python 教程 第十四章、 地址薄作业

简介: 第十四章、 地址薄作业 #A Byte of Python #!/usr/bin/env python import cPickle import os #define the contacts file, list global file_contacts global list_contacts file_contacts = 'AddressBook.

第十四章、 地址薄作业

#A Byte of Python
#!/usr/bin/env python
import cPickle
import os 
#define the contacts file, list
global file_contacts
global list_contacts
file_contacts = 'AddressBook.txt'
list_contacts = [] 
#delete the file
try:
    file_path = os.getcwd() + os.sep + file_contacts
    if os.path.isfile(file_path):
        os.remove(file_contacts)
        f = file(file_contacts,'w')
        f.close() 
     #define the class of contacts and implement the methods
    class class_contacts:
        def __init__(self, list_contacts):
            self.contacts = list_contacts
        def append(self, name, mail):
            dict_contacts = {'Name': name, 'Mail': mail}
            self.contacts.append(dict_contacts)
        def find(self, name):
            found = False
            for instance_contacts in list_contacts:
                if name == instance_contacts['Name']:
                    found = True
                    print " Found:", name, ", PASS"
                    break
            if not found:
                print " Found:", name, ", FAIL" 
        def modify(self, name, mail):
            for instance_contacts in list_contacts:
                if name == instance_contacts['Name']:
                    instance_contacts['Mail'] = mail
                    break
        def delete(self, name):
            index = -1
            for instance_contacts in list_contacts:
                index += 1
                if name == instance_contacts['Name']:
                    del list_contacts[index]
        def show(self):
            for list in list_contacts:
                print list
        def save(self):
            fa = file(file_contacts, "a")
            cPickle.dump(self.contacts, fa)
            fa.close() 
    i = class_contacts(list_contacts)
    i.append('joan', 'joan@123.com')
    i.append('adny', 'adny@123.com')
    i.append('xixi', 'xixi@123.com')
    i.find('joan')
    i.find('joab')
    print "Original List:"
    i.show()
    print "after modify adny"
    i.modify('adny', 'adnX@123.com')
    i.show()
    print "after del joan"
    i.delete('joan')
    i.show()
    i.save() 
except TypeError:
    print "TypeError"
except:
print "Other Error occured" 

  

目录
相关文章
|
9天前
|
JSON 数据可视化 API
Python 中调用 DeepSeek-R1 API的方法介绍,图文教程
本教程详细介绍了如何使用 Python 调用 DeepSeek 的 R1 大模型 API,适合编程新手。首先登录 DeepSeek 控制台获取 API Key,安装 Python 和 requests 库后,编写基础调用代码并运行。文末包含常见问题解答和更简单的可视化调用方法,建议收藏备用。 原文链接:[如何使用 Python 调用 DeepSeek-R1 API?](https://apifox.com/apiskills/how-to-call-the-deepseek-r1-api-using-python/)
|
20天前
|
IDE 测试技术 项目管理
【新手必看】PyCharm2025 免费下载安装配置教程+Python环境搭建、图文并茂全副武装学起来才嗖嗖的快,绝对最详细!
PyCharm是由JetBrains开发的Python集成开发环境(IDE),专为Python开发者设计,支持Web开发、调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试和版本控制等功能。它有专业版、教育版和社区版三个版本,其中社区版免费且适合个人和小型团队使用,包含基本的Python开发功能。安装PyCharm前需先安装Python解释器,并配置环境变量。通过简单的步骤即可在PyCharm中创建并运行Python项目,如输出“Hello World”。
189 13
【新手必看】PyCharm2025 免费下载安装配置教程+Python环境搭建、图文并茂全副武装学起来才嗖嗖的快,绝对最详细!
|
2月前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
85 8
|
2月前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
151 7
|
2月前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
56 4
|
2月前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
63 5
|
3月前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
44 1
|
3月前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
47 1
|
3月前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析的基础教程
【10月更文挑战第41天】本文旨在为初学者提供一个关于如何使用Python语言进行数据分析的入门指南。我们将通过实际案例,了解数据处理的基本步骤,包括数据的导入、清洗、处理、分析和可视化。文章将用浅显易懂的语言,带领读者一步步掌握数据分析师的基本功,并在文末附上完整的代码示例供参考和实践。
|
3月前
|
Python
SciPy 教程 之 Scipy 显著性检验 6
显著性检验是统计学中用于判断样本与总体假设间是否存在显著差异的方法。SciPy的scipy.stats模块提供了执行显著性检验的工具,如T检验,用于比较两组数据的均值是否来自同一分布。通过ttest_ind()函数,可以获取两样本的t统计量和p值,进而判断差异是否显著。示例代码展示了如何使用该函数进行T检验并输出结果。
48 1

热门文章

最新文章