy jest więcej niż jeden sposob?
*Przykładowe rozwiązanie:*
a)
```{r}
nieparzyste3 <- c()
for(x in 1:10){
nieparzyste3 <- c(nieparzyste3, 2 * x - 1)
}
```
b) Ależ oczywiście, że tak!
### Pliki i odczyt danych
Bardzo istotnymi funkcjami są *getwd()* i *setwd()* - pierwsza zwraca ścieżkę do roboczego katalogu roboczego, zaś druga umożliwia ustawienie nowej.
```{r, eval = FALSE}
getwd()
setwd("/Users/ja/mojeskrypty")
```
Do odczytania ramki danych możemy użyć funkcji *read.csv()* - w tym celu jako pierwszy argument podajemy ścieżkę do naszego pliku, a jako opcjonalny drugi - separator [znak lub ciąg oddzielający kolejne kolumki data frame].
```{r, eval = FALSE}
# seriale <- read.csv("<tu nalezy wkleic sciezke do pliku>", sep=";")
seriale <- read.csv("files/netflix_titles.csv")
```
Zobaczmy efekt wywołania naszej funkcji - operacja *head()* zwróci nam kilka pierwszych wierszy, zaś *View*() udostępnia estetyczny ogląd tabelki.
```{r, eval = FALSE}
head(seriale)
View(seriale)
```
**Zadanie 5**
a) Wypisz nazwy seriali, które wyszły w 2020 roku.
b) Wybierz podzbiór zawierający Twoje 3 ulubione seriale i przypisz go do nowej zmiennej.
*Przykładowe rozwiązanie:*
a) Tworzymy wektor, który odpowiada kolejnym wierszom z ramki danych, jeśli zawiera TRUE, to znaczy, że serial był wydany w 2020, jeśli FALSE oznacza, że serial byl wydany w innym roku.
```{r, eval = FALSE}
ktore_w_2020 <- seriale[["release_year"]] == 2020
```
Możemy użyc wektora TRUE/FALSE do indeksowania wierszy. Poniższe polecenie wybierze tylko te wiersze, w których wektor *ktore_w_2020* przyjął wartość TRUE.
```{r, eval = FALSE}
seriale_2020 <- seriale[ktore_w_2020, ]
```
b)
```{r, eval = FALSE}
moje_seriale <- seriale[c(1, 2, 10), ]
```
## Python
<img align="center" src="figure/cheatSheetPython1.png" alt="drawing"/>
### Podstawy i proste typy
```{python, python.reticulate = FALSE}
print("Hi!")
```
*Python* jest językiem **interpretowanym** - najprościej mówiąc oznacza to, że jest on tłumaczony i wykonywany "w locie". Tłumaczeniem i wykonywaniem programu zajmuje się specjalny program nazwany interpreterem języka.
Najprostszym typem jest **int** - obejmuje on liczby całkowite.
```{python, python.reticulate = FALSE}
x = 21
print(x)
print(type(x))
y = 0.3
print(y)
print(type(y))
```
```{python, python.reticulate = FALSE}
def fun(x, y):
return x + y
x = "Data"
y = "Science"
print(fun(x, y))
x = 5
y = 7
print(fun(x, y))
```
Python jest **dynamicznie typowany** i typowanie jest silne - oznacza to, że język nie może niejawnie konwertować wartości różnych typów.
```{python, python.reticulate = FALSE, eval = FALSE}
a = 2
b = 'L'
c = a + b # zwróci błąd
```
Wartości niektórych obiektów mogą ulec zmianie. Obiekty, których wartość może ulec zmianie, są nazywane **mutable**; obiekty, których wartość jest niezmienna po ich utworzeniu, nazywane są **immutable**.
Typ logiczny **bool** to dwie stałe: True i False.
```{python, python.reticulate = FALSE}
a = True
print(a)
print(type(a))
b = False
print(b)
print(type(a))
```
*bool* jest podtypem liczby całkowitej (*int*).
Funkcja *isinstance()* została zaprojektowana specjalnie w celu sprawdzenia, czy dane należą do określonej klasy (typu danych), zaś funkcja *issubclass()* wskazuje, czy określona klasa jest podklasą określonych klas.
```{python, python.reticulate = FALSE}
print(isinstance(True, int))
print(isinstance(False, int))
print(issubclass(bool, int))
```
```{python, python.reticulate = FALSE}
x = True
y = 1
z = False
print(x + y)
print(y + z)
```
W Pythonie wartość liczby całkowitej nie jest ograniczona liczbą bitów i może wzrosnąć do limitu dostępnej pamięci.
W porównaniu do np. *C++* gdzie *int* ma wartości od -2147483648 do 2147483647 - 4 bajty.
```{python, python.reticulate = FALSE}
x = 78
y = -5
z = 100 ** 20
print(type(x), x)
print(type(y), y)
print(type(z), z)
```
Liczby możemy zapisywać także w w ósemkowym, szesnastkowym i binarnym systemie liczbowym.
```{python, python.reticulate = FALSE}
x = 0x1 # szesnastkowy
y = 0o1 # ósemkowy
z = 0b1 # binarny
print(type(x), x)
print(type(y), y)
print(type(z), z)
```
Jest także **float** - typ liczb zmiennoprzecinkowych.
```{python, python.reticulate = FALSE}
x = 0.5
y = -0.5
print(type(x), x)
print(type(y), y)
```
```{python, python.reticulate = FALSE}
x = 0.1 + 0.1
y = 0.1 + 0.1 + 0.1
z = 0.3
s = 0.2
print(x == s)
print("{:.20f}".format(x) )
print("{:.20f}".format(s))
print(y == z)
print("{:.20f}".format(y))
print("{:.20f}".format(z))
```
W celu przechowywania ciągu znaków używamy typu **string**.
```{python, python.reticulate = FALSE, eval = FALSE}
a = 'A wewnątrz można umieścić "cudzysłów"'
b = "A wewnątrz można umieścić 'apostrof'"
```
Trzy pojedyncze apostrofy są wygodne do zapisania tekstu w kilku linijkach.
```{python, python.reticulate = FALSE, eval = FALSE}
c = '''Trzy pojedyncze
apostrofy'''
```
W celu dokumentacji używamy trzech cudzysłowów.
```{python, python.reticulate = FALSE, eval = FALSE}
d = """Trzy cudzysłowy"""
```
Żeby odwołać się do poszczególnych części słowa *indeksujemy*.
```{python, python.reticulate = FALSE}
a = 'Laura jadła jabłko'
print(type(a), a)
print('len(a): ', len(a)) # sprawdzanie długości słowa
print(type(a[0]), 'a[0]: ', a[0]) # pierwszy element ma indeks 0
print('a[1]: ', a[1])
print('a[len(a) - 1]: ', a[len(a) - 1]) # ostatni element to długość - 1, ponieważ indeksujemy od 0
print('a[-1] = a[len(a) - 1]: ', a[-1]) # indeksy ujemne liczą od ostatniego znaku
print('a[-18] = a[0]: ', a[-18])
```
```{python, python.reticulate = FALSE}
a = 'Laura jadła jabłko'
b = a
print(id(a), a)
print(id(b), b)
a += '!'
print(id(a), a)
print(id(b), b)
```
*Do zastanowienia...*
1. Co znaczy, że język jest dynamicznie typowany?
2. Co znaczy, że język jest interpretowany? Podaj przykłady
3. Jak sprawdzić, czy wartość należy do jakiejś klasy?
4. Jak sprawdzić długość string?
5. Jak napisać wiersz w *Pythonie*?
### Struktury danych
W zależności od zadania i problemu nasze dane chcemy przechowywać w przeznaczony do tego sposób - w tym celu używamy właśnie tzw. struktur danych. Jedną z najprostszych jest **lista** - zezwala ona na przechowywanie elementów o różnych typach i swobodne odwołanie się do nich, a także łatwe dodawanie i usuwanie wartości.
```{python, python.reticulate = FALSE}
s = [] # pusta lista
print(s)
print(type(s))
print("len:",len(s))
l = [1, 2, 3, 5, 7] # lista elementów typu int
print(l)
print(len(l))
a = [0] * 10 # lista o danym rozmiarze
print(a)
print(len(a))
```
Lista jest także *obiektem iterowalnym* - oznacza to, że jest przystosowana do "lecenia element po elemencie."
```{python, python.reticulate = FALSE}
b = list('lista')
print(b)
print(len(b))
mix = [7,'👻','róża', 3 + 2j] # w listach może być "wszystko"
print(mix)
print(len(mix))
print(type(mix[1]), mix[1]) # indeksujemy
```
Warto przyjrzeć sie liście także patrząc na różnicę *mutable* vs. *immutable*.
```{python, python.reticulate = FALSE}
m = [1, 2, 3]
n = m
print(id(m), m)
print(id(n), n)
m.append("słoń")
print(id(m), m)
print(id(n), n)
```
Przydaje się funkcja *copy()*... bez zaskoczeń tworząca kopię danego obiektu.
```{python, python.reticulate = FALSE}
l = [1, 2, 3, 5, 7]
more_lists = l[:] #slices
more_list2 = l.copy()
print(id(l), l)
print(id(more_lists), more_lists)
print(id(more_list2), more_list2)
```
Bardzo przydatną umiejętnością jest zaznajomienie z obiektem **slice** (pl: wykrojenie?). Służy on do wygodnego tworzenia ciągów arytmetycznych, a także indeksowania po utworzonych sekwencjach.
Składnia *slice()* to **slice(start, stop, step)**.
```{python, python.reticulate = FALSE}
l = [1, 2, 3, 5, 7]
sl = slice(2, 5, 1)
print(type(sl), sl)
print(l[sl])
print(l[2:5:1])
print(l)
```
Abstrahując od *wykrojeń*, generalnie odwoływanie się do różnych elementów listy w zależności od potrzeb niemalże zawsze jest bardzo proste i łatwe do napisania - przyjrzyjmy się poniższym przykładom.
```{python, python.reticulate = FALSE}
lis = [1, 2, 3, 5, 7]
print(lis[-1]) # ostatni element
print(lis[-1:]) # ostatni element, ale ...
print(lis[::-1]) # odwrotna kolejność
print(lis[::2]) # elelemty z indeksami parzystymi
print(lis[:-2]) # cała sekwencja poza ostatnimi dwoma elementami
print(lis[1::2]) # elementy z indeksami nieparzystymi
```
Na pozornie podobnej zasadzie jak *slice* działa **range**. Ten może przyjąć jeden, dwa lub trzy parametry:
* range(stop)
* range(start, stop)
* range(start, stop, step)
Przyjrzyj się kolejnym wywołaniom i pomyśl: czym rożnią się *slice* i *range*?
```{python, python.reticulate = FALSE}
range_ = range(20)
print(type(range_),range_)
a = list(range(20))
b = [range(10, 20, 1)]
c = list(range(10, 20, 1))
print("a:", a)
print("b:", b)
print("c:", c)
```
*Sprawdź się!*
1. Stwórz listę liczb od 0 do 500
2. Policz sumę wszystkich elementów tej listy
3. Odwróć tę listę
4. Dodaj na początek słowo *PoweR*
5. Stwórz listę parzystych liczb o długości 50
6. Dla stringa "PoweR warsztaty i przygoda!", usuń wszystkie litery z 6 znaku aż do końca, wyświetl otrzymany string (oczekiwana wartość: "PoweR ")
7. Mamy 2 stringi - s1 i s2. Stwórz nowy string dodając s2 w środku s1. Przykładowo:
* Przed: "Supplementary" i "Vector"
* Po: "SupplVectorementary"
8. Policz liczbę wystąpień litery *e* w stringu "PoweR is the best event evER" nie patrząc na wielkość litery (oczekiwana wartość: 7)
... Jedną z naistotniejszych struktur danych w *Pythonie* są **tuple**, zwane także krotkami.
```{python, python.reticulate = FALSE}
a = () # pusta tuple
print(type(a), a)
a = (1,2,3,4) # deklaracja
print(type(a), a)
a = 1,2,3,4 # inna deklaracja
print(type(a), a)
a = (1) # ważne są przecinki, a nie nawiasy
print(type(a), a)
a = 1, # tuple z 1 elementem
print(type(a), a)
n_tuple = ("mouse", [8, 4, 6], (1, 2, 3))
print(type(n_tuple), n_tuple)
```
Kolejną ważną strukturą są **słowniki** - ich idea to przechowywania *wartości* pod odpowiednimi *kluczami*. Należy pamiętać, że klucz jest tylko obiektem immutable (hashowalnym) i jeden klucz może mieć tylko jedną wartość (jeżeli będzie dodane kilka par z tym samym kluczem, *Python* zapisze ostatni). Protip: jeśli chcesz zapisać kolejność, w której elementy zostały dodane do *słownika*, użyj funkcji *collections.OrderedDict()*.
```{python, python.reticulate = FALSE}
a = dict() # pusty słownik
b = {} # alternatywa na deklaracje pustego słownika
c = {'klucz': 'wartość'}
print(type(a), a)
print(type(b), b)
print(type(c), c)
a['new_key'] = 'new_value' # Dodajemy nowy element do słownika
a[(7, 8)] = [('a', 'b', 'c'),'🤖']
print(a)
a['new_key'] = '👧'
print(a)
```
Jeśli klucz nie występuje w *słowniku*, pojawia się error. Żeby tak nie było trzeba dodatkowo zdefiniować zachowanie *\_\_missing\_\_(key)*. Poniższe operacje nie zadziałają poprawnie.
```{python, python.reticulate = FALSE, eval = FALSE}
print(c['nieklucz'])
a[[1, 2]] = 'nie działa'
```
Do przechowywania wartości unikalnych, przyda nam sie **set** - zbiór. Najprościej mówiąc jest to „kontener” zawierający niepowtarzalne elementy w losowej kolejności. Czas sprawdzenia czy jakiś obiekt jest w zbiorze jest stały, w porównaniu do listy albo krotki, w których czas jest liniowo zależny od liczby elementów.
```{python, python.reticulate = FALSE, eval = FALSE}
a = set()
print(type(a), a)
a = {} # nie set , a ...
print(type(a), a)
a = {'a', 'b', 'c', 'd'}
print(type(a), a)
mixed_set = {2.0, "Nicholas", (1, 2, 3)}
print(type(mixed_set), mixed_set)
mixed_set.add("Katty")
print(type(mixed_set), mixed_set)
```
Jeżeli chcielibyśmy dodać do zbioru element już w nim będący - *set* go zignoruje.
```{python, python.reticulate = FALSE, eval = FALSE}
a = {[1,2,3], [1,2,3]}
```
### Operatory
W celu wykonania operacji arytmetycznych i dokonania innych ingerencji między obiektami, składnia jest prosta i nieodbiegająca od standardu innych języków programowania.
**Arytmetyczne:**
* \+ dodawanie
* \- odejmowanie
* \* mnożenie
* ** potęgowanie
* / dzielenie -> float
* // dzielenie z zaokrągleniem do najbliższego int w dół
* % reszta z dzielenia
**Porównania:**
* == równe co do wartości
* != różne co do wartości
* *is* zwraca true, jeśli obie zmienne są tym samym obiektem (porównuje wyniki funkcji id, adresy obiektów przechowywane w pamięci)
* *is not* zwraca true, jeśli obie zmienne nie są tym samym obiektem
* \< mniejsze
* \> większe
* \>= większe lub równe
* \<= mniejsze lub równe
* *in* zwraca wartość True, jeśli w obiekcie znajduje się sekwencja o określonej wartości (np litera w stringu)
* *not in* czy obiekt nie jest zawarty w innym obiekcie
**Logiczne:**
* *and* zwraca wartość True, jeśli obie instrukcje są prawdziwe (x < 5 and x < 10)
* *or* zwraca wartość True, jeśli jedno z wyrażeń jest prawdziwe (x < 5 or x < 4)
* *not* odwraca wynik, zwraca False, jeśli wynik jest prawdziwy (x < 5 and x < 10)
Trochę o operatorze **in**:
1. W listach są przeszukiwane wszystkie elementy po kolei. Czas wyszukiwania zależy od rozmiaru listy.
2. Dla zbiorów wyszukiwanie nie zależy od rozmiaru zbioru - jest stałe
3. W przypadku słowników wyszukiwane są tylko klucze, czas wyszukiwania nie zależy od liczby elementów w słowniku. Średnio *O(1)*
**Uwaga!** Do porównywania stosujemy tylko *==*. Jest to bardzo ważne, gdyż niedbałe mylenie == z = to typowy błąd początkujących programistów, który niezwykle często doprowadza do nieporozumień i zepsucia działania kodu tylko przez tą jedną literkę, którą niekiedy i wychwycić niełatwo.
Zobaczmy nasze oparatory w akcji.
```{python, python.reticulate = FALSE}
x = 256
y = 256
print('id(x)', id(x))
print('id(y)', id(y))
print('x is y', x is x)
print('x == y', x == y)
x = 257
y = 257
print('id(x)', id(x))
print('id(y)', id(y))
print('x is y', x is y)
print('x == y', x == y)
```
Zwróć uwagę, jak zmieniło się zachowanie *Pythona* dla operatorów *==* i *is* - dzieje się tak dlatego, że zwzględów optymalizacyjnych liczby "małe" są nieco inaczej interpretowane.
### Instrukcja warunkowa
... to element języka pozwalający na wybór różnych ścieżek operacji w zależności od spełnionych warunków. Kluczowa jest umiejętność użytku i rozumienia instrukcji **if**, **else** i **elif** (skrót od *else if*). Działają one niemalże tak, jak można by się spodziewać po ich tłumaczeniach.
```{python, python.reticulate = FALSE}
x = 10
print('przed ifem')
if x == 10:
print('x=10')
elif x == 4:
print('x=4')
elif x == 5:
print('x=5')
else:
print('else')
print('po ifie')
```
### Pętle
W celu wykonania danego bloku operacji wiele razy korzystamy z pętli. Tak jak i w przypadku innych popularnych języków programowania, kluczowa jest znajomość **for** i **while**.
Na tą pierwszą najwygodniej patrzeć jak na pętlę "*dla każdego...*". Oto jej działanie:
```{python, python.reticulate = FALSE}
for number in range(5):
print(number)
```
Iterować możemy po po dowolnych iterowalnych obiektach.
```{python, python.reticulate = FALSE}
mix = [7,'👻','róża', 3 + 2j]
for el in mix:
print(el)
for i in 'hello world':
print(i * 2, end = '')
```
W celu przerwania działania pętli korzystamy z instrukcji **break**, zaś kiedy chcemy rozpocząć następny obrót pętli, omijając pozostałą część - używamy **continue**.
```{python, python.reticulate = FALSE}
for i in 'hello world':
if i == 'e':
break
print(i * 2, end = '')
```
```{python, python.reticulate = FALSE}
for i in 'hello world':
if i == 'o':
continue
print(i * 2, end = '')
```
Przydatna jest też operacja **else** dla pętli - wykona się ona, jeśli pętla zakończyła się normalnie (nie za pomocą *break*).
```{python, python.reticulate = FALSE}
for i in 'hello world':
if i == 'a':
break
else:
print('Nie ma takiej litery')
```
Drugą pętlą jakiej możemy użyć w Pythonie jest **while** - zezwala ona na wykonywanie operacji w bloku kodu jej przeznaczonym tak długo, aż wpisany przez programistę warunek będzie spełniony.
Intuicja: *while* to taki *if* wykonywany wielokrotnie.
```{python, python.reticulate = FALSE}
i = 5
while i < 15:
print(i)
i = i + 2
```
Rezultaty pętli *for* możemy także zapisywać w taki oto skrótowy sposób:
```{python, python.reticulate = FALSE}
squares = []
for x in range(10):
squares.append(x ** 2)
print(squares)
squares = [x**2 for x in range(10)]
print (squares)
b = [x for x in range(10) if not x%3] # lista liczb podzielnych przez 3 and < 10
print(b)
```
Można także składać *zbiory* i *słowniki*.
```{python, python.reticulate = FALSE}
a = {str(i):i for i in [1,2,3,4,5]} # słownik
print(a)
a = {x for x in range(10) } # set
print(a)
```
... oraz tuple. Tylko uważaj!
```{python, python.reticulate = FALSE}
a = (x for x in range(10)) # generatory
print(type(a))
print(next(a))
print(next(a))
b = tuple(x for x in range(10)) # tuple
print(type(b))
```
*Sprawdź się!*
1. Mamy 2 listy. Wypisz *True* jeśli pierwszy i ostatni element na liście jest taki sam
2. Zrób listę od 1 do 100 i wypisz wszystkie liczby podzielne przez 5
3. Wypisz taką piramidę
1
2 2
3 3 3
4 4 4 4
5 5 5 5 5
*(Pamiętaj o print (..., end=" "))*
4. Połącz dwie listy tak, że do wynikowej listy z pierwszej będą liczby nie parzyste, a z drugiej parzyste. Przykładowo:
*list1 = [15, 22, 23, 17, 19]*
*list2 = [24, 43, 24, 36, 11]*
*Merged List is [15, 23, 17, 19, 24, 24, 36]*
5. Policz wystąpienia kolejnych elementów i na podstawie tego stwórz słownik. Przykładowo:
*list1 = [121, 43, 87, 121, 23, 43, 43, 43, 87]*
*dict1 = {121: 2, 43: 4, 87: 2, 23: 1}*
6. Rozpakuj krotkę do wartości
7. Zamień wszystkie ostatnie wartości w tuple na 99. Przykładowo:
*l1 = [(10, 20, 40), (40, 50, 60), (70, 80, 90)]*
*result = [(10, 20, 99), (40, 50, 99), (70, 80, 99)]*
8. Mamy listę *mix[string, int , float ...]*. Stwórz nową listę która będzie miała tylko *int*.
### Funkcje
W Pythonie definiuje się je za pomocą słowa kluczowego *def*:
```{python, python.reticulate = FALSE}
def func():
print("Hi, dear!")
func()
```
W zależności od deklaracji, **funkcja** może przyjąć dowolną liczbę argumentów o niemalże ograniczonej swobodzie wyboru typów.
```{python, python.reticulate = FALSE}
def greet(name):
"""This function greets to the person passed in as parameter"""
print("Hello, " + name + ". Good morning!")
print(greet.__doc__)
greet("Kate")
```
W przypadku podawania argumentów *pozycyjnie*, podaje się je po nazwie funkcji w nawiasach. Możesz dodać dowolną liczbę argumentów - po prostu oddziel je przecinkiem.
```{python, python.reticulate = FALSE}
def func(name):
return name + " Ref"
a = func("Katty")
print(a)
print(func("Lila"))
print(func("Ewa"))
```
Można też podawać argumenty *kluczowo*, tj. przez nazwanie. Wtedy kolejność jest nieważna.
```{python, python.reticulate = FALSE}
def func(person3, person2, person1):
print("Imie ryczerza to " + person3)
func(person1 = "Emil", person2 = "Tobias", person3 = "Linus")
```
```{python, python.reticulate = FALSE}
def func(x = 1, y = 1):
outcome = x + y
print(outcome)
func(x = 100)
```
Uwaga z kolejnością argumentów z wartościami *default*! Deklaracja poniższej funkcji nie będzie poprawna.
```{python, python.reticulate = FALSE, eval = FALSE}
def greet(msg = "Good morning!", name):
pass
```
Można za to napisać w taki sposób:
```{python, python.reticulate = FALSE}
def gree(name, msg = "Good morming!"):
pass
```
Python daje także możliwość użycia *Args - arbitrary arguments*. Jeśli nie wiesz, ile argumentów zostanie przekazanych do funkcji, dodaj gwiazdkę przed nazwą parametru w definicji funkcji.
```{python, python.reticulate = FALSE}
def func(*args):
print(type(args))
print("Imie ryczerza to " + args[2])
func("Emil", "Tobias", "Linus")
```
Są także i *Kwargs - arbitrary keyword arguments*. Jeśli nie wiesz, ile argumentów nazwanych zostanie przekazanych do funkcji, dodaj dwie gwiazdki przed nazwą parametru w definicji funkcji.
```{python, python.reticulate = FALSE, eval = FALSE}
def func_kwargs(**places):
print("Jestem z " + places["region"] + " województwa")
func_kwargs(city = "Warszawa", region = "Łódzkiego")
```
Pamiętajmy o *Mutable vs. Immutable*! Poniżej niepoprawnie zadeklarowana funkcja i tego efekty:
```{python, python.reticulate = FALSE}
def printing(lista = []):
lista.append('print')
for el in lista:
print(id(lista), el)
printing()
li = ['nowe słowo']
print(id(li))
printing(li)
printing()
```
Niżej już poprawna implementacja i jej wywołanie:
```{python, python.reticulate = FALSE}
def printing(lista = None):
print("Przed if: ",id(lista))
lista = lista if lista else [] # druga opcja lista or []
print("Po if: ", id(lista))
lista.append('print')
for el in lista:
print(id(lista), el)
printing()
printing()
l = ['nowe słowo']
print("Przed wywołaniem funkcji: ", id(l))
printing(l)
```
*Sprawdź się!*
1. Napisz program, który znajdzie wszystkie takie liczby, które są podzielne przez 7, ale nie są wielokrotnością 5, od 2000 do 3200 (włącznie). Otrzymane liczby należy wydrukować w oddzielonej przecinkami sekwencji w jednym wierszu.
2.
Napisz funkcję, która oblicza i drukuje wartość zgodnie z podaną formułą: *Q = (2 \* C \* D) / H*, gdzie:
* C - argument nienazwany - integer
* D - argument nienazwany - integer
* H - nie wiadomo ile jest argumentów nienazwanych (jeżeli więcej niż 1 to zsumować H1 + H2 + H3)
3. Zrób funkcję, przyjmującą listę *tuple*, indeks("i") i wartość("w"). Zamień wszystkie wartości na indeksie "i" w tuple na wartość ("w"). Przykładowo:
*l1 = [(10, 20, 40), (40, 50, 60), (70, 80, 90)]*
*change(l1,1,77)*
*result = [(10, 77, 40), (40, 77, 60), (70, 77, 90)]*
### Ramka danych i *pandas* - mały wstęp
W kolejnych krokach będziemy brać pod lupę dwa rodzaje tabel:
1. **Series** - jest to jednowymiarowa struktura danych („jednowymiarowa tablica”), która może przechowywać wartości i dla każdej wartości ma także unikalny indeks
2. **DataFrame** - dwuwymiarowa (lub więcej) wymiarowa struktura danych - w zasadzie tabela z wierszami i kolumnami. Kolumny mają nazwy, a wiersze indeksy.
**Pandas** to doskonała biblioteka implementująca wiele przydatnych narzedzi do obróbki i pracy nad ramką danych. Aby móc korzystać z jej mocy, musimy wczytać (i ewentualnie zainstalować, jeżeli nie zostało to wcześniej zrobione) pakiet o tej właśnie nazwie. Standardowo przyjęło się wczytywać go jako *pd* - dodanie do instrukcji wczytywania biblioteki magicznych czterech liter *as pd* zezwoli nam na możliwość odwoływania sie w każdym kolejnym kroku kiedy będziemy potrzebować *pandas* nie do całej sześcioliterowej nazwy pakietu, ale tylko do tych dwóch prostych znaków.
Jeżeli nie masz jeszcze zainstalowanego pakietu *pandas* - użyj instrukcji jak niżej... a następnie za każdym razem gdy będziesz potrzebować jego dóbr - wczytaj go za pomocą instrukcji *import*.
```{python, python.reticulate = FALSE, eval = FALSE}
install.packages("pandas")
import pandas as pd
```
Dzięki *pandas* możemy łatwo wczytywać gotowe pliki *.csv*. Instrukcja **read_csv()** standardowo przyjmuje dwa argumenty - ścieżkę do pliku i opcjonalnie *delimiter* - sposób, w jaki oddzielone są kolejne wartości w wierszach.
```{python, python.reticulate = FALSE, eval = FALSE}
data = pd.read_csv("files/movies.csv", delimiter = ',')
```
Tak utworzona ramka danych ma swój własny typ.
```{python, python.reticulate = FALSE, eval = FALSE}
print(type(data.head()))
```
Możemy łatwo odwołać się do pierwszych lub ostatnich wierszy data frame za pomocą metod **head()** i **tail()**.
```{python, python.reticulate = FALSE, eval = FALSE}
display(data.tail())
display(data.head())
```
Do zwrócenia losowych rows używamy **sample()**.
```{python, python.reticulate = FALSE, eval = FALSE}
data.sample(5)
```
Możemy także łatwo odwołać się do wierszy spełniających podane kryteria. Przykładowo poniższa instrukcja zwróci nam te, dla których wartość odpowiadająca za *title* przyjmuje "Apaches*.
```{python, python.reticulate = FALSE, eval = FALSE}
data[data.title == "Apaches"]
```
*Sprawdź się!*
1. Sprawdź szczegółowe informacje o *DataFrame*
2. Uzyskaj pierwsze 3 wiersze danych
3. Wyświetl kolumny *title* i *description*
4. Wyświetl kolumny *show_id*, *country*, *data_added* dla wierszy 0, 3, 6, 24
5. Wyświetl wiersze gdzie *release_year* > 2010
6. Wyświetl wiersze, gdzie *director* is *NaN*
7. Policz ile jest takich wierszy jak w punkcie 5.
8. Sprawdź typ kolumny *duration*
9. Sprawdź co to znaczy
10. Zmień nazwę kolumny *title* na *name*
Dodaj nowy wiersz