百行代码入门Python - Chapter 4

简介: 以下代码均采用Python 3.5.2编写。新建一个名为HelloWorld.py的文件,当然名字无所谓,输入以下代码:#Classclass Bird(object): feather= True reproduction="egg" def chirp(self, sound="some sound"): print(soun

以下代码均采用Python 3.5.2编写。新建一个名为HelloWorld.py的文件,当然名字无所谓,输入以下代码:

#Class
class Bird(object):
    feather= True
    reproduction="egg"
    def chirp(self, sound="some sound"):
        print(sound)
    def set_color(self,color):
        self.color=color
        return color

#property
class Chicken(Bird):
    fly=False
    def __init__(self, age):
        self.age=age
    def get_adult(self):
        if self.age>1.0:
            return True
        else:
            return False
    adult=property(get_adult)

summer=Chicken(2)
print(summer.adult)

class num(object):
    def __init__(self, value):
        self.value=value
    def get_neg(self):
        return -self.value
    def set_neg(self, value):
        self.value=-value
    def del_neg(self):
        print("value is also deleted")
        del self.value
    neg=property(get_neg,set_neg,del_neg,"I'm negative")

x=num(1.1)
print(x.neg)
x.neg=-22
print(x.value)
print(num.neg.__doc__)
del x.neg

#__getattr__
class Goose(Bird):
    fly=True
    def __init__(self, age):
        self.age=age
    def __getattr__(self,name):
        if name=="adult":
            if self.age>1.0:
                return True
            else:
                return False
        else:
            raise AttributeError(name)

summer = Goose(2)
print(summer.adult)
summer.age=0.5
print(summer.adult)
#__getattr__ can only check the attributes not in __dict__, __getattribute__ can check all of the attributes

#parameter trans
def example_f(x):
    print(id(x))
    x=100
    print(id(x))

a=1
print(id(a))
example_f(a)
print(a)

def example_f2(x):
    x[0]=100
    print(x)

a=[1,2,3]
example_f2(a)
print(a)

#func parameter
def square_sum(a,b):
    return a**2+b**2
def cubic_sum(a,b):
    return a**3+b**3
def argument_demo(f,a,b):
    return f(a,b)

print(argument_demo(square_sum,3,5))
print(argument_demo(cubic_sum,3,5))

#func return
def line_conf():
    def line(x):
        return 2*x+1
    return line

my_line=line_conf()
print(my_line(5))

将后面尚未读到的代码注释掉,一段一段查看执行效果,即可轻松入门Python。

相关文章
|
2天前
|
算法 物联网 数据库
Python 物联网入门指南(一)(4)
Python 物联网入门指南(一)
15 3
|
2天前
|
物联网 Linux 网络安全
Python 物联网入门指南(一)(3)
Python 物联网入门指南(一)
15 4
|
2天前
|
网络协议 物联网 Linux
Python 物联网入门指南(一)(2)
Python 物联网入门指南(一)
10 1
|
2天前
|
物联网 机器人 异构计算
Python 物联网入门指南(一)(1)
Python 物联网入门指南(一)
14 2
|
7天前
|
机器学习/深度学习 数据采集 数据可视化
利用Python进行历史数据预测:从入门到实践的两个案例分析
利用Python进行历史数据预测:从入门到实践的两个案例分析
21 1
|
13天前
|
机器学习/深度学习 自然语言处理 语音技术
【Python 机器学习专栏】Python 深度学习入门:神经网络基础
【4月更文挑战第30天】本文介绍了Python在深度学习中应用于神经网络的基础知识,包括神经网络概念、基本结构、训练过程,以及Python中的深度学习库TensorFlow和PyTorch。通过示例展示了如何使用Python实现神经网络,并提及优化技巧如正则化和Dropout。最后,概述了神经网络在图像识别、语音识别和自然语言处理等领域的应用,并强调掌握这些知识对深度学习的重要性。随着技术进步,神经网络的应用将持续扩展,期待更多创新。
|
13天前
|
机器学习/深度学习 算法 数据挖掘
【Python 机器学习专栏】Python 机器学习入门:基础概念与流程
【4月更文挑战第30天】本文介绍了Python在机器学习中的重要性,机器学习的基础概念和分类,包括监督学习、非监督学习和强化学习。Python因其丰富的库(如Scikit-learn、TensorFlow、PyTorch)、简单易学的语法和跨平台性在机器学习领域广泛应用。文章还概述了机器学习的基本流程,包括数据收集、预处理、特征工程、模型训练与评估等,并列举了常用的Python机器学习算法,如线性回归、逻辑回归、决策树和支持向量机。最后,讨论了Python机器学习在金融、医疗、工业和商业等领域的应用,鼓励读者深入学习并实践这一技术。
|
15天前
|
Python
【Python21天学习挑战赛】-入门必备
【Python21天学习挑战赛】-入门必备
|
19天前
|
存储 Python
python入门指南
python入门指南
23 0
|
19天前
|
机器学习/深度学习 自然语言处理 算法
利用Python进行情感分析:从入门到实践
【4月更文挑战第24天】 在数字化时代,文本数据无处不在。理解这些文本背后的情绪倾向对于品牌管理、市场研究乃至政治分析都至关重要。本文将引导读者通过Python编程语言实现基本的情感分析任务,涵盖从预处理步骤到模型训练和结果解释的全过程。我们将使用流行的自然语言处理库NLTK和机器学习框架scikit-learn来构建一个简单的情感分析模型,并探索如何将其应用于实际场景中。