Все на одній сторінці

Content from Запуск та завершення роботи

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 15 хвилин

Огляд

Питання

Як запустити програми Python?

Цілі

Запуск серверу JupyterLab.
Створення нового скрипту Python.
Створення блокноту Jupyter.
Завершення роботи сервера JupyterLab.
Розуміння різниці між скриптом Python і блокнотом Jupyter.
Створення в блокноті комірок типу Markdown.
Створення та виконання в блокноті комірок Python.

Для роботи з Python, протягом цього семінару ми будемо використовувати [блокноти Jupyter][jupyter] у середовищі JupyterLab. Блокноти Jupyter широко застосовуються з метою аналізу та візуалізації даних, а також є зручним інструментальним засобом для запуску коду на Python в інтерактивному режимі, де ми можемо легко переглядати результати його виконання, та ділитися нашим кодом з іншими.

Існують й інші способи редагування, організації та виконання коду. Розробники програмного забезпечення часто використовують інтегроване середовище розробки (IDE), подібне до PyCharm або Visual Studio Code або текстові редактори такі як Vim або Emacs, щоб створити та відредагувати свої програми Python. Після редагування та збереження ваших програм Python ви можете виконувати ці програми в самому IDE або безпосередньо в командному рядку. На відміну від цього, блокноти Jupyter дозволяють відразу переглянути результати нашого Python коду.

JupyterLab має декілька інших зручних функцій:

Ви можете легко вводити, редагувати, копіювати та вставляти блоки коду.
Автодоповнення за допомогою клавіші Tab дозволяє легко отримувати доступ до назв об’єктів, які ви використовуєте.
Дозволяє легко доповнювати свій код посиланнями, текстом різного розміру, маркерами тощо, щоб зробити його доступнішим для вас і ваших колег.
Дозволяє розміщувати графічні елементи безпосередньо поруч із кодом, який їх створює, щоб продемонструвати повну історію аналізу даних.

Кожен блокнот містить одну або кілька комірок, що містять код, текст або зображення.

Початок роботи з JupyterLab

JupyterLab є сервером застосунків із вебінтерфейсом користувача від Project Jupyter, що дозволяє працювати з документами та іншими застосунками, такими як блокноти Jupyter, текстові редактори, термінали, і навіть спеціальні компоненти, гнучким, інтегрованим і розширюваним способом. JupyterLab потребує досить сучасний браузер (в ідеалі – поточна версія Chrome, Safari або Firefox); Internet Explorer версії 9 і нижче не підтримується.

JupyterLab є частиною інсталяційного пакета Anaconda Python. Якщо ви не встановили дистрибутив Anaconda Python, дивіться інструкції щодо процесу інсталяції тут.

На цьому уроці ми запустимо JupyterLab локально на наших власних пристроях, тому для цього підключення до Інтернету буде потрібно лише на початку для завантаження та встановлення середовищ розробки Anaconda та JupyterLab

Запустіть сервер JupyterLab на вашому комп’ютері
Використовуйте веббраузер для відкриття спеціальної локальної URL-адреси для з’єднання з сервером JupyterLab
Сервер JupyterLab виконує обчислювальну роботу, а веббраузер відображає її результат
Введіть код у браузері, і як тільки сервер JupyterLab завершить виконання, ви зможете переглянути результати

Примітка

JupyterLab? А чому не Jupyter Notebook?

JupyterLab є подальшим кроком в еволюції Jupyter Notebook. Якщо ви використовували Jupyter Notebook раніше, то ви добре зрозумієте діапазон можливостей JupyterLab.

Досвідчені користувачі блокнотів Jupyter, зацікавлені у більш детальному обговоренні схожостей і відмінностей між інтерфейсами JupyterLab і Jupyter Notebook, можуть знайти більше інформації у документації з інтерфейсу користувача JupyterLab.

Початок роботи з JupyterLab

Ви можете запустити сервер JupyterLab через командний рядок або через застосунок, що має назву ‘Anaconda Navigator’. JupyterLab є частиною інсталяційного пакета Anaconda Python.

macOS - командний рядок

Для запуску сервера JupyterLab вам потрібно отримати доступ до командного рядка через Terminal. Існує два способи відкрити термінал на Mac.

У каталозі Applications відкрийте підкаталог Utilities і двічі натисніть Terminal
Натисніть Command + spacebar для запуску Spotlight. Введіть Terminal, а потім двічі клацніть на результаті пошуку або натисніть Enter

Після запуску Terminal введіть команду для запуску сервера JupyterLab.

BASH

$ jupyter lab

Користувачі Windows - Командний рядок

Для запуску сервера JupyterLab вам потрібен застосунок Anaconda Prompt.

Натисніть Windows Logo Key і знайдіть Anaconda Prompt, натисніть на результат пошуку або на клавішу enter.

Після запуску Anaconda Prompt введіть команду:

BASH

$ jupyter lab

Anaconda Navigator

Для запуску серверу JupyterLab з Anaconda Navigator ви маєте спочатку запустити Anaconda Navigator (натисніть для докладних інструкцій з macOS, Windows та Linux). Ви можете виконати пошук Anaconda Navigator через Spotlight на macOS (Command + spacebar), скористатися функцією пошуку Windows (клавіша Windows Logo) або відкривши термінал та виконавши команду anaconda-navigator у командному рядку.

Після того, як ви запустили Anaconda Navigator, натисніть кнопку Launch під JupyterLab. Можливо, вам знадобиться продивитись список донизу, аби знайти її.

Нижче наведено скриншот сторінки Anaconda Navigator, схожої на ту, яка має відкриватися для macOS або Windows.

Anaconda Navigator landing page

Нижче наведено скриншот екрана стартової сторінки JupyterLab, схожої на ту, яка має відкритися у вашому веббраузері за замовчуванням після запуску сервера JupyterLab в операційній системі macOS або Windows.

JupyterLab landing page

Інтерфейс JupyterLab

JupyterLab має багато функцій, які можна знайти в традиційних інтегрованих середовищах розробки (IDE), але його особливістю є забезпечення гнучких “будівельних блоків” для інтерактивних дослідницьких обчислень.

Інтерфейс JupyterLab складається з панелі меню, лівої бічної панелі (що згортається за потреби), і основної робочої області, яка містить вкладки з документами та різними застосунками JupyterLab.

Панель меню

Панель меню у верхній частині вікна JupyterLab містить меню верхнього рівня, яке зображує різні дії доступні в JupyterLab разом із їхніми комбінаціями клавіш (де це можливо). Наступні пункти меню наявні за замовчуванням.

File: Дії, пов’язані з файлами та каталогами, такі як New, Open, Close, Save тощо. Меню File також містить дію Shut Down, яка застосовується для завершення роботи сервера JupyterLab.
Edit: Дії, пов’язані з редагуванням документів та іншими видами діяльності, такими як Undo, Cut, Copy, Paste тощо.
View: Дії, які змінюють зовнішній вигляд інтерфейсу JupyterLab.
Run: Дії для запуску коду в різних застосунках, таких як Jupyter Notebook та командний рядок (розглянуто нижче).
** Kernel:** Дії щодо управління ядрами. Ядра у Jupyter будуть детально описані нижче.
Tabs: Список відкритих документів та застосунків у робочій області.
Settings: За допомогою цього меню можна налаштувати загальні параметри JupyterLab. Окрім того, у ньому також є опція Advanced Settings Editor, яка забезпечує більш детальний контроль параметрів і опцій для конфігурації JupyterLab.
Help: Список посилань на довідку JupyterLab та інші ресурси.

Примітка

Ядра

Документація JupyterLab визначає ядра як “окремі процеси сервера, що виконують ваш код у відповідних мовах програмування та середовищах.” Коли ми відкриваємо Jupyter Notebook, то ініціалізується ядро - процес, який буде виконувати код. У цьому уроці ми будемо використовувати ядро ipython, яке дозволяє запускати Python 3 в інтерактивному режимі.

Використання інших ядер Jupyter для інших мов програмування дозволить нам використовувати спільний інтерфейс JupyterLab для того, щоб писати та виконувати код, наприклад, у таких мовах як R, Java, Julia, Ruby, JavaScript, Fortran, тощо.

Скриншот стандартної панелі меню надано нижче.

JupyterLab Menu Bar

Ліва бічна панель

Ліва бічна панель містить ряд найбільш використовуваних вкладок, а саме: браузер файлів (відображає вміст каталогу, де був запущений сервер JupyterLab), перелік активних ядер і терміналів, панель команд і список відкритих вкладок в основній робочій області. Скриншот стандартної лівої бічної панелі наведений нижче.

JupyterLab Left Side Bar

Ліву бічну панель можна згорнути або розгорнути вибравши пункт “Show Left Sidebar” у меню View, або натиснувши на активну вкладку бічної панелі.

Основна робоча область

Основна робоча область в JupyterLab дозволяє упорядковувати документи (блокноти, текстові файли та ін.) та інші види застосунків (термінали, інтерфейси командного рядка тощо) у панелі вкладок. Ці панелі можна зменшити/збільшити або поділити на підрозділи. Скриншот стандартної основної робочої області наведено нижче.

Якщо Ви не бачите вкладку Launcher на панелі запуску, натисніть синій плюс під “File” та “Edit” у панелі меню, і ця вкладка з’явиться.

JupyterLab Main Work Area

Щоб перемістити вкладку на деяку панель, перетягніть її в центр цієї панелі. Також ви можете розділити панель вкладок, перетягнувши потрібну вкладку ліворуч, праворуч, догори або донизу панелі. Кожна робоча панель має одну поточну активну вкладку. Вкладка для поточної дії позначена кольоровою верхньою рамкою (за замовчуванням - синьою).

Створення скрипту Python

Щоб почати писати нову програму на Python, натисніть піктограму текстового файлу під заголовком Other на вкладці Launcher (Запуск) головної робочої області.
- Можна також створити новий текстовий файл, якщо обрати New -> Text File у меню File на панелі меню.
Щоб перетворити цей звичайний текстовий файл на програму Python, виберіть дію Save File As у меню File на панелі меню та надайте новому текстовому файлу назву, яка закінчується розширенням .py.
- Розширення .py повідомляє всім (операційній системі включно), що цей текстовий файл є програмою Python.
- Це умовність, а не вимога.

Створення блокноту Jupyter

Щоб відкрити новий блокнот, натисніть піктограму Python 3 під заголовком Notebook на вкладці Launcher в у головній робочій області. Ви також можете створити новий блокнот, обравши New -> Notebook у меню File на панелі меню.

Додаткові зауваження щодо блокнотів Jupyter.

Файли, створені в Jupyter Notebook, мають розширення .ipynb, щоб відрізнити їх від програм на Python, створених як звичайний текстовий файл.
Блокноти можна експортувати як скрипти Python, які можна запускати з командного рядка.

Нижче наведено скриншот Jupyter Notebook, який був відкритий в JupyterLab. Якщо вам цікаві подальші деталі, дивіться офіційну документацію до Jupyter Notebook.

Example Jupyter Notebook

Примітка

Як це зберігається

Файл блокноту зберігається у форматі JSON.
Подібно до вебсторінки, те, що зберігається, відрізняється від того, що ви бачите у своєму браузері.
Але формат JSON дозволяє Jupyter комбінувати вихідний код, текст і графіку в одному файлі.

Вправа

Упорядкування документів в панелях вкладок

У головній робочій області JupyterLab ви можете впорядковувати документи на панелі вкладок. Нижче наведено приклад з офіційної документації.

Multi-panel JupyterLab

Спочатку створіть текстовий файл, консоль Python, та вікно терміналу і розташуйте їх у три панелі в основній робочій області. Далі створіть блокнот, вікно терміналу, та текстовий файл і розподіліть їх на три панелі в основній робочій зоні. Нарешті, створіть власну комбінацію панелей і вкладок. Яка, на вашу думку, комбінація панелей та вкладок буде найбільш корисною для вашого робочого процесу?

Рішення

Після створення необхідних вкладок ви можете перетягнути одну з них в центр панелі для переміщення вкладки на панель; потім ви можете розділити панель, перетягнувши вкладку ліворуч, праворуч, вгору або до низу панелі.

Примітка

Код або текст?

Jupyter дозволяє змішувати код і текст у різних типах блоків, які називаються комірками. Термін “код” зазвичай використовується для позначення вихідного коду програмного забезпечення, написаного будь-якою мовою програмування. “Комірка коду” в Notebook містить код; а “текстова комірка” - звичайний текст, який відображується, але не виконується.

Jupyter Notebook має командний режим та режим редагування.

Якщо ви натиснете Esc та Return по черзі, то зовнішня межа комірки коду буде змінюватися з сірої на синю.
Існують сірий - Command (командний) та синій - Edit (редагування) режими вашого блокноту.
Командний режим дозволяє операції з комірками на рівні блокнота, а режим редагування змінює вміст комірок.
В командному режимі (esc/сірий),
- Клавіша b створює нову комірку нижче поточної обраної комірки.
- Клавіша a створює одну комірку вище поточної.
- Клавіша x видаляє поточну комірку.
- Клавіша z скасовує вашу останню операцію з коміркою (це може бути операція видалення, створення тощо).
Усі дії можна виконувати за допомогою меню, але є багато комбінацій клавіш для прискорення процесу.

Вправа

Командний режим або режим редагування

Чи ви зараз перебуваєте в командному режимі чи режимі редагування на сторінці Jupyter Notebook?
Перейдіть з одного режиму в інший, а потім у зворотному напрямку. Використайте відповідні швидкі клавіші для видалення комірки. Використайте швидкі клавіші, щоб видалити комірку. Нарешті, скасуйте останню операцію над коміркою також за допомогою швидких клавіш.

Рішення

Командний режим має сіру рамку, а режим редагування — синю. Використовуйте Esc та Return для перемикання режимів. Ви маєте бути в командному режимі (Натисніть Esc якщо ваша комірка синя). Введіть b або a. Ви маєте бути в командному режимі (Натисніть Esc якщо ваша клітинка синя). Введіть x. Ви маєте бути в командному режимі (Натисніть Esc якщо ваша комірка синя). Введіть z.

Використовуйте клавіатуру та мишу для виділення та редагування комірок.

Якщо натиснути клавішу Return, рамка стане синьою та ввімкнеться режим редагування, що дозволяє введення команди в комірку.
Якщо є необхідність введення кількох рядків кода в одну клітинку, то натискання клавіші Return в режимі редагування (синя рамка) переміщує курсор на наступний рядок в комірці, як у текстовому редакторі.
Якщо нам потрібно запустити код, що знаходиться в комірці, нам потрібен інший спосіб повідомити про це Notebook.
Одночасне натискання клавіш Shift + Return призведе до виконання вмісту комірки.
Зверніть увагу, що клавіші Return та Shift розташовані поруч на клавіатурі справа.

Jupyter Notebook підтримує мову розмітки текстів Markdown.

Блокноти також можуть візуалізувати Markdown.
- Простий текстовий формат для створення списків, посилань та інших елементів, які можуть бути використані на вебсторінці.
- Власне, це підмножина HTML, яка виглядає у стилі старомодного електронного листа.
Перетворіть поточну комірку на комірку Markdown, увійшовши в командний режим (Esc/gray) та натиснувши клавішу M.
Позначка In [ ]: зникне, щоб показати, що це вже не комірка коду, і ви зможете писати текст у форматі Markdown.
Перетворіть поточну комірку на комірку з кодом, увійшовши в командний режим (Esc/gray) та натиснувши клавішу y.

Markdown робить більшість того, що можна зробити у HTML.

Таблиця: Елементи синтаксису Markdown та їх зображення.

Код Markdown	Відображений результат

`* Використовуйте зірочки, * щоб створювати * марковані списки.`	Використовуйте зірочки, щоб створювати марковані списки.

`1. Використовуйте числа, 1. щоб створювати 1. нумеровані списки.`	Використовуйте числа, щоб створювати нумеровані списки.

`* Можна використовувати відступи * Щоб створювати вкладені списки * того самого типу * Або вкладені списки 1. інших 1. типів`	Можна використовувати відступи Щоб створювати вкладені списки того самого типу Або вкладені списки інших типів

`# Заголовок першого рівня`	Заголовок першого рівня

`## Заголовок другого рівня (тощо)`	Заголовок другого рівня (тощо)

`Переноси рядків не мають значення. Але порожні рядки створюють нові абзаци.`	Переноси рядків не мають значення. Але порожні рядки створюють нові абзаци.

[Посилання](http://software-carpentry.org) створюються за допомогою `[...](...)`. Або використовуйте [іменовані посилання][data-carp]. [data-carp]: http://datacarpentry.org	Посилання створюються за допомогою `[...](...)`. Або використовуйте іменовані посилання.

Вправа

Створення списків в Markdown

Створіть вкладений список в Markdown-комірці блокноту так, щоб вона виглядала наступним чином:

Знайти фінансування.
Виконати роботу.

Провести експеримент.
Зібрати дані.
Провести аналіз.

Написати статтю.
Опублікувати.

Рішення

Це завдання поєднує як нумерований, так і маркований списки. Зверніть увагу, що маркований список має відступ на 2 пробіли, щоб він не збігався з елементами нумерованого списку.

1.  Get funding.
2.  Do work.
    *   Design experiment.
    *   Collect data.
    *   Analyze.
3.  Write up.
4.  Publish.

Вправа

Більше математики

Що зображується, коли виконується комірка Python в блокноті, що містить декілька обчислень? Наприклад, що трапиться при виконанні наступної комірки?

PYTHON

7 * 3
2 + 1

Рішення

Python повертає результат останнього розрахунку.

PYTHON

Вправа

Зміна типу вже наявної комірки з Code на Markdown

Що станеться, якщо Ви напишете у комірці код Python, а потім перемкнете її у режим Markdown? Наприклад, напишіть наступний вираз в комірці коду:

PYTHON

x = 6 * 7 + 12
print(x)

Потім запустіть цей код в комірці за допомогою Shift+Return, щоб переконатися, що ця комірка працює як комірка коду. Тепер поверніться до комірки та натисніть Esc, а потім m, щоб перемкнути комірку на Markdown і “запустити” її за допомогою Shift+Return. Що сталося, і як це може бути корисним?

Рішення

Код Python розглядається як текст Markdown. Рядки виглядають так, ніби вони є частиною одного суміжного абзацу. Це може бути корисним для тимчасового вмикання та вимикання комірок у блокнотах, які використовуються для різних цілей.

PYTHON

x = 6 * 7 + 12 print(x)

Вправа

Рівняння

Стандартний Markdown (наприклад, такий, що використовується для цих нотаток) не відображає рівняння, але Notebook буде це робити. Створіть нову комірку Markdown і введіть наступне:

$\sum_{i=1}^{N} 2^{-i} \approx 1$

(Мабуть, це легше скопіювати та вставити.) Що зображається? Як ви думаєте, що роблять підкреслювання _, циркумфлекс ^ і знак долара $?

Рішення

Рівняння зображується у блокноті відповідно до синтаксису, який використовується у LaTeX. Знаки долара $ використовуються для того, щоб повідомити Markdown про те, що текст між цими знаками є рівнянням LaTeX. Якщо ви не знайомі з LaTeX, підкреслення _ використовується для підрядкових індексів та циркумфлекс ^ використовується для верхніх індексів. Пара фігурних дужок { та } використовується для групування тексту разом, щоб вираз i=1 став нижнім, а N - верхнім індексом. Аналогічно, вираз -i взятий у фігурні дужки, щоб зробити цей вираз верхнім індексом для 2. \sum та \approx є командами LaTeX для значень “sum over” й “approximate”.

Вихід з JupyterLab

На панелі меню оберіть меню “File” і натисніть “Shut Down” внизу спадного меню. Вам буде запропоновано підтвердити, що Ви бажаєте вимкнути сервер JupyterLab (не забудьте зберегти свою роботу!). Натисніть “Shut Down”, щоб вимкнути сервер JupyterLab.
Щоб перезапустити сервер JupyterLab, вам потрібно буде повторно виконати наступну команду в терміналі.

$ jupyter lab

Обговорення

Вихід з JupyterLab

Потренуйтеся закривати та перезапускати сервер JupyterLab.

Ключові моменти

Скрипти Python - це звичайні текстові файли.
Застосування Jupyter Notebook для редагування та запуску Python
Jupyter Notebook має командний режим та режим редагування.
Використовуйте клавіатуру та мишу для виділення та редагування комірок.
Notebook підтримує мову розмітки текстів Markdown.
Markdown робить більшість того, що можна зробити у HTML.

Content from Змінні та присвоєння

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 20 хвилин

Огляд

Питання

Як я можу зберігати дані в програмах?

Цілі

Створення програм, які присвоюють скалярні значення змінним і виконують обчислення з цими значеннями.
Відстеження у програмах значень змінних, які використовують скалярне присвоєння.

Використовуйте змінні для зберігання значень.

Змінні - це імена значень.
Імена змінних
- можуть складатися тільки з букв, цифр та підкреслення _ (яке звичайно використовується, щоб відокремити слова у довгих назвах змінних)
- не можуть починатися з цифри
- залежать від регістру (тобто age, Age та AGE - це три різні змінні)
Ім’я змінної має бути змістовним, щоб ви або інший програміст знали, що це таке
Імена змінних, які починаються з підкреслення, наприклад __alistairs_real_age, мають специфічне значення, тому ми не будемо цього робити, доки не зрозуміємо прийняті в мові Python домовленості.
У Python символ = використовується для присвоєння значення, яке знаходиться праворуч, до його імені, яке вказано ліворуч.
Змінна створена, коли їй присвоюється значення.
У виразі нижче Python призначає вік змінній age та ім’я в лапках - змінній first_name.
PYTHON
```
age = 42
first_name = 'Ahmed'
```

Використовуйте `print` для виведення значень.

Python має вбудовану функцію print, яка друкує щось як текст.
Щоб викликати функцію (тобто, щоб виконати її), треба вказати її ім’я.
Щоб передати функції значення (тобто дані для друку), їх треба помістити у дужки.
Щоб направити до друку рядок тексту, його треба помістити в одинарні або подвійні лапки.
Значення, які передаються до функції, називаються аргументами

PYTHON

print(first_name, 'is', age, 'years old')

ВИВІД

Ahmed is 42 years old

print автоматично додає пробіл між надрукованими аргументами, щоб відокремити їх.
Також print переходить на новий рядок після друку.

Змінні мають бути створені перед їх використанням.

Якщо змінна ще не існує, або якщо ім’я було неправильно написано, Python повідомляє про помилку. (На відміну від деяких інших мов, які можуть “вгадати” якесь значення за замовчуванням.)

PYTHON

print(last_name)

ПОМИЛКА

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
<ipython-input-1-c1fbb4e96102> in <module>()
----> 1 print(last_name)

NameError: name 'last_name' is not defined

Останній рядок у повідомленні про помилку є найбільш інформативним.
Ми більш детально розглянемо повідомлення про помилки пізніше.

Примітка

Змінні зберігаються між комірками

Майте на увазі, що в блокноті Jupyter важливий порядок виконання комірок, а не порядок їх розташування. Python запам’ятає весь код, який було виконано раніше, у тому числі всі змінні, які ви визначили, незалежно від порядку в блокноті. Тому, якщо ви визначите змінні нижче в блокноті, а потім (повторно) запустите комірки вище, то ті комірки, що визначені нижче, все одно будуть присутні. Як приклад, створіть дві комірки наступного вмісту у такому порядку:

PYTHON

print(myval)

PYTHON

myval = 1

Якщо виконати це послідовно, то перша комірка дасть помилку. Однак, якщо ви запустите першу комірку після другої, вона виведе на екран 1. Щоб уникнути плутанини, можна скористатися опцією Kernel -> Restart & Run All, яка перезавантажує інтерпретатор і запускає все з чистого аркуша, зверху вниз.

Змінні можна використовувати для обчислень.

Ми можемо використовувати змінні в обчисленнях так само, як би вони були значеннями.
- Пам’ятайте, ми присвоїли значення 42 змінній age кількома рядками вище.

PYTHON

age = age + 3 
print('Age in three years:', age)

ВИВІД

Age in three years: 45

Використовуйте індекс, щоб отримати один символ із рядка.

Символи (окремі літери, цифри тощо) у рядку є впорядкованими. Наприклад, рядок 'AB' не те саме, що 'BA'. Завдяки такому упорядкуванню ми можемо розглядати рядок як список символів.
Кожна позиція в рядку (перша, друга тощо) має номер. Це число називається індексом або іноді нижнім індексом.
Індекси нумеруються від 0.
Використовуйте індекс позиції у квадратних дужках, щоб отримати символ з тієї позиції у рядку.

PYTHON

atom_name = 'helium'
print(atom_name[0])

ВИВІД

Використовуйте зріз, щоб отримати підрядок.

Частина рядка називається підрядок. Він може складатися навіть тільки з одного символу.
Список складається з елементів. У випадку, коли рядок розглядається як список, його елементами є окремі символи.
Зріз - це частина рядка (в загальному випадку, частина будь-якого обʼєкту, схожого на колекцію).
Ми беремо зріз із позначенням [start:stop], де start — ціле число, що є індексом першого потрібного нам елементу, а stop - ціле число, що є індексом елементу відразу після останнього потрібного нам елементу.
Проміжок між stop and start - це довжина зрізу.
Визначення зрізу не змінює вміст вихідного рядка. Натомість, визначений зріз повертає копію початкового рядка.

PYTHON

atom_name = 'sodium' 
print(atom_name[0:3])

ВИВІД

sod

Використовуйте вбудовану функцію `len`, щоб знайти довжину рядка.

PYTHON

print(len('helium'))

ВИВІД

Вкладені функції обчислюються зсередини назовні, як у математиці: вирази, що знаходяться всередині дужок, обчислюються першими.

Python чутливий до регістру.

Python вважає, що букви верхнього та нижнього регістру відрізняються, отже Name і name - різні змінні.
Існують домовленості про використання великих літер на початку імен змінних, тому ми будемо використовувати малі літери.

Використовуйте змістовні назви змінних.

Ви можете використовувати будь-які комбінації символів для імен змінних, поки вони задовольняють вищевказані правила (букви, цифри та знак підкреслення).

PYTHON

flabadab = 42
ewr_422_yY = 'Ahmed'
print(ewr_422_yY, 'is', flabadab, 'years old')

Використовуйте змістовні назви змінних, щоб допомогти іншим зрозуміти, що робить програма.
Найважливіша “інша людина” — це ви в майбутньому.

Вправа

Заміна значень

Заповніть таблицю, вказавши значення змінних у цій програмі після виконання кожного оператора.

PYTHON

# Оператор  # Значення x   # Значення y   # Значення swap #
x = 1.0     #              #              #               #
y = 3.0     #              #              #               #
swap = x    #              #              #               #
x = y       #              #              #               #
y = swap    #              #              #               #

Рішення

ВИВІД

# Оператор # Значення x   # Значення y   # Значення swap #
x = 1.0    # 1.0          # не визначено # не визначено  #
y = 3.0    # 1.0          # 3.0          # не визначено  #
swap = x   # 1.0          # 3.0          # 1.0           #
x = y      # 3.0          # 3.0          # 1.0           #
y = swap   # 3.0          # 1.0          # 1.0           #

Ці три рядки обмінюються значеннями в x і y використовуючи змінну swap для тимчасового зберігання. Це досить поширена ідіома програмування.

Вправа

Прогнозування значень

Яким є остаточне значення змінної position у програмі нижче? (Спробуйте передбачити значення, не запускаючи програму, а потім перевірте свій прогноз.)

PYTHON

initial = 'left'
position = initial
initial = 'right'

Рішення

PYTHON

print(position)

ВИВІД

left

Змінній initial присвоєно значення 'left'. У другому рядку змінна position також отримує значення 'left'. У третьому рядку змінній initial надається значення 'right', але змінна position зберігає своє значення 'left'.

Вправа

Завдання

Якщо ви присвоїли a = 123, що станеться, якщо ви спробуєте отримати другу цифру a через a[1]?

Рішення

Числа не є рядками або послідовностями, і спроба виконати операцію індексу над числом у Python призведе до помилки. У наступному епізоді про типи даних і перетворення типів ми дізнаємось більше про типи і як конвертувати один тип в інший. Якщо вам потрібна N-та цифра числа, перетворіть його на рядок за допомогою вбудованої функції str, а потім виконайте операцію індексації у цьому рядку.

PYTHON

a = 123
print(a[1])

ПОМИЛКА

TypeError: 'int' object is not subscriptable

PYTHON

a = str(123)
print(a[1])

ВИВІД

Вправа

Вибір імені

Яке ім’я для змінної є кращим: m, min або minutes? Чому? Підказка: подумайте, який код ви б хотіли успадкувати від того, хто залишає лабораторію:

ts = m * 60 + s
tot_sec = min * 60 + sec
total_seconds = minutes * 60 + seconds

Рішення

minutes краще, оскільки min можна помилково прийняти за “мінімум” (що насправді є вбудованою функцією в Python, яку ми розглянемо пізніше).

Вправа

Практика застосування зрізів

Що друкує наступна програма?

PYTHON

atom_name = 'carbon'
print('atom_name[1:3] is:', atom_name[1:3])

Рішення

ВИВІД

atom_name[1:3] is: ar

Вправа

Різноманітні види зрізів

Є наступний рядок:

PYTHON

species_name = "Acacia buxifolia"

Що виводять ці вирази?

species_name[2:8]
species_name[11:] (без значення після двокрапки)
species_name[:4] (без значення до двокрапки)
species_name[:] (тільки двокрапка)
species_name[11:-3]
species_name[-5:-3]
Що станеться, якщо ми оберемо значення stop, яке виходить за рамки діапазону? (тобто спробуйте виконати species_name[0:20] або species_name[:103])

Рішення

species_name[2:8] повертає підрядок 'acia b'
species_name[11:] повертає підрядок 'folia', з позиції 11 до кінця рядку
species_name[:4] повертає підрядок Acac', з початку рядку до позиції 4, не включаючи цю позицію
species_name[:] повертає весь рядок ‘Acacia buxifolia’`
species_name[11:-3] повертає підрядок 'fo', з 11 позиції до третьої позиції з кінця рядку, не включаючи її
species_name[-5:-3] також повертає підрядок 'fo', з п’ятої позиції з кінця до третьої позиції з кінця, не включаючи її
Якщо частина фрагмента виходить за межі діапазону, операція не повертає помилку. species_name[0:20] дає той самий результат, що і species_name[0:], та species_name[:103] дає такий самий результат, як species_name[:]

Ключові моменти

Використовуйте змінні для зберігання значень.
Використовуйте print для виводу значень.
Змінні зберігаються між комірками.
Змінні мають бути створені перед їх використанням.
Змінні можна використовувати для обчислень.
Використовуйте індекс, щоб отримати один символ із рядка.
Використовуйте зріз, щоб отримати підрядок.
Використовуйте вбудовану функцію len, щоб знайти довжину рядка.
У Python важливо, який регістр використовується.
Використовуйте змістовні назви змінних.

Content from Типи даних та їх перетворення

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 20 хвилин

Огляд

Питання

Які види даних зберігають програми?
Як я можу перетворити один тип в інший?

Цілі

Визначення ключових відмінностей між цілими числами та числами з плаваючою комою.
З’ясувати ключові відмінності між числами та символьними рядками.
Використання вбудованих функцій для перетворення цілих чисел, чисел з плаваючою комою та рядків.

Кожне значення має тип.

Кожне значення, яке використовує програма, має певний тип.
Ціле число (int): зображує додатні або від’ємні цілі числа, наприклад 3 або -512.
Число з плаваючою комою (float): зображує дійсні числа, наприклад 3.14159 або -2.5.
Рядки символів (зазвичай просто “рядки”, str): представляють текст.
- Укладені в одинарні або подвійні лапки (тип лапок має збігатися).
- Під час відображення рядку лапки не друкуються.

Вбудована функція `type` повертає тип значення.

Використовуйте вбудовану функцію type, щоб з’ясувати, який тип має значення.
Це також працює зі змінними.
- Але запамʼятайте: значення має свій тип, а змінна тільки вказує на деяке значення.

PYTHON

print(type(52))

ВИВІД

<class 'int'>

PYTHON

fitness = 'average' print(type(fitness))

ВИВІД

<class 'str'>

Тип визначає, які операції (або методи) можна виконувати над даним значенням.

Тип значення визначає, що може робити з ним програма.

PYTHON

print(5 - 3)

ВИВІД

PYTHON

print('hello' - 'h')

ПОМИЛКА

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-2-67f5626a1e07> in <module>()
----> 1 print('hello' - 'h')

TypeError: unsupported operand type(s) for -: 'str' and 'str'

Ви можете використовувати оператори “+” та “*” для дій над рядками.

“Додавання” рядків об’єднує їх.

PYTHON

full_name = 'Ahmed' + ' ' + 'Walsh' 
print(full_name)

ВИВІД

Ahmed Walsh

Якщо рядок помножити на ціле число N, то це створить новий рядок, який буде містити вихідний рядок, повторений N разів.
- Оскільки множення - це повторюване додавання.

PYTHON

separator = '=' * 10 
print(separator)

ВИВІД

==========

Рядки мають довжину (але числа її не мають).

Вбудована функція len повертає кількість символів у рядку.

PYTHON

print(len(full_name))

ВИВІД

Але числа не мають довжини (навіть нульової).

PYTHON

print(len(52))

ПОМИЛКА

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-3-f769e8e8097d> in <module>()
----> 1 print(len(52))

TypeError: object of type 'int' has no len()

Необхідно перетворювати числа в рядки або навпаки під час виконання певних операцій.

Додавання чисел та рядків неможливе.

PYTHON

print(1 + '2')

ПОМИЛКА

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-4-fe4f54a023c6> in <module>()
----> 1 print(1 + '2')

TypeError: unsupported operand type(s) for +: 'int' and 'str'

Таке додавання не дозволено, тому що воно не визначене: чи має 1 + '2' повертати 3 чи '12'?
Перетворення типу виконується за допомогою функції, яка має те ж саме імʼя, що і потрібний тип.

PYTHON

print(1 + int('2')) 
print(str(1) + '2')

ВИВІД

3
12

З цілими та дійсними числами можна оперувати одночасно.

Цілі та дійсні числа можна використовувати разом для арифметичних дій.
- Python 3 автоматично перетворить цілі числа у дійсні, якщо це потрібно.

PYTHON

print('half is', 1 / 2.0) 
print('three squared is', 3.0 ** 2)

ВИВІД

half is 0.5
three squared is 9.0

Змінні можуть змінити своє значення тільки через присвоєння.

Якщо в електронних таблицях ми зробимо одну комірку залежною від іншої та оновимо останню, перша оновиться автоматично.
Це не трапляється у мовах програмування.

PYTHON

variable_one = 1
variable_two = 5 * variable_one
variable_one = 2
print('first is', variable_one, 'and second is', variable_two)

ВИВІД

first is 2 and second is 5

Комп’ютер зчитує значення variable_one під час множення, створює нове значення та призначає цьому значенню ім’я variable_two.
Після того, як значення variable_two встановлено, воно не залежить від значення variable_one, отже його значення не змінюється автоматично, коли variable_one змінюється.

Вправа

Дроби

Який тип має значення 3.4? Як це можна встановити?

Рішення

Це - число з плаваючою комою (або дійсне число чи часто скорочено “float”). Це можна перевірити, використовуючи вбудовану функцію type().

PYTHON

print(type(3.4))

ВИВІД

<class 'float'>

Вправа

Автоматичне перетворення типів

Який тип має вираз 3.25 + 4?

Рішення

Це - дійсне число: цілі числа автоматично перетворюються у дійсні, коли це необхідно.

PYTHON

result = 3.25 + 4
print(result, 'is', type(result))

ВИВІД

7.25 is <class 'float'>

Вправа

Вибір типу

Який тип значення (ціле число, число з плаваючою комою або рядок символів) ви б використовували для представлення кожного з наступних значень? Спробуйте знайти більш ніж одну гарну відповідь для кожної проблеми. Наприклад у завданні # 1, коли було б доцільніше використовувати змінну з плаваючою комою замість цілого числа для підрахунку днів?

Кількість днів, які пройшли з початку року.
Час, що пройшов від початку року до сьогоднішнього дня.
Серійний номер лабораторного обладнання.
Вік лабораторного зразка
Поточне населення міста.
Середня чисельність населення міста протягом певного часу.

Рішення

Відповіді на запитання:

Ціле, оскільки число днів належить діапазону від 1 до 365.
Дійсне число, оскільки потрібно використовувати частини дня.
Символьний рядок, якщо серійний номер містить літери та цифри, або ціле число, якщо серійний номер складається лише з цифр.
Це залежить від багатьох факторів! Як вимірюється вік зразка? Кількість днів з моменту, коли його було створено (ціле число)? Дата і час (рядок)?
Виберіть дійсне число, щоб представити приблизну кількість населення за допомогою округлення (наприклад, до мільйонів), або ціле число, щоб представити точну кількість населення.
Дійсне число, оскільки результат усереднення, швидше за все, буде мати дробну частину.

Вправа

Типи операцій ділення

У Python 3 оператор // виконує ціле ділення (повертає цілу частину результату), оператор / виконує ділення з плаваючою комою, та оператор ‘%’ (або модуль) повертає залишок від цілого ділення:

PYTHON

print('5 // 3:', 5 // 3)
print('5 / 3:', 5 / 3)
print('5 % 3:', 5 % 3)

ВИВІД

5 // 3: 1
5 / 3: 1.6666666666666667
5 % 3: 2

Припустимо, що num_subjects - це кількість суб’єктів, які беруть участь у дослідженні, а num_per_survey — кількість, яка може взяти участь в одному опитуванні. Напишіть вираз, який обчислює кількість необхідних опитувань для охоплення кожного хоча б один раз.

Рішення

Потрібно визначити мінімальну кількість опитувань для охоплення кожного суб’єкта хоча б один раз, тобто округлене значення num_subjects/num_per_survey. Це еквівалентно виконанню дійсного ділення за допомогою оператору // і додаванню 1 до результату. Перед діленням нам потрібно відняти 1 від кількості num_subjects, щоб працювати з випадком, коли num_subjects порівну ділиться на num_per_survey.

PYTHON

num_subjects = 600
num_per_survey = 42
num_surveys = (num_subjects - 1) // num_per_survey + 1

print(num_subjects, 'subjects,', num_per_survey, 'per survey:', num_surveys)

ВИВІД

600 subjects, 42 per survey: 15

Вправа

Перетворення рядків у числа

Якщо потрібно, функція float() перетворить рядок у дійсне число, а функція int() перетворить дійсне число в ціле:

PYTHON

print("string to float:", float("3.4"))
print("float to int:", int(3.4))

ВИВІД

string to float: 3.4
float to int: 3

Якщо перетворення не має сенсу, то генерується повідомлення про помилку.

PYTHON

print("string to float:", float("Hello world!"))

ПОМИЛКА

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-5-df3b790bf0a2> in <module>
----> 1 print("string to float:", float("Hello world!"))

ValueError: could not convert string to float: 'Hello world!'

Беручи це до уваги, чого чекати від наступної програми?

Що вона робить насправді?

Як це пояснити?

PYTHON

print("fractional string to int:", int("3.4"))

Рішення

Що ви очікуєте від цієї програми? Чому б не очікувати, що у Python 3 команда int перетворить рядок “3.4” на 3.4 та виконає додаткове перетворення у ціле число 3. Зрештою, Python 3 вміє робити багато іншої “магії” - хіба це не частина його привабливості?

PYTHON

int("3.4")

ВИВІД

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-2-ec6729dfccdc> in <module>
----> 1 int("3.4")
ValueError: invalid literal for int() with base 10: '3.4'

Однак Python 3 видає помилку. Чому? Можливо, щоб бути послідовним. Якщо вам потрібно, щоб Python виконав два послідовних перетворення типів, ви повинні чітко вказати кожне перетворення у своєму коді.

PYTHON

int(float("3.4"))

ВИВІД

Вправа

Арифметичні дії з різними типами

Яка з наступних команд поверне дійсне число 2.0? Примітка: це питання може мати декілька коректних відповідей.

PYTHON

first = 1.0
second = "1"
third = "1.1"

first + float(second)
float(second) + float(third)
first + int(third)
first + int(float(third))
int(first) + int(float(third))
2.0 * second

Рішення

Правильні відповіді: 1 та 4

Вправа

Комплексні числа

Python підтримує комплексні числа, які записуються як 1.0 + 2.0j. Якщо val є комплексним числом, то до його дійсної та уявної частин можна отримати доступ за допомогою так званої крапкової нотації через val.real та val.imag.

PYTHON

a_complex_number = 6 + 2j
print(a_complex_number.real)
print(a_complex_number.imag)

ВИВІД

6.0
2.0

Чому, на вашу думку, Python використовує j замість i для уявної частини?
Який результат слід очікувати від виразу 1 + 2j + 3?
Що ви очікуєте від 4j? А що від 4 j або 4 + j?

Рішення

Стандартні математичні позначення зазвичай використовують i для позначення комплексного числа. Однак різні джерела свідчать про те, що це було раннє позначення, яке використовувалось в електротехніці, та зараз було б дуже складно з технічної точки зору його змінити. Stack Overflow містить додаткові пояснення та обговорення.
(4+2j)
4j або Syntax Error: invalid syntax. В останньому випадку j вважається змінною і значення виразу залежить від того, чи є j визначеним.

Ключові моменти

Кожне значення має тип.
Вбудована функція type повертає тип значення.
Типи контролюють, які операції можна виконувати над значеннями.
Рядки можна додавати і помножувати.
Рядки мають довжину (але числа її не мають).
Необхідно перетворювати числа в рядки або навпаки під час виконання певних операцій.
Цілі та дійсні числа можна використовувати разом.
Змінні можуть набути своє значення тільки через присвоювання.

Content from Вбудовані функції та довідка

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 25 хвилин

Огляд

Питання

Як я можу використовувати вбудовані функції?
Як я можу дізнатися, для чого вони призначені?
Які помилки можуть виникнути в програмах?

Цілі

Пояснення призначення функцій.
Коректний виклик вбудованих функцій Python.
Правильне використання вкладених вбудованих функцій.
Використання довідки для відображення документації про вбудовані функції.
Правильний опис ситуацій, в яких виникають помилки SyntaxError і NameError.

Використовуйте коментарі при створенні документації програм.

PYTHON

# Цей рядок Python не виконує. 
adjustment = 0.5 # Усе після '#' ігнорується.

Функції можуть приймати нуль або більше аргументів.

Ми вже знайомі з деякими функціями — тепер розглянемо їх докладніше.
Аргумент - це значення, яке передається у функцію.
len потребує тільки один аргумент.
int, str та float створюють нові значення з наявних.
print може приймати нуль або більше аргументів.
print без аргументів повертає порожній рядок.
- Потрібно завжди використовувати дужки, навіть якщо вони порожні, щоб Python знав, що викликається функція.

PYTHON

print('before')
print()
print('after')

ВИВІД

before

after

Кожна функція щось повертає.

Кожен виклик функції дає певний результат.
Якщо функція не має корисного результату для повернення, то вона зазвичай повертає спеціальне значення None. None - це об’єкт Python, який застосовується у будь-якому випадку, коли немає значення.

PYTHON

result = print('example')
print('result of print is', result)

ВИВІД

example
result of print is None

Поширені вбудовані функції `max`, `min` та `round`.

Використовуйте max, щоб знайти найбільше з одного або декількох значень.
Використовуйте min, щоб знайти найменше значення.
Обидві функції працюють як з рядками символів, так і з числами.
- Літери порівнюються у лексикографічному порядку, при цьому цифри “менші” ніж великі літери, а великі літери “менші” ніж малі.

PYTHON

print(max(1, 2, 3))
print(min('a', 'A', '0'))

ВИВІД

3
0

Функції працюють лише з певними аргументами (або комбінаціями аргументів).

max та min мають приймати принаймні один аргумент.
- “Найбільше значення з порожньої множини” - запит, який не має сенсу.
Крім того, аргументи цих функцій мають бути порівнюваними.

PYTHON

print(max(1, 'a'))

ПОМИЛКА

TypeError                                 Traceback (most recent call last)
<ipython-input-52-3f049acf3762> in <module>
----> 1 print(max(1, 'a'))

TypeError: '>' not supported between instances of 'str' and 'int'

Функції можуть мати значення за замовчуванням для певних аргументів.

round округлює дійсне число.
За замовчуванням округлення відбувається до нуля знаків після точки.

PYTHON

round(3.712)

ВИВІД

Ми можемо вказати потрібну кількість десяткових знаків після крапки.

PYTHON

round(3.712, 1)

ВИВІД

3.7

Функції, приєднані до об’єктів, називаються методами

Функції можуть набувати іншої форми, яка буде типовою для епізодів, пов’язаних з бібліотекою pandas.
Методи мають такі дужки як функції, але з’являються в описі оператора після імені змінної.
Деякі методи використовуються для внутрішніх операцій Python і відзначаються подвійними підкресленнями.

PYTHON

my_string = 'Hello world!'  # створення об'єкта - рядка 

print(len(my_string))       # функція len приймає рядок як аргумент і повертає довжину рядка

print(my_string.swapcase()) # виклик методу swapcase для об’єкта my_string

print(my_string.__len__())  # виклик внутрішнього методу __len__ для об’єкта my_string, який використовується функцією len(my_string)

ВИВІД

12
hELLO WORLD!
12

Ви навіть можете побачити, як вони зв’язані. Вони працюють зліва направо.

PYTHON

print(my_string.isupper())          # Функція перевіряє, чи всі літери заглавні
print(my_string.upper())            # Функція перетворює всі літери на заглавні
print(my_string.upper().isupper())  # Тепер всі літери заглавні

ВИВІД

False
HELLO WORLD
True

Використовуйте вбудовану функцію `help`, щоб отримати довідку щодо функції.

Кожна вбудована функція має онлайн-документацію.

PYTHON

help(round)

ВИВІД

Файл допомоги щодо вбудованої функції round зі стандартної бібліотеки Python:

round(number, ndigits=None)
    Round a number to a given precision in decimal digits.

    The return value is an integer if ndigits is omitted or None.  Otherwise
    the return value has the same type as the number.  ndigits may be negative.

Два шляхи отримання допомоги у Jupyter Notebook.

Варіант 1: Помістіть курсор біля того місця, де функція викликається в комірці (тобто біля назви функції або її параметрів),
- Утримуйте Shiftта натисніть Tab.
- Зробіть це кілька разів для розширення інформації, що повертається.
Варіант 2: Введіть ім’я функції в комірці зі знаком питання після нього. Потім запустіть комірку.

Python повідомляє про синтаксичну помилку, коли він не може зрозуміти вихідний код програми.

Він навіть не намагатиметься запустити програму, якщо її неможливо коректно прочитати.

PYTHON

# Рядок не взято в лапки.
name = 'Feng

ПОМИЛКА

  File "<ipython-input-56-f42768451d55>", line 2
    name = 'Feng
                ^
SyntaxError: EOL while scanning string literal

PYTHON

# Додатковий знак '=' у присвоєнні. 
age = = 52

ПОМИЛКА

  File "<ipython-input-57-ccc3df3cf902>", line 2
    age = = 52
          ^
SyntaxError: invalid syntax

Подивіться уважніше на повідомлення про помилку:

PYTHON

print("hello world"

ПОМИЛКА

  File "<ipython-input-6-d1cc229bf815>", line 1
    print ("hello world"
                        ^
SyntaxError: unexpected EOF while parsing

Повідомлення вказує на проблему в першому рядку введеної програми (“line 1”).
- У цьому випадку “ipython-input” у назві файлу повідомляє нам, що ми працюємо з IPython, тобто з інтерпретатором Python, який застосовується в Jupyter Notebook.
Фрагмент -6- в назві файлу вказує на те, що помилка сталася в комірці 6.
Далі йде проблемний рядок коду, на що вказує символ ^.

Python повідомляє про помилку виконання, коли щось йде не так під час виконання програми.

PYTHON

age = 53 
remaining = 100 - aege # неправильно написано 'age'

ПОМИЛКА

NameError                                 Traceback (most recent call last)
<ipython-input-59-1214fb6c55fc> in <module>
      1 age = 53
----> 2 remaining = 100 - aege # mis-spelled 'age'

NameError: name 'aege' is not defined

Аналіз вихідного кода дозволяє виправити синтаксичні помилки, а на етапі компілювання можна виправити помилки виконання.

Вправа

Порядок виконання операцій

Поясніть простими словами порядок виконання операцій у наступній програмі: коли відбувається додавання, коли відбувається віднімання, коли викликається кожна функція тощо.
Яке остаточне значення змінної radiance?

PYTHON

radiance = 1.0
radiance = max(2.1, 2.0 + min(radiance, 1.1 * radiance - 0.5))

Рішення

Порядок виконання операцій:
1.1 * radiance = 1.1
1.1 - 0.5 = 0.6
min(radiance, 0.6) = 0.6
2.0 + 0.6 = 2.6
max(2.1, 2.6) = 2.6
На кінець, radiance = 2.6

Вправа

Знайдіть відмінності

Подумайте, що виведе кожен з операторів print у наведеній нижче програмі.
Функція max(len(rich), poor) поверне відповідь або повідомлення про помилку? Якщо поверне відповідь, чи буде вона мати сенс?

PYTHON

easy_string = "abc"
print(max(easy_string))
rich = "gold"
poor = "tin"
print(max(rich, poor))
print(max(len(rich), len(poor)))

Рішення

PYTHON

print(max(easy_string))

ВИВІД

PYTHON

print(max(rich, poor))

ВИВІД

tin

PYTHON

print(max(len(rich), len(poor)))

ВИВІД

max(len(rich), poor) повертає TypeError. Помилка виникає при виконанні max(4, 'tin') тому що, як ми обговорювали раніше, порівнювати рядок і ціле число не можна.

ПОМИЛКА

TypeError                                 Traceback (most recent call last)
<ipython-input-65-bc82ad05177a> in <module>
----> 1 max(len(rich), poor)

TypeError: '>' not supported between instances of 'str' and 'int'

Вправа

Чому ні?

Чому саме max і min не повертають None, коли вони викликаються без аргументів?

Рішення

max and min повертають TypeErrors у цьому випадку, тому що не було вказано правильну кількість параметрів. Якби компілятор просто повернув None, помилку було б набагато важче відстежити, тому що це значення було б збережено в змінній і використано пізніше в програмі.

Вправа

Останній символ рядка

Якщо Python починає рахувати з нуля, та len повертає кількість символів у рядку, то який індекс отримає останній символ у рядку name? (Примітка: ми побачимо простіший спосіб зробити це в подальшому епізоді)

Рішення

name[len(name) - 1]

Примітка

Вивчайте документацію Python!

Офіційна документація Python вочевидь є найповнішим джерелом інформації про мову. Вона доступна різними мовами та містить багато корисних ресурсів. Сторінка вбудованих функцій містить каталог усіх таких функцій, включаючи ті, про які ми вже говорили на цьому уроці. Деякі з них більш досконалі та на цей час зайві, але інші - дуже прості та корисні.

Ключові моменти

Використовуйте коментарі при створенні документації програм.
Функції можуть сприймати нуль або більше аргументів.
Поширені вбудовані функції max, min та round.
Функції можуть працювати лише з певними аргументами (комбінаціями аргументів).
Функції можуть мати значення за замовчуванням для певних аргументів.
Використовуйте вбудовану функцію help, щоб отримати довідку щодо функції.
Є два шляхи отримання допомоги у Jupyter Notebook.
Кожна функція щось повертає.
Python повідомляє про синтаксичну помилку, коли він не може зрозуміти вихідний код програми.
Python повідомляє про помилку виконання (runtime error), коли щось йде не так під час виконання програми.
Якщо перечитаєте вихідний код, можна виправити синтаксичні помилки, а якщо відстежите дії інтерпретатора - помилки виконання.

Content from Ранкова кава

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 0 хвилин

Вправа для рефлексії

За кавою подумайте і обговоріть наступне:

Якими є різні типи помилок в Python?
Чи завжди код давав очікувані результати? Якщо ні, то чому?
Чи можна щось зробити, щоб запобігти помилкам під час написання коду?

Content from Бібліотеки

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 20 хвилин

Огляд

Питання

Як використовувати програмне забезпечення, написане іншими людьми?
Як дізнатися, які саме функції виконує це програмне забезпечення?

Цілі

Переваги створення та використання бібліотек програмного забезпечення.
Імпорт та використання стандартних бібліотек Python у власних програмах.
Пошук документації про стандартні бібліотеки в інтерактивному режимі (в інтерпретаторі) або онлайн.

Більша частина потужності мови програмування полягає в її бібліотеках.

Бібліотека - це колекція файлів (так званих модулів), що містить функції для використання іншими програмами.
- Може також визначати значення даних (наприклад, числові константи) та інші речі.
- Передбачається, що зміст бібліотеки певним чином взаємопов’язаний, але немає засобів це проконтролювати.
Стандартна бібліотека Python — це великий набір модулів, що входить до складу базової інсталяції Python.
Багато додаткових бібліотек доступні в PyPI (Python Package Index - репозиторій програм для Python).
Пізніше ми побачимо, як писати нові бібліотеки.

Примітка

Бібліотеки та модулі

Бібліотека — це набір модулів, але ці терміни часто вважаються взаємозамінними, особливо тому, що багато бібліотек складаються лише з одного модуля, тому не хвилюйтеся, якщо ви їх плутаєте.

Щоб використати бібліотечний модуль, його спочатку потрібно імпортувати.

Для завантаження бібліотечного модуля в пам’ять програми використовуйте import.
Потім посилайтеся на функції модуля за допомогою module_name.function_name.
- У Python синтаксис a.b означає що a містить b, або іншими словами, b є частиною a, або b належить до a.
Використовуючи math, один із модулів стандартної бібліотеки, маємо:

PYTHON

import math

print('pi is', math.pi)
print('cos(pi) is', math.cos(math.pi))

ВИВІД

pi is 3.141592653589793
cos(pi) is -1.0

На кожен елемент модуля потрібно посилатися разом з його назвою.
- math.cos(pi) не спрацює: посилання на pi жодним чином не “успадковує” посилання на math при виклику функції cos().

Використовуйте `help`, щоб дізнатися про вміст бібліотечного модуля.

Працює так само, як довідка для функції.

PYTHON

help(math)

ВИВІД

Help on module math:

NAME
    math

MODULE REFERENCE
    http://docs.python.org/3/library/math

    The following documentation is automatically generated from the Python
    source files.  It may be incomplete, incorrect or include features that
    are considered implementation detail and may vary between Python
    implementations.  When in doubt, consult the module reference at the
    location listed above.

DESCRIPTION
    This module is always available.  It provides access to the
    mathematical functions defined by the C standard.

FUNCTIONS
    acos(x, /)
        Return the arc cosine (measured in radians) of x.
⋮ ⋮ ⋮

Щоб скоротити програми, імпортуйте лише певні елементи з бібліотечного модуля.

Використовуйте from ... import ..., щоб завантажити лише певні елементи з бібліотечного модуля.
Потім звертайтеся до них безпосередньо без назви бібліотеки як префікса.

PYTHON

from math import cos, pi

print('cos(pi) is', cos(pi))

ВИВІД

cos(pi) is -1.0

Створіть псевдонім для бібліотечного модуля під час його імпорту для скорочення програм.

Використовуйте import ... ... as ..., щоб надати бібліотеці короткий псевдонім під час її імпорту.
Потім звертайтеся до елементів у бібліотеці, використовуючи цю скорочену назву.

PYTHON

import math as m

print('cos(pi) is', m.cos(m.pi))

ВИВІД

cos(pi) is -1.0

Зазвичай цей метод використовується для бібліотек, які дуже поширені або мають довгі імена.
- Наприклад, бібліотека для побудови графіків matplotlib часто має псевдонім mpl.
Але цей спосіб ускладнює програми, оскільки читачі мають вивчити псевдоніми вашої програми.

Вправа

Знайомство з модулем math

За допомогою якої функції з модуля math можна обчислити квадратний корінь без використання sqrt?
Оскільки бібліотека містить цю функцію, чому існує sqrt?

Відповідь

Використовуючи help(math) ми бачимо, що у нас є pow(x,y) на додаток до sqrt(x), отже ми можемо застосувати pow(x, 0.5) для визначення квадратного кореня.
Функція sqrt(x), ймовірно, легша для читання в вихідному коді, ніж pow(x, 0.5). Читабельність є основою хорошого стилю програмування, отже має сенс надати спеціальну функцію для цього конкретного поширеного випадку.

Крім того, дизайн бібліотеки math у Python бере свій початок у стандарті мови C, яка включає як sqrt(x), так і pow(x,y), тож трохи історії програмування відображається в назвах функцій Python.

Вправа

Пошук правильного модуля

Припустимо, ви хочете вибрати випадковий символ з рядка:

PYTHON

bases = 'ACTTGCTTGAC'

Який модуль зі стандартної бібліотеки може допомогти?
Яку функцію ви б вибрали з цього модуля? Чи є альтернативи?
Спробуйте написати програму, яка використовує цю функцію.

Відповідь

Здається, модуль random може допомогти.

Рядок містить 11 символів, кожен з яких має позиційний індекс від 0 до 10. Ви можете використовувати функції random.randrange або random.randint, щоб отримати випадкове число від 0 до 10, а потім вибрати символ з bases в цій позиції:

PYTHON

from random import randrange

random_index = randrange(len(bases))
print(bases[random_index])

або більш компактно:

PYTHON

from random import randrange

print(bases[randrange(len(bases))])

Можливо, ви знайшли ще функцію random.sample? Ця функція дозволяє використовувати трохи менше коду, але може бути трохи складнішою для розуміння при читанні:

PYTHON

from random import sample

print(sample(bases, 1)[0])

Зверніть увагу, що ця функція повертає список (list) значень. Ми дізнаємося про списки у епізоді 11.

Найпростіше і найкоротше рішення - це функція random.choice, яка виконує саме те, чого ми хочемо:

PYTHON

from random import choice

print(choice(bases))

Вправа

Головоломка (задача Парсона). Приклад програмування

Упорядкуйте наступні оператори таким чином, щоб друкувалась випадкова основа ДНК та її індекс в рядку. Не всі оператори можуть бути потрібні. За необхідності додавайте проміжні змінні.

PYTHON

bases="ACTTGCTTGAC"
import math
import random
___ = random.randrange(n_bases)
___ = len(bases)
print("random base ", bases[___], "base index", ___)

Відповідь

PYTHON

import math 
import random
bases = "ACTTGCTTGAC" 
n_bases = len(bases)
idx = random.randrange(n_bases)
print("random base", bases[idx], "base index", idx)

Вправа

Коли доступна допомога?

Ваш колега виконав запит help(math). Python повернув помилку:

ПОМИЛКА

NameError: name 'math' is not defined

Що забув зробити ваш колега?

Відповідь

Імпортувати модуль math (import math)

Вправа

Імпорт із псевдонімами

Заповніть порожні поля так, щоб програма, наведена нижче, вивела 90.0.
Перепишіть програму так, щоб вона використовувала import без as.
Яку форму вам легше читати?

PYTHON

import math as m
angle = ____.degrees(____.pi / 2)
print(____)

Відповідь

PYTHON

import math as m
angle = m.degrees(m.pi / 2)
print(angle)

можна записати як

PYTHON

import math
angle = math.degrees(math.pi / 2)
print(angle)

Оскільки ви щойно написали код і знайомі з ним, вам справді легше читати першу версію. Але при спробі прочитати величезну купу коду, написаного кимось іншим, або коли повертаєтесь до свого власного величезного фрагмента коду через кілька місяців, нескорочені імена часто легші, за винятком випадку, де є чіткі умовні позначення скорочень.

Вправа

Існує багато способів імпорту бібліотек!

Зіставте наступні команди друку з відповідними викликами бібліотеки.

Команди друку:

print("sin(pi/2) =", sin(pi/2))
print("sin(pi/2) =", m.sin(m.pi/2))
print("sin(pi/2) =", math.sin(math.pi/2))

Виклик бібліотеки:

from math import sin, pi
import math
import math as m
from math import *

Відповідь

Виклики бібліотеки 1 та 4. Для прямого посилання на sin та pi без назви бібліотеки як префікса, вам потрібно використовувати оператор from ... import .... Виклик бібліотеки 1 явним чином імпортує дві функції sin та pi, тоді як виклик бібліотеки 4 імпортує всі функції з модуля math.
Виклик бібліотеки 3. Тут sin та pi посилаються на скорочену назву бібліотеки m замість math. Це стає можливим завдяки команді import ... as ... яка створює псевдонім для math в формі короткого імені m.
Виклик бібліотеки 2. Тут sin та pi посилаються на бібліотеку math за її стандартним імʼям, тому буде достатньо звичайного виклику import ... .

Примітка: хоча виклик бібліотеки 4 працює, імпорт всіх імен модуля за допомогою шаблона * не рекомендується, тому що в такому разі невідомо, які імена з модуля використовуються в коді. Загалом, краще робити імпорт якомога точнішим та імпортувати лише те, що використовує ваш код. У виклику бібліотеки 1 оператор import явно повідомляє нам що функція sin імпортується з модуля math, але виклик бібліотеки 4 не передає цю інформацію.

Вправа

Імпорт певних елементів

Заповніть порожні поля так, щоб програма, наведена нижче, вивела 90.0.
Чи вважаєте ви цю версію легшою для читання, ніж попередні?
Чому програмісти не завжди використовують цю форму import?

PYTHON

____ math import ____, ____
angle = degrees(pi / 2)
print(angle)

Відповідь

PYTHON

from math import degrees, pi
angle = degrees(pi / 2)
print(angle)

Скоріше за все, цю версію легше читати, оскільки вона менш насичена. Основною причиною не використовувати цю форму імпорту є уникнення збігу імен. Наприклад, ви б не імпортували degrees таким чином, якби також хотіли використовувати назву degrees для власної змінної або функції. Або якщо вам необхідно також імпортувати функцію з назвою degrees з іншої бібліотеки.

Вправа

Читання повідомлень про помилки

Прочитайте наведений нижче код і спробуйте визначити без його запуску, у чому полягають помилки.
Запустіть код і прочитайте повідомлення про помилку. Який це тип помилки?

PYTHON

from math import log
log(0)

Відповідь

ВИВІД

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-1-d72e1d780bab> in <module>
      1 from math import log
----> 2 log(0)

ValueError: math domain error

Логарифм x визначено лише для x > 0, тому 0 знаходиться за межами області визначення функції.
Ви отримуєте повідомлення про помилку типу ValueError, яке вказує на те, що функція отримала неприпустиме значення аргументу. Додаткове повідомлення “math domain error” пояснює, в чому полягає проблема.

Ключові моменти

Більша частина потужності мови програмування полягає в її бібліотеках.
Щоб використати бібліотечний модуль, його спочатку потрібно імпортувати.
Використовуйте help, щоб дізнатися про вміст бібліотечного модуля.
Імпортуйте певні елементи з бібліотечного модуля, щоб скоротити програми.
Створюйте псевдонім для бібліотечного модуля під час його імпорту для скорочення програм.

Content from Зчитування табличних даних у датафрейми

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 20 хвилин

Огляд

Питання

Як я можу завантажити табличні дані у датафрейми Pandas?

Цілі

Імпорт бібліотеки Pandas.
Використання Pandas для завантаження набору даних у CSV форматі.
Базова інформація про датафрейми бібліотеки Pandas.

Використовуйте бібліотеку Pandas для статистичного аналізу табличних даних.

Pandas - це бібліотека Python, яка широко використовується для статистичного аналізу, зокрема при роботі з табличними даними.
Ця бібліотека запозичує багато функцій з датафреймів мови R.
- Датафрейм — це двовимірна таблиця з іменованими стовпцями, які потенційно містять різні типи даних.
Завантажте цю бібліотеку за допомогою import pandas as pd. Псевдонім pd зазвичай використовується для посилання на бібліотеку Pandas у коді.
Файл даних зі значеннями, розділеними комами (Comma Separate Values - CSV), читається за допомогою pd.read_csv.
- Аргумент — це ім’я файлу, який потрібно прочитати.
- Ця команда повертає датафрейм, який ви можете присвоїти змінній

PYTHON

import pandas as pd

data_oceania = pd.read_csv('data/gapminder_gdp_oceania.csv')
print(data_oceania)

ВИВІД

       country  gdpPercap_1952  gdpPercap_1957  gdpPercap_1962  \
0    Australia     10039.59564     10949.64959     12217.22686
1  New Zealand     10556.57566     12247.39532     13175.67800

   gdpPercap_1967  gdpPercap_1972  gdpPercap_1977  gdpPercap_1982  \
0     14526.12465     16788.62948     18334.19751     19477.00928
1     14463.91893     16046.03728     16233.71770     17632.41040

   gdpPercap_1987  gdpPercap_1992  gdpPercap_1997  gdpPercap_2002  \
0     21888.88903     23424.76683     26997.93657     30687.75473
1     19007.19129     18363.32494     21050.41377     23189.80135

   gdpPercap_2007
0     34435.36744
1     25185.00911

Стовпці у датафреймі – це спостережувані змінні, а рядки – це спостереження.
Pandas використовує зворотну скісну риску \ для позначення перенесених рядків, коли вивід занадто широкий для розміщення на екрані.
Використання змістовних імен для датафреймів допомагає нам розрізняти кілька датафреймів, запобігаючи випадковому перезапису або помилковому читанню.

Примітка

Файл не знайдено

Наші уроки зберігають свої файли даних у підкаталозі data, тому шлях до файлу є таким: data/gapminder_gdp_oceania.csv. Якщо ви забули додатиdata/, або якщо ваша копія файлу знаходиться в іншому місці, ви отримаєте runtime error, який закінчується таким рядком:

ПОМИЛКА

FileNotFoundError: [Errno 2] No such file or directory: 'data/gapminder_gdp_oceania.csv'

Використовуйте `index_col`, щоб вказати стовпець, значення якого мають використовуватися як заголовки рядків.

Заголовки рядків є числами (0 і 1 у цьому випадку).
Але насправді краще індексувати за назвами країн.
Для цього передайте назву стовпця в read_csv як параметр index_col.
Назва датафрейму data_oceania_country говорить нам про те, з якою географічною зоною пов’язані дані (oceania) та про те, як вони індексуються (country).

PYTHON

data_oceania_country = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')
print(data_oceania_country)

ВИВІД

             gdpPercap_1952  gdpPercap_1957  gdpPercap_1962  gdpPercap_1967  \
country
Australia       10039.59564     10949.64959     12217.22686     14526.12465
New Zealand     10556.57566     12247.39532     13175.67800     14463.91893

             gdpPercap_1972  gdpPercap_1977  gdpPercap_1982  gdpPercap_1987  \
country
Australia       16788.62948     18334.19751     19477.00928     21888.88903
New Zealand     16046.03728     16233.71770     17632.41040     19007.19129

             gdpPercap_1992  gdpPercap_1997  gdpPercap_2002  gdpPercap_2007
country
Australia       23424.76683     26997.93657     30687.75473     34435.36744
New Zealand     18363.32494     21050.41377     23189.80135     25185.00911

Використовуйте `DataFrame.info()`, щоб дізнатися більше про датафрейми.

PYTHON

data_oceania_country.info()

ВИВІД

<class 'pandas.core.frame.DataFrame'>
Index: 2 entries, Australia to New Zealand
Data columns (total 12 columns):
gdpPercap_1952    2 non-null float64
gdpPercap_1957    2 non-null float64
gdpPercap_1962    2 non-null float64
gdpPercap_1967    2 non-null float64
gdpPercap_1972    2 non-null float64
gdpPercap_1977    2 non-null float64
gdpPercap_1982    2 non-null float64
gdpPercap_1987    2 non-null float64
gdpPercap_1992    2 non-null float64
gdpPercap_1997    2 non-null float64
gdpPercap_2002    2 non-null float64
gdpPercap_2007    2 non-null float64
dtypes: float64(12)
memory usage: 208.0+ bytes

Це DataFrame
Містить два рядки з назвами 'Australia' та 'New Zealand'
А також дванадцять стовпців, кожен з яких містить два 64-бітних значення з плаваючою комою.
- Пізніше ми поговоримо про null значення, які використовуються для представлення відсутніх спостережень.
Використовує 208 байтів пам’яті.

Змінна `DataFrame.columns` зберігає інформацію про стовпці датафрейму.

Зверніть увагу, що це дані, а не метод. (Відсутні дужки)
- Подібно до math.pi.
- Тому не використовуйте (), тому що це - не функція.
Ця змінна називається атрибутом.

PYTHON

print(data_oceania_country.columns)

ВИВІД

Index(['gdpPercap_1952', 'gdpPercap_1957', 'gdpPercap_1962', 'gdpPercap_1967',
       'gdpPercap_1972', 'gdpPercap_1977', 'gdpPercap_1982', 'gdpPercap_1987',
       'gdpPercap_1992', 'gdpPercap_1997', 'gdpPercap_2002', 'gdpPercap_2007'],
      dtype='object')

Використовуйте `DataFrame.T`, щоб транспонувати датафрейм.

Іноді потрібно розглядати стовпці як рядки та навпаки.
Транспонування (written .T) не копіює дані, а лише змінює їх подання.
Подібно до columns, це атрибут датафрейму.

PYTHON

print(data_oceania_country.T)

ВИВІД

country           Australia  New Zealand
gdpPercap_1952  10039.59564  10556.57566
gdpPercap_1957  10949.64959  12247.39532
gdpPercap_1962  12217.22686  13175.67800
gdpPercap_1967  14526.12465  14463.91893
gdpPercap_1972  16788.62948  16046.03728
gdpPercap_1977  18334.19751  16233.71770
gdpPercap_1982  19477.00928  17632.41040
gdpPercap_1987  21888.88903  19007.19129
gdpPercap_1992  23424.76683  18363.32494
gdpPercap_1997  26997.93657  21050.41377
gdpPercap_2002  30687.75473  23189.80135
gdpPercap_2007  34435.36744  25185.00911

Використовуйте `DataFrame.describe`, щоб отримати зведену статистику даних.

DataFrame.describe() отримує зведену статистику лише для стовпців, які містять числові дані. Якщо ви не використовуєте аргумент include='all', усі інші стовпці ігноруються.

PYTHON

print(data_oceania_country.describe())

ВИВІД

       gdpPercap_1952  gdpPercap_1957  gdpPercap_1962  gdpPercap_1967  \
count        2.000000        2.000000        2.000000        2.000000
mean     10298.085650    11598.522455    12696.452430    14495.021790
std        365.560078      917.644806      677.727301       43.986086
min      10039.595640    10949.649590    12217.226860    14463.918930
25%      10168.840645    11274.086022    12456.839645    14479.470360
50%      10298.085650    11598.522455    12696.452430    14495.021790
75%      10427.330655    11922.958888    12936.065215    14510.573220
max      10556.575660    12247.395320    13175.678000    14526.124650

       gdpPercap_1972  gdpPercap_1977  gdpPercap_1982  gdpPercap_1987  \
count         2.00000        2.000000        2.000000        2.000000
mean      16417.33338    17283.957605    18554.709840    20448.040160
std         525.09198     1485.263517     1304.328377     2037.668013
min       16046.03728    16233.717700    17632.410400    19007.191290
25%       16231.68533    16758.837652    18093.560120    19727.615725
50%       16417.33338    17283.957605    18554.709840    20448.040160
75%       16602.98143    17809.077557    19015.859560    21168.464595
max       16788.62948    18334.197510    19477.009280    21888.889030

       gdpPercap_1992  gdpPercap_1997  gdpPercap_2002  gdpPercap_2007
count        2.000000        2.000000        2.000000        2.000000
mean     20894.045885    24024.175170    26938.778040    29810.188275
std       3578.979883     4205.533703     5301.853680     6540.991104
min      18363.324940    21050.413770    23189.801350    25185.009110
25%      19628.685413    22537.294470    25064.289695    27497.598692
50%      20894.045885    24024.175170    26938.778040    29810.188275
75%      22159.406358    25511.055870    28813.266385    32122.777857
max      23424.766830    26997.936570    30687.754730    34435.367440

Це не додає багато нової інформації у випадку лише двох записів, але дуже корисно, коли їх тисячі.

Вправа

Ще одна вправа на читання даних

Зчитайте дані з файлу gapminder_gdp_americas.csv (який має бути в тому ж каталозі, що й gapminder_gdp_oceania.csv) у змінну data_americas і відобразіть її зведену статистику.

Відповідь

Щоб зчитати CSV-файл, ми використовуємо функцію pd.read_csv і передаємо їй ім’я файлу 'data/gapminder_gdp_americas.csv' як аргумент. Також ми передаємо назву стовпця 'country' у параметрі index_col, щоб індексувати за країною. Зведену статистику можна показати за допомогою методу DataFrame.describe().

PYTHON

data_americas = pd.read_csv('data/gapminder_gdp_americas.csv', index_col='country')
data_americas.describe()

Вправа

Перевірка даних

Після введення датафрейму data_americas попрацюйте з довідкою help(data_americas.head) та help(data_americas.tail), щоб дізнатися про призначення команд DataFrame.head та DataFrame.tail.

Виклик якого методу виведе перші три рядки цього датафрейму?
Виклик якого методу виведе останні три стовпці цього датафрейму? (Підказка: вам може знадобитися змінити спосіб перегляду даних).

Відповідь

Ми можемо побачити перші п’ять рядків датафрейму data_americas за допомогою data_americas.head(), що дозволяє нам швидко переглянути його структуру. Ми можемо вказати кількість рядків, які ми хочемо бачити, визначивши параметр n у нашому виклику americas.head(). Для перегляду перших трьох рядків виконайте:

PYTHON

data_americas.head(n=3)

ВИВІД

          continent  gdpPercap_1952  gdpPercap_1957  gdpPercap_1962  \
country
Argentina  Americas     5911.315053     6856.856212     7133.166023
Bolivia    Americas     2677.326347     2127.686326     2180.972546
Brazil     Americas     2108.944355     2487.365989     3336.585802

          gdpPercap_1967  gdpPercap_1972  gdpPercap_1977  gdpPercap_1982  \
country
Argentina     8052.953021     9443.038526    10079.026740     8997.897412
Bolivia       2586.886053     2980.331339     3548.097832     3156.510452
Brazil        3429.864357     4985.711467     6660.118654     7030.835878

           gdpPercap_1987  gdpPercap_1992  gdpPercap_1997  gdpPercap_2002  \
country
Argentina     9139.671389     9308.418710    10967.281950     8797.640716
Bolivia       2753.691490     2961.699694     3326.143191     3413.262690
Brazil        7807.095818     6950.283021     7957.980824     8131.212843

           gdpPercap_2007
country
Argentina    12779.379640
Bolivia       3822.137084
Brazil        9065.800825

Щоб перевірити останні три рядки data_americas, ми можемо використати команду data_americas.tail(n=3), яка аналогічна методу head(), що застосовувався вище. Однак тут ми хочемо переглянути останні три стовпці, тому нам потрібно змінити подання інформації, а потім використати метод tail(). Для цього ми маємо транспонувати цей датафрейм:

PYTHON

americas_flipped = data_americas.T

Тепер ми можемо переглянути останні три стовпці data_americas за допомогою перегляду останніх трьох рядків americas_flipped:

PYTHON

americas_flipped.tail(n=3)

ВИВІД

country        Argentina  Bolivia   Brazil   Canada    Chile Colombia  \
gdpPercap_1997   10967.3  3326.14  7957.98  28954.9  10118.1  6117.36
gdpPercap_2002   8797.64  3413.26  8131.21    33329  10778.8  5755.26
gdpPercap_2007   12779.4  3822.14   9065.8  36319.2  13171.6  7006.58

country        Costa Rica     Cuba Dominican Republic  Ecuador    ...     \
gdpPercap_1997    6677.05  5431.99             3614.1  7429.46    ...
gdpPercap_2002    7723.45  6340.65            4563.81  5773.04    ...
gdpPercap_2007    9645.06   8948.1            6025.37  6873.26    ...

country          Mexico Nicaragua   Panama Paraguay     Peru Puerto Rico  \
gdpPercap_1997   9767.3   2253.02  7113.69   4247.4  5838.35     16999.4
gdpPercap_2002  10742.4   2474.55  7356.03  3783.67  5909.02     18855.6
gdpPercap_2007  11977.6   2749.32  9809.19  4172.84  7408.91     19328.7

country        Trinidad and Tobago United States  Uruguay Venezuela
gdpPercap_1997             8792.57       35767.4  9230.24   10165.5
gdpPercap_2002             11460.6       39097.1     7727   8605.05
gdpPercap_2007             18008.5       42951.7  10611.5   11415.8

Це показує потрібні нам дані, але якщо ми віддаємо перевагу перегляду трьох стовпців замість трьох рядків, ми можемо додатково транспонувати останній результат:

PYTHON

americas_flipped.tail(n=3).T

Примітка: того самого результату можна було досягти за допомогою однієї команди, об’єднавши команди в ‘ланцюжок’:

PYTHON

data_americas.T.tail(n=3).T

Вправа

Читання файлів в інших каталогах

Дані вашого поточного проєкту зберігаються у файлі під назвою microbes.csv, який знаходиться в каталозі field_data. Ви виконуєте аналіз у блокноті під назвою analysis.ipynb, який розміщено у сусідньому каталозі thesis:

ВИВІД

your_home_directory
+-- field_data/
|   +-- microbes.csv
+-- thesis/
    +-- analysis.ipynb

Які значення вам потрібно передати у функцію read_csv, щоб прочитати microbes.csv з блокнота analysis.ipynb?

Відповідь

Нам треба вказати шлях до потрібного файлу як аргумент функції pd.read_csv. По-перше, потрібно ‘вийти’ з каталогу thesis за допомогою ‘../’, а потім ‘зайти’ у каталог field_data за допомогою ‘field_data/’. Після цього вказати назву файлу microbes.csv. Кінцевий результат наступний:

PYTHON

data_microbes = pd.read_csv('../field_data/microbes.csv')

Вправа

Запис даних

Окрім функції read_csv для зчитування даних з файлу, Pandas надає функцію to_csv для запису датафреймів у файли. Використовуючи знання про читання з файлів, запишіть один з ваших датафреймів у файл під назвою processed.csv. Ви можете скористатися help, щоб отримати інформацію про застосування to_csv.

Відповідь

Щоб записати датафрейм americas у файл processed.csv, виконайте таку команду:

PYTHON

americas.to_csv('processed.csv')

Щоб отримати довідку щодо read_csv або to_csv, ви можете виконати, наприклад:

PYTHON

help(data_americas.to_csv)
help(pd.read_csv)

Зауважте, що команди help(to_csv) або help(pd.to_csv) є помилковими! Це пов’язано з тим, що to_csv є не глобальною функцією Pandas, а методом, визначеним для датафреймів. Це означає, що ви можете викликати його лише для будь-якого датафрейма, наприклад, data_americas.to_csv або data_oceania.to_csv

Ключові моменти

Використовуйте бібліотеку Pandas для обчислення базової статистики з табличних даних.
Використовуйте index_col, щоб призначити значення стовпця як заголовки рядків.
Використовуйте DataFrame.info, щоб дізнатися більше про структуру датафрейму.
Змінна DataFrame.columns зберігає інформацію про стовпці датафрейму.
Використовуйте DataFrame.T, щоб транспонувати датафрейм.
Використовуйте DataFrame.describe, щоб отримати зведену статистику даних.

Content from Датафрейми Pandas

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 30 хвилин

Огляд

Питання

Як я можу виконати статистичний аналіз табличних даних?

Цілі

Вибір окремих значень з датафрейму Pandas.
Виділення цілих рядків або цілих стовпців з датафрейму.
Вибір підмножини рядків і стовпців з датафрейму за одну операцію.
Вибір підмножини з датафрейму за єдиним булевим критерієм.

Датафрейми та серії у Pandas

Датафрейм (DataFrame) містить декілька серій (Series); Датафрейм — це спосіб представлення таблиці в Pandas, а серія — це структура даних, яку Pandas використовує для представлення окремого стовпця.

Pandas побудована на основі бібліотеки Numpy, що означає, що більшість методів для масивів Numpy також застосовується до датафреймів та серій у Pandas.

Що робить Pandas таким привабливим? Це потужний інтерфейс для доступу до окремих записів таблиці, належної обробки відсутніх значень та підтримки операцій з датафреймами, подібних до тих, що застосовуються в реляційних базах даних.

Вибір значень

Існує два способи доступу до значення в позиції [i,j] у датафреймі, залежно від того, як інтерпретується i. Пам’ятайте, що датафрейм використовує індекс для ідентифікації рядків таблиці; отже, кожен рядок має позицію в таблиці, а також заголовок рядка (мітку), яка однозначно визначає цей рядок у датафреймі.

Використовуйте `DataFrame.iloc[..., ...]` для вибору значень за їх позицією

Можна вказати позицію значення за допомогою числового індексу аналогічно 2D-версії вибору символів у рядках.

PYTHON

import pandas as pd
data = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')
print(data.iloc[0, 0])

ВИВІД

1601.056136

Використовуйте `DataFrame.loc[..., ...]` для доступу до значень за їхніми мітками.

Можна вказати розташування, використовуючи заголовок рядку та/або стовпця.

PYTHON

print(data.loc["Albania", "gdpPercap_1952"])

ВИВІД

1601.056136

Використовуйте лише `:` замість мітки для позначення всіх стовпців або всіх рядків.

Це відповідає звичайному синтаксису зрізів у Python.

PYTHON

print(data.loc["Albania", :])

ВИВІД

gdpPercap_1952    1601.056136
gdpPercap_1957    1942.284244
gdpPercap_1962    2312.888958
gdpPercap_1967    2760.196931
gdpPercap_1972    3313.422188
gdpPercap_1977    3533.003910
gdpPercap_1982    3630.880722
gdpPercap_1987    3738.932735
gdpPercap_1992    2497.437901
gdpPercap_1997    3193.054604
gdpPercap_2002    4604.211737
gdpPercap_2007    5937.029526
Name: Albania, dtype: float64

Той самий результат можна отримати, використовуючи data.loc["Albania"] (без вказання другого індексу).

PYTHON

print(data.loc[:, "gdpPercap_1952"])

ВИВІД

country
Albania                    1601.056136
Austria                    6137.076492
Belgium                    8343.105127
⋮ ⋮ ⋮
Switzerland               14734.232750
Turkey                     1969.100980
United Kingdom             9979.508487
Name: gdpPercap_1952, dtype: float64

Той самий результат можна отримати, якщо надрукувати data["gdpPercap_1952"]
Більш того, той самий результат можна отримати, застосовуючи нотацію data.gdpPercap_1952 (але не рекомендується, оскільки її легко сплутати з позначенням . для використання методів)

Вибирайте кілька стовпців або рядків за допомогою `DataFrame.loc` та визначеного зрізу.

PYTHON

print(data.loc['Italy':'Poland', 'gdpPercap_1962':'gdpPercap_1972'])

ВИВІД

             gdpPercap_1962  gdpPercap_1967  gdpPercap_1972
country
Italy           8243.582340    10022.401310    12269.273780
Montenegro      4649.593785     5907.850937     7778.414017
Netherlands    12790.849560    15363.251360    18794.745670
Norway         13450.401510    16361.876470    18965.055510
Poland          5338.752143     6557.152776     8006.506993

У наведеному вище коді ми бачимо, що зріз із використанням loc включає дані на обох вказаних кінцях, на відміну від зрізу із застосуванням iloc, де зріз не включає кінцевий індекс.

Результат зрізу можна використовувати в подальших операціях.

Зазвичай зрізи формуються не тільки для друку.
Усі статистичні оператори, які працюють зі цілими фреймами даних, так само працюють зі зрізами.
Наприклад, обчислення максимальних значень у зрізі.

PYTHON

print(data.loc['Italy':'Poland', 'gdpPercap_1962':'gdpPercap_1972'].max())

ВИВІД

gdpPercap_1962    13450.40151
gdpPercap_1967    16361.87647
gdpPercap_1972    18965.05551
dtype: float64

PYTHON

print(data.loc['Italy':'Poland', 'gdpPercap_1962':'gdpPercap_1972'].min())

ВИВІД

gdpPercap_1962    4649.593785
gdpPercap_1967    5907.850937
gdpPercap_1972    7778.414017
dtype: float64

Використовуйте операції порівняння для вибору даних на основі певного значення.

Порівняння здійснюється поелементно.
Повертає датафрейм подібної форми, що містить значення True та False.

PYTHON

# Використовуємо частину даних, щоб результат був читабельним
subset = data.loc['Italy':'Poland', 'gdpPercap_1962':'gdpPercap_1972']
print('Subset of data:\n', subset)

# Які значення перевищують 10000 ?
print('\nWhere are values large?\n', subset > 10000)

ВИВІД

Subset of data:
             gdpPercap_1962  gdpPercap_1967  gdpPercap_1972
country
Italy           8243.582340    10022.401310    12269.273780
Montenegro      4649.593785     5907.850937     7778.414017
Netherlands    12790.849560    15363.251360    18794.745670
Norway         13450.401510    16361.876470    18965.055510
Poland          5338.752143     6557.152776     8006.506993

Where are values large?
            gdpPercap_1962 gdpPercap_1967 gdpPercap_1972
country
Italy                False           True           True
Montenegro           False          False          False
Netherlands           True           True           True
Norway                True           True           True
Poland               False          False          False

Вибір значень або NaN за допомогою булевої маски.

Датафрейм, що містить лише булеві значення, іноді називають маскою через спосіб його використання.

PYTHON

mask = subset > 10000
print(subset[mask])

ВИВІД

             gdpPercap_1962  gdpPercap_1967  gdpPercap_1972
country
Italy                   NaN     10022.40131     12269.27378
Montenegro              NaN             NaN             NaN
Netherlands     12790.84956     15363.25136     18794.74567
Norway          13450.40151     16361.87647     18965.05551
Poland                  NaN             NaN             NaN

Результат містить оригінальні значення, коли умова виконується, та NaN (Not a Number - не число) у решті випадків.
Це зручно, оскільки операції на кшталт max, min, average автоматично ігнорують значення NaN.

PYTHON

print(subset[subset > 10000].describe())

ВИВІД

       gdpPercap_1962  gdpPercap_1967  gdpPercap_1972
count        2.000000        3.000000        3.000000
mean     13120.625535    13915.843047    16676.358320
std        466.373656     3408.589070     3817.597015
min      12790.849560    10022.401310    12269.273780
25%      12955.737547    12692.826335    15532.009725
50%      13120.625535    15363.251360    18794.745670
75%      13285.513523    15862.563915    18879.900590
max      13450.401510    16361.876470    18965.055510

Group By: групує, застосовує та комбінує

Примітка для викладача

Learners often struggle here, many may not work with financial data and concepts so they find the example concepts difficult to get their head around. Однак основна проблема полягає в рядку, який обчислює wealth_score; цей крок потребує ретельного обговорення:

Він використовує неявне перетворення між булевим і дійсним значенням, яке ще не розглядалося в курсі.
Параметр axis=1 також потребує чіткого пояснення.

:::::::::::::::::::::::::::::::::::::::::::::::::

Методи векторизації та операції групування Pandas — це функції, які надають користувачам велику гнучкість для аналізу своїх даних.

Наприклад, скажімо, ми хочемо мати більш чітке уявлення про те, як європейські країни розподілені відповідно до свого ВВП.

Ми можемо поглянути на ситуацію, поділивши країни на дві групи за роки спостережень: ті, у яких ВВП вище середнього по Європі, і країни з нижчим ВВП.
Далі ми оцінюємо показник заможності на основі історичних значень (з 1962 по 2007 рік), підраховуючи, скільки разів кожна країна входила до груп із вищим або нижчим ВВП

PYTHON

mask_higher = data > data.mean()
wealth_score = mask_higher.aggregate('sum', axis=1) / len(data.columns)
print(wealth_score)

ВИВІД

country
Albania                   0.000000
Austria                   1.000000
Belgium                   1.000000
Bosnia and Herzegovina    0.000000
Bulgaria                  0.000000
Croatia                   0.000000
Czech Republic            0.500000
Denmark                   1.000000
Finland                   1.000000
France                    1.000000
Germany                   1.000000
Greece                    0.333333
Hungary                   0.000000
Iceland                   1.000000
Ireland                   0.333333
Italy                     0.500000
Montenegro                0.000000
Netherlands               1.000000
Norway                    1.000000
Poland                    0.000000
Portugal                  0.000000
Romania                   0.000000
Serbia                    0.000000
Slovak Republic           0.000000
Slovenia                  0.333333
Spain                     0.333333
Sweden                    1.000000
Switzerland               1.000000
Turkey                    0.000000
United Kingdom            1.000000
dtype: float64

Нарешті, для кожної групи в таблиці wealth_score ми підсумовуємо їх (фінансовий) внесок за роки дослідження, використовуючи ланцюжок методів:

PYTHON

print(data.groupby(wealth_score).sum())

ВИВІД

          gdpPercap_1952  gdpPercap_1957  gdpPercap_1962  gdpPercap_1967  \
0.000000    36916.854200    46110.918793    56850.065437    71324.848786
0.333333    16790.046878    20942.456800    25744.935321    33567.667670
0.500000    11807.544405    14505.000150    18380.449470    21421.846200
1.000000   104317.277560   127332.008735   149989.154201   178000.350040

          gdpPercap_1972  gdpPercap_1977  gdpPercap_1982  gdpPercap_1987  \
0.000000    88569.346898   104459.358438   113553.768507   119649.599409
0.333333    45277.839976    53860.456750    59679.634020    64436.912960
0.500000    25377.727380    29056.145370    31914.712050    35517.678220
1.000000   215162.343140   241143.412730   263388.781960   296825.131210

          gdpPercap_1992  gdpPercap_1997  gdpPercap_2002  gdpPercap_2007
0.000000    92380.047256   103772.937598   118590.929863   149577.357928
0.333333    67918.093220    80876.051580   102086.795210   122803.729520
0.500000    36310.666080    40723.538700    45564.308390    51403.028210
1.000000   315238.235970   346930.926170   385109.939210   427850.333420

Вправа

Вибір індивідуальних значень

Припустімо, що Pandas було імпортовано та дані Gapminder про ВВП для Європи завантажено.

PYTHON

import pandas as pd

data_europe = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')

Напишіть вираз для визначення ВВП Сербії на душу населення у 2007 році.

Відповідь

Вибір можна зробити за допомогою мітки “Сербія” для рядка, та мітки “gdpPercap_2007” для стовпця:

PYTHON

print(data_europe.loc['Serbia', 'gdpPercap_2007'])

Результат є таким

ВИВІД

9786.534714

Вправа

Межі зрізу

Чи дають два наведені нижче твердження однаковий результат?
На основі цього, яке правило визначає, що включено (чи ні) до числових та іменованих зрізів у Pandas?

PYTHON

print(data_europe.iloc[0:2, 0:2])
print(data_europe.loc['Albania':'Belgium', 'gdpPercap_1952':'gdpPercap_1962'])

Відповідь

Ні, вони не дають однакові результати! Результатом першого виразу є:

ВИВІД

        gdpPercap_1952  gdpPercap_1957
country
Albania     1601.056136     1942.284244
Austria     6137.076492     8842.598030

Другий вираз дає:

ВИВІД

        gdpPercap_1952  gdpPercap_1957  gdpPercap_1962
country
Albania     1601.056136     1942.284244     2312.888958
Austria     6137.076492     8842.598030    10750.721110
Belgium     8343.105127     9714.960623    10991.206760

Вочевидь, другий вираз повертає додатковий стовпець і додатковий рядок у порівнянні з першим.
Який висновок ми можемо зробити? Ми бачимо, що числовий зріз 0:2 не включає кінцевий індекс (тобто, індекс 2), тоді як іменований зріз ‘gdpPercap_1952’:‘gdpPercap_1962’ включає кінцевий елемент.

Вправа

Реконструювання даних

Опишіть, що робить кожен рядок наведеної короткої програми та які значення зберігаються в змінних first, second тощо?

PYTHON

first = pd.read_csv('data/gapminder_all.csv', index_col='country')
second = first[first['continent'] == 'Americas']
third = second.drop('Puerto Rico')
fourth = third.drop('continent', axis = 1)
fourth.to_csv('result.csv')

Відповідь

Перегляньмо цей фрагмент коду рядок за рядком.

PYTHON

first = pd.read_csv('data/gapminder_all.csv', index_col='country')

В цьому рядку дані про ВВП з усіх країн завантажуються у датафрейм first. Параметр index_col='country' вказує, який стовпець використовується як заголовки рядків у датафреймі.

PYTHON

second = first[first['continent'] == 'Americas']

Цей рядок фільтрує дані: вибираються лише ті рядки з first, у яких стовпець ‘continent’ містить значення ‘Americas’. Зверніть увагу, як логічний вираз у дужках, first['continent'] == 'Americas', використовується для вибору лише тих рядків, де вираз є істинним. Спробуйте надрукувати цей вираз! Чи можете ви також надрукувати його окремі елементи True/False? (підказка: спочатку призначте вираз певній змінній)

PYTHON

third = second.drop('Puerto Rico')

Як підказує синтаксис, цей код видаляє рядок з міткою ‘Puerto Rico’ з датафрейму second. У результаті датафрейм third містить на один рядок менше, ніж вихідний датафрейм second.

PYTHON

fourth = third.drop('continent', axis = 1)

Знову ми застосовуємо функцію drop, але в цьому випадку ми видаляємо не рядок, а цілий стовпець. Для цього нам також потрібно вказати параметр axis (ми хочемо видалити другий стовпець, який має індекс 1).

PYTHON

fourth.to_csv('result.csv')

Останнім кроком є збереження даних, над якими ми працювали, у файл csv. Pandas спрощує це завдання за допомогою функції to_csv(). Єдиним обов’язковим аргументом для функції є ім’я файлу. Зверніть увагу, що файл буде записано в каталозі, з якого ви розпочали сесію Jupyter або Python.

Вправа

Вибір індексів

Поясніть простими словами, що роблять idxmin і idxmax у короткій програмі нижче. У яких випадках ви б використовували ці методи?

PYTHON

data = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')
print(data.idxmin())
print(data.idxmax())

Відповідь

Для кожного стовпця в data, idxmin поверне значення індексу, що відповідає мінімуму кожного стовпця; idxmax зробить те саме для максимального значення кожного стовпця.

Ви можете використовувати ці функції щоразу, коли потрібно отримати індекс рядка з мінімальним або максимальним значенням, а не саме значення.

Вправа

Потренуйтеся з вибором

Припустімо, що Pandas було імпортовано та дані Gapminder про ВВП для Європи завантажено. Напишіть вираз, щоб вибрати кожне з наступного:

ВВП на душу населення для всіх країн у 1982 році.
ВВП на душу населення для Данії за всі роки.
ВВП на душу населення для всіх країн за роки після 1985 року.
ВВП на душу населення у 2007 році для кожної країни, виражене як кратне до ВВП на душу населення цієї ж країни у 1952 році.

Відповідь

PYTHON

data['gdpPercap_1982']

PYTHON

data.loc['Denmark',:]

PYTHON

data.loc[:,'gdpPercap_1985':]

Пакет pandas досить розумний, щоб розпізнати число в кінці заголовку стовпця й не видати помилки, навіть якщо стовпця з назвою gdpPercap_1985 не існує. Це зручно, якщо нові стовпці додаються до файлу CSV пізніше.

PYTHON

data['gdpPercap_2007']/data['gdpPercap_1952']

Вправа

Багато способів доступу

Отримати значення або зріз з датафрейму можна щонайменше двома способами: за назвою або за індексом. Однак існує багато інших варіантів. Наприклад, можна отримати окремий стовпець або рядок як DataFrame або Series об’єкт.

Запропонуйте різні способи виконання наступних операцій з датафреймами:

Доступ до одного стовпця
Доступ до одного рядку
Доступ до окремого елемента датафрейму
Доступ до декількох стовпців
Доступ до декількох рядків
Доступ до підмножини, заданої визначеними рядками та стовпцями
Доступ до підмножини, заданої діапазонами рядків та стовпців

Відповідь

1. Доступ до одного стовпця:

PYTHON

# by name
data["col_name"]   # as a Series
data[["col_name"]] # as a DataFrame

# by name using .loc
data.T.loc["col_name"]  # as a Series
data.T.loc[["col_name"]].T  # as a DataFrame

# Dot notation (Series)
data.col_name

# by index (iloc)
data.iloc[:, col_index]   # as a Series
data.iloc[:, [col_index]] # as a DataFrame

# using a mask
data.T[data.T.index == "col_name"].T

2. Доступ до одного рядку:

PYTHON

# by name using .loc
data.loc["row_name"] # as a Series
data.loc[["row_name"]] # as a DataFrame

# by name
data.T["row_name"] # as a Series
data.T[["row_name"]].T # as a DataFrame

# by index
data.iloc[row_index]   # as a Series
data.iloc[[row_index]]   # as a DataFrame

# using mask
data[data.index == "row_name"]

3. Доступ до окремого елемента датафрейму:

PYTHON

# by column/row names
data["column_name"]["row_name"]         # as a Series

data[["col_name"]].loc["row_name"]  # as a Series
data[["col_name"]].loc[["row_name"]]  # as a DataFrame

data.loc["row_name"]["col_name"]  # as a value
data.loc[["row_name"]]["col_name"]  # as a Series
data.loc[["row_name"]][["col_name"]]  # as a DataFrame

data.loc["row_name", "col_name"]  # as a value
data.loc[["row_name"], "col_name"]  # as a Series. Preserves index. Column name is moved to `.name`.
data.loc["row_name", ["col_name"]]  # as a Series. Index is moved to `.name.` Sets index to column name.
data.loc[["row_name"], ["col_name"]]  # as a DataFrame (preserves original index and column name)

# by column/row names: Dot notation
data.col_name.row_name

# by column/row indices
data.iloc[row_index, col_index] # as a value
data.iloc[[row_index], col_index] # as a Series. Preserves index. Column name is moved to `.name`
data.iloc[row_index, [col_index]] # as a Series. Index is moved to `.name.` Sets index to column name.
data.iloc[[row_index], [col_index]] # as a DataFrame (preserves original index and column name)

# column name + row index
data["col_name"][row_index]
data.col_name[row_index]
data["col_name"].iloc[row_index]

# column index + row name
data.iloc[:, [col_index]].loc["row_name"]  # as a Series
data.iloc[:, [col_index]].loc[["row_name"]]  # as a DataFrame

# using masks
data[data.index == "row_name"].T[data.T.index == "col_name"].T

4. Доступ до декількох стовпців:

PYTHON

# by name
data[["col1", "col2", "col3"]]
data.loc[:, ["col1", "col2", "col3"]]

# by index
data.iloc[:, [col1_index, col2_index, col3_index]]

5. Доступ до декількох рядків

PYTHON

# by name
data.loc[["row1", "row2", "row3"]]

# by index
data.iloc[[row1_index, row2_index, row3_index]]

6. Доступ до підмножини, заданої визначеними рядками та стовпцями

PYTHON

# by names
data.loc[["row1", "row2", "row3"], ["col1", "col2", "col3"]]

# by indices
data.iloc[[row1_index, row2_index, row3_index], [col1_index, col2_index, col3_index]]

# column names + row indices
data[["col1", "col2", "col3"]].iloc[[row1_index, row2_index, row3_index]]

# column indices + row names
data.iloc[:, [col1_index, col2_index, col3_index]].loc[["row1", "row2", "row3"]]

7. Доступ до підмножини, заданої діапазонами рядків та стовпців

PYTHON

# by name
data.loc["row1":"row2", "col1":"col2"]

# by index
data.iloc[row1_index:row2_index, col1_index:col2_index]

# column names + row indices
data.loc[:, "col1_name":"col2_name"].iloc[row1_index:row2_index]

# column indices + row names
data.iloc[:, col1_index:col2_index].loc["row1":"row2"]

Вправа

Пошук доступних методів використовуючи функцію `dir()`

У Python є функція dir(), яка дозволяє переглянути всі доступні методи (функції), які вбудовані в об’єкт даних. В епізоді 4 ми використали деякі методи для рядка. Але за допомогою dir() можна побачити ще більше доступних методів:

PYTHON

my_string = 'Hello world!'   # creation of a string object 
dir(my_string)

Ця команда повертає:

PYTHON

['__add__',
...
'__subclasshook__',
'capitalize',
'casefold',
'center',
...
'upper',
'zfill']

Ви можете використати help() або Shift+Tab, щоб дізнатися більше про призначення цих методів.

Припустимо, що Pandas вже імпортовано, а дані Gapminder про ВВП Європи завантажено в змінну data. Тоді скористайтеся dir(), щоб знайти функцію, яка друкує середній ВВП на душу населення для всіх європейських країн за кожен доступний рік.

Відповідь

Серед багатьох варіантів dir() пропонує функцію median(). Таким чином,

PYTHON

data.median()

Обговорення

Інтерпретація даних

Кордони Польщі стабільні з 1945 року, але до цього кілька разів змінювалися. Як би ви врахували це при створенні таблиці ВВП на душу населення для Польщі за все ХХ століття?

Ключові моменти

Використовуйте DataFrame.iloc[..., ...] для вибору значень за їх позицією
Використовуйте лише : замість міток для позначення всіх стовпців або всіх рядків.
Вибирайте кілька стовпців або рядків за допомогою DataFrame.loc та зрізу, заданого іменами стовпців або рядків.
Результат застосування операції зрізу може бути використаний у подальших операціях.
Використовуйте порівняння для вибору даних на основі їх значень.
Вибирайте значення або NaN за допомогою булевої маски.

Content from Побудова графіків

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 30 хвилин

Огляд

Питання

Як побудувати графік за моїми даними?
Як зберегти графік для публікації?

Цілі

Створення графіку часового ряду, який відповідає одному набору даних.
Створення точкової діаграми, або діаграми розсіювання, яка показує зв’язок між двома наборами даних.

`matplotlib` є найпоширенішою науковою бібліотекою для візуалізації даних в Python.

Зазвичай використовується його частина - бібліотека matplotlib.pyplot.
За замовчуванням Jupyter Notebook відображає графіки безпосередньо в блокноті.

PYTHON

import matplotlib.pyplot as plt

Створення простих графіків є (відносно) нескладним.

PYTHON

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

Лінійний графік, що показує залежність позиції (км) від часу (год), використовуючи дані з наведеного вище коду. За замовчуванням графік має синю лінію на білому фоні, а вісі масштабуються автоматично відповідно до діапазону вхідних даних.

Примітка

Зображення всіх графіків з програмного коду

У прикладі з Jupyter Notebook виконання комірки призводить до побудови графіку безпосередньо під кодом. Графік також зберігається у блокноті для подальшого перегляду. Проте, інші середовища Python, такі як інтерактивна сесія Python, що виконується у терміналі, або Python скрипт, виконаний за допомогою командного рядка, потребують додаткової команди для зображення графіку.

Доручіть matplotlib зобразити графік:

PYTHON

plt.show()

Цю команду також можна використати в блокноті - наприклад, для зображення декількох графіків одночасно, якщо відповідний командний код міститься в одній комірці.

Побудова графіків безпосередньо з датафреймів Pandas.

Для побудови графіків можна також використовувати датафрейми Pandas.
Перед побудовою графіку ми перетворюємо назви стовпців із типу string на integer, оскільки вони представляють числові значення. Для цього використовуємо метод str.replace(), щоб видалити префікс gpdPercap_, а потім astype(int), щоб перетворити ряд значень рядка (['1952', '1957', ...'2007']) у ряд цілих чисел: [1925, 1957, ..., 2007].

PYTHON

import pandas as pd

data = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')

# Extract year from last 4 characters of each column name
# The current column names are structured as 'gdpPercap_(year)', 
# so we want to keep the (year) part only for clarity when plotting GDP vs. years
# To do this we use replace(), which removes from the string the characters stated in the argument
# This method works on strings, so we use replace() from Pandas Series.str vectorized string functions

years = data.columns.str.replace('gdpPercap_', '')

# Convert year values to integers, saving results back to dataframe

data.columns = years.astype(int)

data.loc['Australia'].plot()

Виділіть та трансформуйте дані, а потім побудуйте графік.

За замовчуванням, DataFrame.plot зображує рядки на осі X.
Ми можемо транспонувати дані, щоб побудувати кілька графіків разом.

PYTHON

data.T.plot()
plt.ylabel('GDP per capita')

Графік ВВП для Австралії та Нової Зеландії

Доступні багато стилів графіків.

Наприклад, можна створити стовпчикову діаграму з більш вишуканим стилем.

PYTHON

plt.style.use('ggplot')
data.T.plot(kind='bar')
plt.ylabel('GDP per capita')

Графік також можна побудувати, викликавши безпосередньо функцію `plot` бібліотеки `matplotlib`.

Формат команди є таким: plt.plot(x, y)
Колір та формат маркерів також можна вказати як додатковий необов’язковий аргумент, тобто, b- - це синя лінія, g-- - це зелена пунктирна лінія.

Отримаємо дані Австралії з датафрейму.

PYTHON

years = data.columns
gdp_australia = data.loc['Australia']

plt.plot(years, gdp_australia, 'g--')

Можна побудувати кілька графіків за різними наборами даних одночасно.

PYTHON

# Select two countries' worth of data.
gdp_australia = data.loc['Australia']
gdp_nz = data.loc['New Zealand']

# Plot with differently-colored markers.
plt.plot(years, gdp_australia, 'b-', label='Australia')
plt.plot(years, gdp_nz, 'g-', label='New Zealand')

# Create legend.
plt.legend(loc='upper left')
plt.xlabel('Year')
plt.ylabel('GDP per capita ($)')

Примітка

Додавання легенди

Зазвичай при побудові графіків з кількох наборів даних разом, бажано мати легенду, що описує ці дані.

Це можна зробити в matplotlib за два етапи:

Вкажіть мітку для кожного набору даних у графіку:

PYTHON

plt.plot(years, gdp_australia, label='Australia')
plt.plot(years, gdp_nz, label='New Zealand')

Доручіть matplotlib створити легенду.

PYTHON

plt.legend()

За замовчуванням matplotlib спробує розмістити легенду у відповідному місці. Якщо необхідно вказати конкретне розташування, можна застосувати аргументи функції loc=, наприклад, щоб розмістити легенду в лівому верхньому куті графіку, задайте loc='upper left'

Форматований графік ВВП для Австралії та Нової Зеландії

Побудуйте точкову діаграму співвідношення ВВП Австралії та Нової Зеландії
Використовуйте plt.scatter або DataFrame.plot.scatter

PYTHON

plt.scatter(gdp_australia, gdp_nz)

Точкова діаграма, створена за допомогою plt.scatter

PYTHON

data.T.plot.scatter(x = 'Australia', y = 'New Zealand')

Точкова діаграма кореляції ВВП, побудована за допомогою data.T.plot.scatter.

Вправа

Мінімуми та максимуми

Заповніть порожні поля нижче, щоб побудувати графік мінімального ВВП на душу населення протягом часу для всіх країн Європи. Потім побудуйте графік максимального ВВП на душу населення в Європі.

PYTHON

data_europe = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')
data_europe.____.plot(label='min')
data_europe.____
plt.legend(loc='best')
plt.xticks(rotation=90)

Відповідь

PYTHON

data_europe = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')
data_europe.min().plot(label='min')
data_europe.max().plot(label='max')
plt.legend(loc='best')
plt.xticks(rotation=90)

Рішення для графіків мінімуму та максимуму

Вправа

Співвідношення

Модифікуйте приклад у примітках, щоб створити діаграму розсіювання, що показує співвідношення між мінімальним і максимальним ВВП на душу населення серед країн Азії за кожен рік у наборі даних. Який зв’язок ви бачите (якщо такий є)?

Відповідь

PYTHON

data_asia = pd.read_csv('data/gapminder_gdp_asia.csv', index_col='country')
data_asia.describe().T.plot(kind='scatter', x='min', y='max')

Між мінімальним і максимальним значеннями ВВП за роками не спостерігається чіткої залежності. Здається, статки азійських країн не зростають і не падають разом.

Вправа

Співвідношення (continued)

Ви можете помітити, що варіабельність максимальних значень значно вища, ніж варіабельність мінімальних значень. Зверніть увагу на максимальні значення та відповідні індекси:

PYTHON

data_asia = pd.read_csv('data/gapminder_gdp_asia.csv', index_col='country')
data_asia.max().plot()
print(data_asia.idxmax())
print(data_asia.idxmin())

Відповідь

Здається, варіабельність цього значення зумовлена різким спадом після 1972 року. Можливо, тут зіграли роль геополітичні чинники? Враховуючи домінування нафтовидобувних країн, можливо, індекс нафти Brent стане цікавим об’єктом для порівняння? У той час як М’янма постійно має найнижчий ВВП, країна з найвищим ВВП змінюється більш помітно.

Вправа

Більше кореляцій

Ця коротка програма створює графік, який ілюструє взаємозв’язок між ВВП і очікуваною тривалістю життя на 2007 рік, змінюючи розмір маркера в залежності із чисельністю населення:

PYTHON

data_all = pd.read_csv('data/gapminder_all.csv', index_col='country')
data_all.plot(kind='scatter', x='gdpPercap_2007', y='lifeExp_2007',
              s=data_all['pop_2007']/1e6)

Використовуючи онлайн-довідку та інші ресурси, поясніть роль кожного аргументу, який передається у функцію plot.

Відповідь

Гарне місце для пошуку документації до функції plot - help(data_all.plot).

kind - Як вже було показано, цей параметр визначає тип графіку, який буде створено.

x та y - імена стовпців або індекси, що визначають, які дані будуть розміщені на графіку на осях x та y

s - Інформацію про цей аргумент можна знайти в документації plt.scatter. Це одне число або одне значення для кожної точки даних. Визначає розмір маркера.

Примітка

Збереження вашого графіка в файл

Якщо вас влаштовує побудований графік, можливо, ви захочете зберегти його у файл — наприклад, для включення у публікацію. У модулі matplotlib.pyplot є функція, яка виконує це: savefig. Виклик цієї функції

PYTHON

plt.savefig('my_figure.png')

збереже поточний графік у файл my_figure.png. Формат файлу буде автоматично визначено з розширення імені файлу (інші формати: pdf, ps, eps і svg).

Зауважимо, що функції в plt посилаються на глобальну змінну графіка і після того, як графік виведено на екран (наприклад, за допомогою plt.show) matplotlib змусить цю змінну посилатися на новий порожній графік. Тому переконайтеся, що ви викликаєте plt.savefig перед тим, як графік буде зображено на екрані, інакше ви можете створити файл із порожнім графіком.

При використанні датафреймів дані зазвичай генеруються та виводяться на екрані одним рядком коду. На додаток до plt.savefig, ми можемо зберегти посилання на поточний графік у локальну змінну (використовуючи plt.gcf), а потім викликати savefig метод цієї змінної для збереження графіка у файл.

PYTHON

data.plot(kind='bar')
fig = plt.gcf() # get current figure
fig.savefig('my_figure.png')

Примітка

Зробіть ваш графік доступним

Щоразу, коли ви створюєте графіки для статті чи презентації, варто врахувати кілька речей, щоб переконатися, що всі зрозуміють ваші графіки.

Завжди стежте за тим, щоб розмір тексту був зручним для читання. Використовуйте параметр fontsize в xlabel, ylabel, title, та legend, а також tick_params з labelsize щоб збільшити розмір тексту на осях графіку.
Також слід подбати, щоб елементи графіка були добре помітними. Використовуйте s, щоб збільшити розмір маркерів діаграми розсіювання, і linewidth, щоб збільшити розміри ліній вашого графіка.
Якщо розрізняти елементи графіка тільки за кольором, це може ускладнити його сприйняття для людей із дальтонізмом або тих, хто переглядає матеріали в чорно-білому вигляді (наприклад, після друку). Для ліній можна використовувати параметр linestyle, щоб задати різні стилі ліній. Для діаграм розсіювання marker дозволяє змінювати форму ваших точок. Якщо ви не впевнені у вибраній кольоровій палітрі, скористайтеся інструментами на кшталт Coblis або Color Oracle щоб імітувати, як виглядатимуть ваші графіки для людей з дальтонізмом.

Ключові моменти

matplotlib — це найпоширеніша наукова бібліотека для побудови графіків у Python.
Будуйте графіки безпосередньо з датафрейму Pandas.
Побудова графіків включає вибір та трансформацію даних.
Існує широкий вибір стилів побудови графіків: дивіться Python Graph Gallery, щоб ознайомитися з іншими варіантами.
На одному графіку можна одразу зобразити кілька наборів даних.

Content from Ланч

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 0 хвилин

За обідом поміркуйте та обговоріть наступне:

Які пакети можна використовувати в Python, і чому ми їх використовуємо?
Як мають бути відформатовані дані, щоб використовувати їх у датафреймах Pandas? Чи задовольняють ваші поточні дані ці вимоги?
З якими обмеженнями або проблемами ви можете зустрітися, якщо спробуєте застосувати набуті знання до ваших власних проєктів або даних?

Content from Списки

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 20 хвилин

Огляд

Питання

Як ефективно зберігати багато значень?

Цілі

Пояснити, навіщо програмам потрібна можливість працювати з наборами значень.
Написати програми, які створюють списки, індексують їх, отримують зрізи, а також змінюють списки через присвоєння значень та виклик методів.

За допомогою списків можна зберігати кілька значень в одній структурі даних.

Виконання обчислень із сотнею змінних під назвою pressure_001, pressure_002 тощо, було б принаймні так само повільно, як робити їх вручну.
Використовуйте список для зберігання багатьох значень разом.
- Список позначається квадратними дужками [...].
- Значення розділяються комами ,.
Використовуйте len, щоб дізнатися, скільки значень у списку.

PYTHON

pressures = [0.273, 0.275, 0.277, 0.275, 0.276]
print('pressures:', pressures)
print('length:', len(pressures))

ВИВІД

pressures: [0.273, 0.275, 0.277, 0.275, 0.276]
length: 5

Щоб отримати елемент списку, використовуйте його індекс.

Це робиться так само, як і при роботі з рядками.

PYTHON

print('zeroth item of pressures:', pressures[0])
print('fourth item of pressures:', pressures[4])

ВИВІД

zeroth item of pressures: 0.273
fourth item of pressures: 0.276

Значення елементів списків можна замінити шляхом присвоєння.

Використовуйте індексний вираз ліворуч від знаку присвоєння, щоб замінити значення.

PYTHON

pressures[0] = 0.265 
print('нові значення pressures:', pressures)

ВИВІД

Нові значення pressures: [0.265, 0.275, 0.277, 0.275, 0.276]

Додавання елементів до списку подовжує його.

Щоб додати елементи в кінець списку, використовуйте list_name.append.

PYTHON

primes = [2, 3, 5]
print('Початкові значення primes:', primes)
primes.append(7)
print('Список primes змінився:', primes)

ВИВІД

Початкові значення primes: [2, 3, 5]
Список primes змінився: [2, 3, 5, 7]

append є методом списків.
- Методи подібні функціям, але вони прив’язані до певних об’єктів.
Для виклику методів використовується синтаксис object_name.method_name .
- Такий запис навмисно відтворює те, як ми звертаємося до функцій у бібліотеці.
По ходу роботи ми познайомимося з іншими методами, визначеними для списків.
- Використовуйте help(list), якщо бажаєте переглянути їх перелік зараз.
extend - це метод, схожий на append, але він дозволяє об’єднувати два списки. Наприклад:

PYTHON

teen_primes = [11, 13, 17, 19]
middle_aged_primes = [37, 41, 43, 47]
print('primes is currently:', primes)
primes.extend(teen_primes)
print('primes has now become:', primes)
primes.append(middle_aged_primes)
print('primes has finally become:', primes)

ВИВІД

primes is currently: [2, 3, 5, 7]
primes has now become: [2, 3, 5, 7, 11, 13, 17, 19]
primes has finally become: [2, 3, 5, 7, 11, 13, 17, 19, [37, 41, 43, 47]]

Зауважимо, що extend зберігає “плоску” структуру списку, тоді як додавання списку до іншого списку за допомогою append дає двовимірний результат: останній елемент з primes є списком, а не цілим числом. Списки можуть містити значення будь-якого типу; отже, можливі списки списків.

Використовуйте `del` для повного видалення елементів зі списку.

Ми використовуємо del list_name[index] для видалення елемента зі списку (у прикладі нижче, 9 не є простим числом) і таким чином скоротити список.
del - це не функція і не метод, а оператор мови Python.

PYTHON

primes = [2, 3, 5, 7, 9]
print('primes перед видаленням останнього елементу:', primes)
del primes[4]
print('primes після видалення останнього елементу:', primes)

ВИВІД

primes перед видаленням останнього елементу: [2, 3, 5, 7, 9]
primes після видалення останнього елементу: [2, 3, 5, 7]

Порожній список не містить жодних значень.

Щоб створити порожній список, використовуйте [].
- Порожній список - це “нуль списків.”
Корисний як початкова структура для накопичення значень (як ми побачимо в наступному епізоді).

Списки можуть містити значення різних типів.

Один список може містити числа, рядки та будь-що інше.

PYTHON

goals = [1, 'Створити списки.', 2, 'Вилучити елементи із списків.', 3, 'Змінити списки.']

Рядки символів можна індексувати як списки.

Отримати окремі символи з рядка символів можна за допомогою індексів у квадратних дужках.

PYTHON

element = 'carbon'
print('нульовий символ:', element[0])
print('третій символ:', element[3])

ВИВІД

нульовий символ: c
третій символ: b

Рядки символів незмінні.

Неможливо змінити символи в рядку після його створення.
- Незмінний (Immutable): не може бути змінений після створення.
- На відміну від рядків, списки можна змінювати після їх створення.
Python розглядає рядок як одне значення, яке складається з частин, а не як набір незалежних значень.

PYTHON

element[0] = 'C'

ПОМИЛКА

TypeError: 'str' object does not support item assignment

Списки та рядки символів є колекціями.

Індексація після кінця колекції призводить до помилки.

Python повідомляє про помилку IndexError, якщо ми намагаємося звернутися до не наявного значення.
- Це різновид помилки виконання (runtime error).
- Її неможливо виявити під час аналізу коду, оскільки індекс може бути розрахований на основі даних, з якими працює програма.

PYTHON

print('99th element of element is:', element[99])

ВИВІД

IndexError: string index out of range

Вправа

Заповнення пропусків

Заповніть пропуски так, щоб наведена нижче програма видала показаний результат.

PYTHON

values = ____
values.____(1)
values.____(3)
values.____(5)
print('first time:', values)
values = values[____]
print('second time:', values)

ВИВІД

first time: [1, 3, 5]
second time: [3, 5]

Відповідь

PYTHON

values = []
values.append(1)
values.append(3)
values.append(5)
print('first time:', values)
values = values[1:]
print('second time:', values)

Вправа

Який розмір має зріз?

Якщо start і stop є невід’ємними цілими числами, якою є довжина списку values[start:stop:]?

Відповідь

Список values[start:stop] може містити щонайбільше stop - start елементів. Наприклад, values[1:4] має 3 елементи values[1], values[2], та values[3]. Чому ‘щонайбільше’? Як ми бачили у епізоді 2, якщо stop перевищує загальну довжину списку values, результатом усе одно буде список, але коротший, ніж очікувалося.

Вправа

Від рядків до списків і назад

Нехай ми маємо наступне:

PYTHON

print('string to list:', list('tin'))
print('list to string:', ''.join(['g', 'o', 'l', 'd']))

ВИВІД

string to list: ['t', 'i', 'n']
list to string: gold

Що робить команда list('some string')?
Що створює команда '-'.join(['x', 'y', 'z'])?

Відповідь

list('some string') перетворює рядок на список окремих символів.
join повертає рядок, який є конкатенацією всіх елементів, та додає роздільник між кожним елементом у списку. У результаті отримуємо x-y-z. Рядок, який викликає цей метод, виступає роздільником між елементами.

Вправа

Робота з кінцем

Що друкує наступна програма?

PYTHON

element = 'helium'
print(element[-1])

Як Python інтерпретує від’ємний індекс?
Якщо список або рядок має N елементів, який найбільший від’ємний індекс можна безпечно використовувати для даного рядка, і яку позицію він означає?
Якщо values є списком, що відбувається при виконанні del values[-1]?
Як можна показати всі елементи, окрім останнього, не змінюючи values? (Підказка: вам знадобиться одночасно використати зрізи та від’ємну індексацію.)

Відповідь

Програма надрукує m.

Python інтерпретує від’ємний індекс як відлік з кінця (на відміну від звичайного відліку з початку). Останній елемент має індекс -1.
Найменший від’ємний індекс, який можна безпечно використовувати зі списком із N елементів - це індекс -N, який представляє перший елемент.
del values[-1] видаляє останній елемент зі списку.
values[:-1]

Вправа

Рух по списку

Що друкує наступна програма?

PYTHON

element = 'fluorine'
print(element[::2])
print(element[::-1])

Якщо ми визначаємо зріз як low:high:stride, що робить stride?
Яка команда дозволить вибрати з колекції всі елементи з парними індексами?

Відповідь

Програма виводить

PYTHON

furn
eniroulf

stride є довжиною кроку зрізу.
Зріз 1::2 вибирає всі елементи з парними номерами з колекції: він починається з елементу 1 (який є другим елементом, оскільки індексація починається з 0), продовжується до кінця (оскільки end не задано) і використовує розмір кроку 2 (таким чином обираючи кожний другий елемент).

Вправа

Межі зрізу

Що друкує наступна програма?

PYTHON

element = 'lithium'
print(element[0:20])
print(element[-1:3])

Відповідь

ВИВІД

lithium

Перша команда повертає весь рядок, оскільки зріз перевищує загальну довжину рядка. Друга команда повертає порожній рядок, оскільки зріз виходить “за межі” рядка.

Вправа

Сортування на місці чи у новий список

Що друкують ці дві програми? Поясніть простими словами різницю між sorted(letters) and letters.sort().

PYTHON

# Program A
letters = list('gold')
result = sorted(letters)
print('letters is', letters, 'and result is', result)

PYTHON

# Program B
letters = list('gold')
result = letters.sort()
print('letters is', letters, 'and result is', result)

Відповідь

Програма А надрукує

ВИВІД

letters is ['g', 'o', 'l', 'd'] and result is ['d', 'g', 'l', 'o']

Програма В надрукує

ВИВІД

letters is ['d', 'g', 'l', 'o'] and result is None

sorted(letters) повертає відсортовану копію списку letters (оригінальний список letters залишається незмінним), тоді як letters.sort() сортує список letters безпосередньо і нічого не повертає.

Вправа

Копіювання (чи ні)

Що друкують ці дві програми? Поясніть простими словами різницю між new = old and new = old[:].

PYTHON

# Program A
old = list('gold')
new = old      # simple assignment
new[0] = 'D'
print('new is', new, 'and old is', old)

PYTHON

# Program B
old = list('gold')
new = old[:]   # assigning a slice
new[0] = 'D'
print('new is', new, 'and old is', old)

Відповідь

Програма А надрукує

ВИВІД

new is ['D', 'o', 'l', 'd'] and old is ['D', 'o', 'l', 'd']

Програма В надрукує

ВИВІД

new is ['D', 'o', 'l', 'd'] and old is ['g', 'o', 'l', 'd']

Оператор new = old призводить до того, що new посилається на той самий об’єкт списку, що й old.

Однак new = old[:] навпаки створює окремий список new, який містить усі елементи зі списку old; тому new та old є різними об’єктами.

Ключові моменти

За допомогою списків можна зберігати кілька значень в одній структурі даних.
Щоб отримати елемент списку, використовуйте його індекс.
Значення елементів списків можна замінити шляхом присвоєння.
Додавання елементів до списку подовжує його.
Щоб повністю видалити елементи зі списку, використовуйте del.
Порожній список не містить жодних значень.
Списки можуть містити значення різних типів.
Рядки символів можна індексувати як списки.
Рядки символів незмінні.
Звернення до індексу за межами колекції призводить до помилки.

Content from Цикли for

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 25 хвилин

Огляд

Питання

Як змусити програму ефективно виконувати багато задач?

Цілі

Пояснити, для чого зазвичай використовуються цикли for.
Проаналізувати виконання простого (не вкладеного) циклу та правильно вказати значення змінних у кожній ітерації.
Написати цикли for, які використовують шаблон накопичення для агрегації значень.

Цикл for виконує команди один раз для кожного значення в колекції.

Виконання обчислень над елементами списку окремо є таким самим виснажливим, як і робота зі змінними на кшталт pressure_001, pressure_002 і так далі.
Цикл for вказує Python, що треба виконати набір інструкцій для кожного елемента списку, рядка або іншої колекції.
“для кожного елемента в цій групі виконайте ці операції”

PYTHON

for number in [2, 3, 5]: 
     print(number)

Цей цикл for є еквівалентним наступному:

PYTHON

print(2) 
print(3) 
print(5)

І результат циклу for є таким:

ВИВІД

2
3
5

Цикл `for` складається з колекції, змінної циклу та тіла циклу.

PYTHON

for number in [2, 3, 5]: 
    print(number)

Колекція [2, 3, 5] - це те, що опрацьовується в циклі.
Тіло циклу, print(number), визначає, що робити для кожного значення в колекції.
Змінна циклу, number, змінюється для кожної ітерації циклу.
- Це - “поточне значення”.

Перший рядок циклу `for` має закінчуватися двокрапкою, а тіло циклу має бути з відступом.

Двокрапка в кінці першого рядка вказує на початок блоку операторів.
Python використовує відступи замість {} або begin/end, щоб показати вкладеність.
- Будь-яке послідовне використання відступів є допустимим, але зазвичай використовують чотири пробіли.

PYTHON

for number in [2, 3, 5]:
print(number)

ПОМИЛКА

IndentationError: expected an indented block

Відступи у Python завжди важливі.

PYTHON

firstName = "Jon"
  lastName = "Smith"

ПОМИЛКА

  File "<ipython-input-7-f65f2962bf9c>", line 2
    lastName = "Smith"
    ^
IndentationError: unexpected indent

Ця помилка може бути виправлена шляхом видалення зайвих пробілів на початку другого рядку.

Змінні циклу можна називати як завгодно.

Як і всі інші змінні, змінні циклу:
- Створюються за потреби
- Не несуть смислового навантаження: їх імена можуть бути будь-якими.

PYTHON

for kitten in [2, 3, 5]: 
    print(kitten)

Тіло циклу може містити багато операторів.

Але жоден цикл не повинен мати довжину більше кількох рядків.
Людям важко утримувати у пам’яті великі фрагменти коду.

PYTHON

primes = [2, 3, 5]
for p in primes: 
    squared = p ** 2 
    cubed = p ** 3 
    print(p, squared, cubed)

ВИВІД

2 4 8
3 9 27
5 25 125

Використовуйте `range` для перебору послідовності чисел.

Вбудована функція range створює послідовність чисел.
- Це не список: числа генеруються за потребою, щоб зробити перебір по великих діапазонах ефективнішим.
range(N) є послідовністю чисел від 0 до N-1 включно.
- Це в точності збігається з індексами списку або рядка символів довжиною N.

PYTHON

print('a range is not a list: range(0, 3)')
for number in range(0, 3):
    print(number)

ВИВІД

a range is not a list: range(0, 3)
0
1
2

Шаблон накопичення перетворює набір значень на одне підсумкове.

Поширений алгоритм, який можна побачити у програмах:
1. Надати початкове значення для накопичувальної змінної: нуль, порожній рядок або порожній список.
2. Оновлення змінної значеннями з колекції.

PYTHON

# Знайти суму перших 10 цілих чисел.
total = 0
for number in range(10):
   total = total + (number + 1)
print(total)

ВИВІД

Команда total = total + (number + 1) інтерпретується наступним чином:
- Додати 1 до поточного значення змінної циклу number.
- Додати це до поточного значення змінної-накопичувача total.
- Присвоїти результат змінній total, замінивши її поточне значення.
Ми маємо додавати number + 1, тому що range генерує значення 0..9, а не 1..10.

Вправа

Класифікація помилок

Чи є помилка відступу (indentation error) синтаксичною помилкою чи помилкою виконання?

Відповідь

IndentationError є синтаксичною помилкою. Програми з синтаксичними помилками неможливо запустити. Програма з помилкою виконання запускається, але за певних умов видається помилка.

Вправа

Відстеження виконання

Створіть таблицю: номери рядків, що виконуються під час роботи програми, та значення змінних після кожного кроку.

PYTHON

total = 0
for char in "tin":
    total = total + 1

Відповідь

Номер рядка	Значення змінних
1	total = 0
2	total = 0 char = ‘t’
3	total = 1 char = ‘t’
2	total = 1 char = ‘i’
3	total = 2 char = ‘i’
2	total = 2 char = ‘n’
3	total = 3 char = ‘n’

Вправа

Зміна порядку символів у рядку на зворотний

Заповніть порожні місця в програмі нижче, щоб вона друкувала “nit” (символи з вихідного рядку “tin” у зворотному порядку).

PYTHON

original = "tin"
result = ____
for char in original:
    result = ____
print(result)

Відповідь

PYTHON

original = "tin"
result = ""
for char in original:
    result = char + result
print(result)

Вправа

Практика використання шаблону накопичення

Заповніть порожні місця в програмі нижче, для створення зазначеного результату.

PYTHON

# Сума довжин рядків у списку: ["red", "green", "blue"] => 12
total = 0
for word in ["red", "green", "blue"]:
    ____ = ____ + len(word)
print(total)

Відповідь

PYTHON

total = 0
for word in ["red", "green", "blue"]:
    total = total + len(word)
print(total)

Вправа

Практика використання шаблону накопичення (continued)

PYTHON

# Список довжин слів: ["red", "green", "blue"] => [3, 5, 4]
lengths = ____
for word in ["red", "green", "blue"]:
    lengths.____(____)
print(lengths)

Відповідь

PYTHON

lengths = []
for word in ["red", "green", "blue"]:
    lengths.append(len(word))
print(lengths)

Вправа

Практика використання шаблону накопичення (continued)

PYTHON

# Об’єднайте всі слова: ["red", "green", "blue"] => "redgreenblue"
words = ["red", "green", "blue"]
result = ____
for ____ in ____:
    ____
print(result)

Відповідь

PYTHON

words = ["red", "green", "blue"]
result = ""
for word in words:
    result = result + word
print(result)

Вправа

Практика використання шаблону накопичення (continued)

Створіть акронім: За допомогою циклу for сформуйте акронім "RGB" зі списку ["red", "green", "blue"].

Підказка: Для правильного форматування акроніма може знадобитися один з методів, які визначені для рядків.

Відповідь

PYTHON

acronym = ""
for word in ["red", "green", "blue"]:
    acronym = acronym + word[0].upper()
print(acronym)

Вправа

Накопичувальна сума

Перегрупуйте та правильно розставте відступи в рядках коду нижче, щоб програма вивела новий список, у якому i-тий елемент є сумою усіх елементів з першого до i-го включно зі списку data. Результатом має бути [1, 3, 5, 10].

PYTHON

cumulative.append(total)
for number in data:
cumulative = []
total = total + number
total = 0
print(cumulative)
data = [1,2,2,5]

Відповідь

PYTHON

total = 0
data = [1,2,2,5]
cumulative = []
for number in data:
    total = total + number
    cumulative.append(total)
print(cumulative)

Вправа

Виявлення помилок в іменах змінних

Прочитайте наведений нижче код і спробуйте знайти помилки без запуску програми.
Запустіть код і прочитайте повідомлення про помилку. Як ви думаєте, який це тип NameError? Це рядок без лапок, змінна з орфографічною помилкою чи змінна, яку не було попередньо визначено?
Виправте помилку.
Повторюйте кроки 2 і 3, доки не виправите всі помилки.

PYTHON

for number in range(10):
    # використовуйте a, якщо число кратне 3, інакше використовуйте b
    if (Number % 3) == 0:
        message = message + a
    else:
        message = message + "b"
print(message)

Відповідь

Імена змінних у Python чутливі до регістру: number та Number вказують на різні змінні.
Змінна message має бути ініціалізована як порожній рядок.
Потрібно додати рядок з вмістом "a" до message, а не невизначену змінну a.

PYTHON

message = ""
for number in range(10):
    # використовуйте a, якщо число кратне 3, інакше використовуйте b
    if (number % 3) == 0:
        message = message + "a"
    else:
        message = message + "b"
print(message)

Вправа

Виявлення помилок індексації

Прочитайте наведений нижче код і спробуйте знайти помилки без запуску програми.
Запустіть код і прочитайте повідомлення про помилку. Який це тип помилки?
Виправте помилку.

PYTHON

seasons = ['Spring', 'Summer', 'Fall', 'Winter']
print('My favorite season is ', seasons[4])

Відповідь

Цей список має 4 елементи, тому індекс для доступу до останнього елемента у списку становить 3.

PYTHON

seasons = ['Spring', 'Summer', 'Fall', 'Winter']
print('My favorite season is ', seasons[3])

Ключові моменти

Цикл for виконує команди один раз для кожного значення в колекції.
Цикл for складається з колекції, змінної циклу та тіла циклу.
Перший рядок циклу for має закінчуватися двокрапкою, а тіло циклу має бути з відступом.
Відступи у Python завжди мають значення.
Змінні циклу можна назвати як завгодно (але бажано, щоб їх назва була змістовною).
Тіло циклу може містити багато операторів.
Використовуйте range для перебору послідовності чисел.
Шаблон накопичення перетворює набір значень на одне підсумкове.

Content from Умовні оператори

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 25 хвилин

Огляд

Питання

Як програми можуть виконувати різні дії для різних даних?

Цілі

Правильно писати програми, які використовують оператори if та else, та прості булеві вирази (без логічних операторів).
Відстежувати виконання невкладених умовних операторів і умовних операторів всередині циклів.

Використовуйте команди `if`, щоб контролювати, чи виконується блок коду.

Оператор if (правильна назва - умовний оператор) контролює, чи буде виконано певний блок коду.
Його синтаксис подібний до синтаксису оператора for:
- Перший рядок починається з `if’ і закінчується двокрапкою
- Блок коду оператора, що містить одну або кілька команд, має відступ (зазвичай на 4 пробіли)

PYTHON

mass = 3.54
if mass > 3.0:
    print(mass, 'is large')

mass = 2.07
if mass > 3.0:
    print (mass, 'is large')

ВИВІД

3.54 is large

Умовні оператори часто використовуються всередині циклів.

Немає особливого сенсу використовувати умовний оператор, коли ми знаємо точне значення (як у прикладі вище).
Але це корисно, коли у нас є колекція, яку треба проаналізувати.

PYTHON

masses = [3.54, 2.07, 9.22, 1.86, 1.71]
for m in masses:
    if m > 3.0:
        print(m, 'is large')

ВИВІД

3.54 is large
9.22 is large

Використовуйте `else` для виконання блоку коду, коли умова `if` не виконується.

else можна використовувати після if.
Це дозволяє вказати альтернативні дії, коли умова гілки if не виконується.

PYTHON

masses = [3.54, 2.07, 9.22, 1.86, 1.71]
for m in masses:
    if m > 3.0:
        print(m, 'is large')
    else:
        print(m, 'is small')

ВИВІД

3.54 is large
2.07 is small
9.22 is large
1.86 is small
1.71 is small

Використовуйте `elif` для додаткових перевірок.

У разі потреби можна надати кілька альтернативних варіантів, кожен з яких має власну умову для виконання.
Використовуйте elif (скорочення від “else if”) та відповідну умову для перевірки.
Завжди асоціюється з if.
Має йти перед else (що починає блок, який охоплює всі інші випадки).

PYTHON

masses = [3.54, 2.07, 9.22, 1.86, 1.71]
for m in masses:
    if m > 9.0:
        print(m, 'is HUGE')
    elif m > 3.0:
        print(m, 'is large')
    else:
        print(m, 'is small')

ВИВІД

3.54 is large
2.07 is small
9.22 is HUGE
1.86 is small
1.71 is small

Умови перевіряються один раз, послідовно.

Python послідовно проходить гілки умовного оператора, перевіряючи кожну по черзі.
Отже, порядок перевірки має значення.

PYTHON

grade = 85
if grade >= 90:
    print('grade is A')
elif grade >= 80:
    print('grade is B')
elif grade >= 70:
    print('grade is C')

ВИВІД

grade is B

Програма не повертається назад автоматично і не переоцінює значення, якщо вони змінюються.

PYTHON

velocity = 10.0
if velocity > 20.0:
    print('moving too fast')
else:
    print('adjusting velocity')
    velocity = 50.0

ВИВІД

adjusting velocity

Умовні оператори часто використовуються в циклі для послідовної зміни значень змінних.

PYTHON

velocity = 10.0
for i in range(5): # execute the loop 5 times
    print(i, ':', velocity)
    if velocity > 20.0:
        print('moving too fast')
        velocity = velocity - 5.0
    else:
        print('moving too slow')
        velocity = velocity + 10.0
print('final velocity:', velocity)

ВИВІД

0 : 10.0
moving too slow
1 : 20.0
moving too slow
2 : 30.0
moving too fast
3 : 25.0
moving too fast
4 : 20.0
moving too slow
final velocity: 30.0

Створіть таблицю зі значеннями змінних для відстеження виконання програми.

i	0	.	1	.	2	.	3	.	4	.
velocity	10.0	20.0	.	30.0	.	25.0	.	20.0	.	30.0

Програма повинна мати оператор print поза тілом циклу, щоб вивести кінцеве значення velocity, оскільки його значення оновлюється під час останньої ітерації циклу.

Примітка

Складені логічні вирази з використанням `and`, `or` та дужок

Часто потрібно перевірити, що виконується певна сукупність умов. Логічні вирази можна комбінувати в умовному операторі за допомогою and та or. Продовжуючи попередній приклад, застосуємо комбінацію перевірок значень зі списків mass та velocity в умовному операторі:

PYTHON

mass     = [ 3.54,  2.07,  9.22,  1.86,  1.71]
velocity = [10.00, 20.00, 30.00, 25.00, 20.00]

i = 0
for i in range(5):
    if mass[i] > 5 and velocity[i] > 20:
        print("Fast heavy object.  Duck!")
    elif mass[i] > 2 and mass[i] <= 5 and velocity[i] <= 20:
        print("Normal traffic")
    elif mass[i] <= 2 and velocity[i] <= 20:
        print("Slow light object.  Ignore it")
    else:
        print("Whoa!  Something is up with the data.  Check it")

Як і в арифметичних виразах, дужки слід використовувати скрізь, де може виникнути неоднозначність. Надійне правило: завжди розставляти дужки при одночасному використанні and та or в одній умові. Таким чином, замість:

PYTHON

if mass[i] <= 2 or mass[i] >= 5 and velocity[i] > 20:

слід використовувати один з наступних варіантів:

PYTHON

if (mass[i] <= 2 or mass[i] >= 5) and velocity[i] > 20:
if mass[i] <= 2 or (mass[i] >= 5 and velocity[i] > 20):

внаслідок чого читачеві (а також інтерпретатору Python) буде цілком зрозуміло, що ви насправді маєте на увазі.

Вправа

Відстеження виконання

Що надрукує ця програма?

PYTHON

pressure = 71.9
if pressure > 50.0:
    pressure = 25.0
elif pressure <= 50.0:
    pressure = 0.0
print(pressure)

Відповідь

ВИВІД

25.0

Вправа

Аналіз списку

Заповніть порожні поля в програмі таким чином, щоб результатом її виконання був новий список, у якому від’ємні елементи вихідного списку замінено на нулі, а додатні — на одиниці.

PYTHON

original = [-1.5, 0.2, 0.4, 0.0, -1.3, 0.4]
result = ____
for value in original:
    if ____:
        result.append(0)
    else:
        ____
print(result)

ВИВІД

[0, 1, 1, 1, 0, 1]

Відповідь

PYTHON

original = [-1.5, 0.2, 0.4, 0.0, -1.3, 0.4]
result = []
for value in original:
    if value < 0.0:
        result.append(0)
    else:
        result.append(1)
print(result)

Вправа

Вибіркова обробка файлів

Змініть цю програму так, щоб вона обробляла лише файли, які містять менше ніж 50 записів.

PYTHON

import glob
import pandas as pd
for filename in glob.glob('data/*.csv'):
    contents = pd.read_csv(filename)
    ____:
        print(filename, len(contents))

Відповідь

PYTHON

import glob
import pandas as pd
for filename in glob.glob('data/*.csv'):
    contents = pd.read_csv(filename)
    if len(contents) < 50:
        print(filename, len(contents))

Вправа

Ініціалізація

Змініть цю програму так, щоб знайти найбільше та найменше значення у списку незалежно від початкового діапазону значень.

PYTHON

values = [...деякі тестові дані...]
smallest, largest = None, None
for v in values:
    if ____:
        smallest, largest = v, v
    ____:
        smallest = min(____, v)
        largest = max(____, v)
print(smallest, largest)

Які переваги та недоліки притаманні цьому методу визначення діапазону даних?

Відповідь

PYTHON

values = [-2,1,65,78,-54,-24,100]
smallest, largest = None, None
for v in values:
    if smallest is None and largest is None:
        smallest, largest = v, v
    else:
        smallest = min(smallest, v)
        largest = max(largest, v)
print(smallest, largest)

Якщо ви напишете == None замість is None, це теж працює, але програмісти Python завжди пишуть is None через особливий спосіб обробки None у цій мові.

Можна стверджувати, що перевагою цього методу є краща читабельність коду. Однак недоліком є те, що цей код не є ефективним, оскільки в кожній ітерації циклу for виконуються ще два цикли, кожен з яких опрацьовує два числа (це функції min і max). Було б ефективніше опрацьовувати кожне число лише один раз:

PYTHON

values = [-2,1,65,78,-54,-24,100]
smallest, largest = None, None
for v in values:
    if smallest is None or v < smallest:
        smallest = v
    if largest is None or v > largest:
        largest = v
print(smallest, largest)

Тепер маємо один цикл, але чотири тестові порівняння. Подальше вдосконалення можливе двома шляхами: скоротити кількість порівнянь на кожній ітерації або використати два цикли, кожен з яких містить лише одне порівняння. Найпростіше рішення часто є найкращим:

PYTHON

values = [-2,1,65,78,-54,-24,100]
smallest = min(values)
largest = max(values)
print(smallest, largest)

Ключові моменти

Використовуйте оператор if, щоб контролювати, чи виконується відповідний блок коду.
Умовні оператори часто використовуються всередині циклів.
Використовуйте else для виконання блоку коду, коли умова if не виконується.
Використовуйте elif для визначення додаткових перевірок.
Умови перевіряються один раз, послідовно.
Створюйте таблицю зі значеннями змінних для відстеження виконання програми.

Content from Обробка багатьох файлів у циклі

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 15 хвилин

Огляд

Питання

Як обробляти багато наборів даних за допомогою однієї команди?

Цілі

Навчитися читати та писати вирази модулю glob, які визначають набори файлів.
Використовувати модуль glob для створення списків файлів
Створювати цикли for для виконання операцій зі списком файлів.

Використовуйте цикл `for` для послідовної обробки файлів, імена яких містяться у списку.

Ім’я файлу - це рядок символів.
Списки, своєю чергою, можуть містити рядки символів.

PYTHON

import pandas as pd
for filename in ['data/gapminder_gdp_africa.csv', 'data/gapminder_gdp_asia.csv']:
    data = pd.read_csv(filename, index_col='country')
    print(filename, data.min())

ВИВІД

data/gapminder_gdp_africa.csv gdpPercap_1952    298.846212
gdpPercap_1957    335.997115
gdpPercap_1962    355.203227
gdpPercap_1967    412.977514
⋮ ⋮ ⋮
gdpPercap_1997    312.188423
gdpPercap_2002    241.165877
gdpPercap_2007    277.551859
dtype: float64
data/gapminder_gdp_asia.csv gdpPercap_1952    331
gdpPercap_1957    350
gdpPercap_1962    388
gdpPercap_1967    349
⋮ ⋮ ⋮
gdpPercap_1997    415
gdpPercap_2002    611
gdpPercap_2007    944
dtype: float64

Використовуйте `glob.glob`, щоб знайти набори файлів, імена яких відповідають шаблону.

В Unix термін “globbing” означає “відповідність набору файлів шаблону”.
Найпоширеніші шаблони:
- * означає “відповідати нулю або більшій кількості символів”
- ? означає “відповідати в точності одному символу”
Стандартна бібліотека Python містить модуль glob для роботи з наборами файлів, які задані за допомогою шаблонів
Модуль glob містить функцію, яка також називається glob, для відбору файлів за шаблоном.
Наприклад, glob.glob('*.txt') знайде всі файли в поточному каталозі, імена яких закінчуються на .txt.
Результатом є (можливо, порожній) список рядків символів.

PYTHON

import glob
print('all csv files in data directory:', glob.glob('data/*.csv'))

ВИВІД

all csv files in data directory: ['data/gapminder_all.csv', 'data/gapminder_gdp_africa.csv', \
'data/gapminder_gdp_americas.csv', 'data/gapminder_gdp_asia.csv', 'data/gapminder_gdp_europe.csv', \
'data/gapminder_gdp_oceania.csv']

PYTHON

print('all PDB files:', glob.glob(' .pdb'))

ВИВІД

all PDB files: []

Використовуйте `glob` та `for` для обробки груп файлів.

Систематичне та послідовне іменування файлів — запорука ефективного пошуку за шаблонами.

PYTHON

for filename in glob.glob('data/gapminder_*.csv'):
    data = pd.read_csv(filename)
    print(filename, data['gdpPercap_1952'].min())

ВИВІД

data/gapminder_all.csv 298.8462121
data/gapminder_gdp_africa.csv 298.8462121
data/gapminder_gdp_americas.csv 1397.717137
data/gapminder_gdp_asia.csv 331.0
data/gapminder_gdp_europe.csv 973.5331948
data/gapminder_gdp_oceania.csv 10039.59564

Перелік має файл data/gapminder_all.csv з усіма даними, а також файли з даними по окремих регіонах.
У вправах нижче використовуйте більш точний шаблон. Це дозволить виключити загальний набір даних data/gapminder_all.csv і відібрати лише файли для окремих регіонів.
Слід зазначити, що мінімум у файлі data/gapminder_all.csv збігається з мінімумом одного з менших файлів. Це є гарною перевіркою результату.

Вправа

Розуміння шаблонів

Який із цих файлів не відповідає виразу glob.glob('data/*as*.csv')?

data/gapminder_gdp_africa.csv
data/gapminder_gdp_americas.csv
data/gapminder_gdp_asia.csv

Відповідь

Заданому шаблону не відповідає перший з файлів.

Вправа

Мінімальний розмір файлу

Змініть цю програму, щоб вона визначала та виводила мінімальну кількість записів серед усіх файлів.

PYTHON

import glob
import pandas as pd
fewest = ____
for filename in glob.glob('data/*.csv'):
    dataframe = pd.____(filename)
    fewest = min(____, dataframe.shape[0])
print('smallest file has', fewest, 'records')

Зверніть увагу, що метод DataFrame.shape() повертає кортеж (tuple), елементами якого є кількість рядків та кількість стовпців у датафреймі.

Відповідь

PYTHON

import glob
import pandas as pd
fewest = float('Inf')
for filename in glob.glob('data/*.csv'):
    dataframe = pd.read_csv(filename)
    fewest = min(fewest, dataframe.shape[0])
print('smallest file has', fewest, 'records')

Можна було б ініціалізувати змінну fewest числом, що перевищує всі числа у наборі даних, однак це може спричинити помилки при повторному використанні коду з більшими числами. Python дозволяє використати додатну нескінченність, яка буде працювати незалежно від значень ваших чисел. Які інші спеціальні рядки розпізнає функція float?

Вправа

Порівняння даних

Напишіть програму, яка читає регіональні набори даних і будує графік середнього ВВП на душу населення для кожного регіону в часі в одній діаграмі. Pandas видасть помилку, якщо зустріне при цьому нечислові стовпці, тому ви маєте або відфільтрувати ці стовпці, або вказати Pandas ігнорувати їх.

Відповідь

Це рішення створює корисну легенду за допомогою методу split для рядків для вилучення region зі шляху ’data/gapminder\_gdp\_a\_specific\_region.csv’.

PYTHON

import glob
import pandas as pd
import matplotlib.pyplot as plt
fig, ax = plt.subplots(1,1)
for filename in glob.glob('data/gapminder_gdp*.csv'):
    dataframe = pd.read_csv(filename)
    # Вилучаємо <region> з назви файлу, який має бути у форматі 'data/gapminder_gdp_<region>.csv'.
    # Розділимо рядок за допомогою методу split та роздільника `_`,
    # отримаємо останній рядок зі списку, який повертає split (`<region>.csv`),
    # а потім видалимо із цього рядка розширення `.csv`.
    # ПРИМІТКА: модуль pathlib, описаний у наступному блоці, також пропонує
    # зручні абстракції для роботи зі шляхами файлової системи і може вирішити це завдання:
    # from pathlib import Path
    # region = Path(filename).stem.split('_')[-1]
    region = filename.split('_')[-1][:-4]
    # Вилучаємо роки зі стовпців датафрейму
    headings = dataframe.columns[1:]
    years = headings.str.split('_').str.get(1)
    # Pandas видає помилку, коли зустрічає нечислові стовпці в обчисленнях з датафреймом,
    # але ми можемо вказати Pandas ігнорувати їх за допомогою параметра `numeric_only`
    dataframe.mean(numeric_only=True).plot(ax=ax, label=region)
    # ПРИМІТКА: інший спосіб — застосувати метод filter для вибору лише стовпців, що містять gdp у назві
    # dataframe.filter(like="gdp").mean().plot(ax=ax, label=region)
# Встановлюємо заголовок та підписи
ax.set_title('ВВП на душу населення для регіонів у часі')
ax.set_xticks(range(len(years)))
ax.set_xticklabels(years)
ax.set_xlabel('Рік')
plt.tight_layout()
plt.legend()
plt.show()

Примітка

Робота зі шляхами до файлів та каталогів

Модуль pathlib надає зручні інструменти для роботи з файлами та шляхами, наприклад отримання назви файлу без його розширення. Застосування цього модуля є особливо доцільним під час перегляду файлів і каталогів у циклах. Цей модуль дозволяє створювати обʼєкти, які відповідають файлам та шляхам, на відміну від звичайних рядків з іменами файлів та каталогів, які ми бачили вище. У прикладі нижче ми створюємо об’єкт типу Path і аналізуємо його атрибути.

PYTHON

from pathlib import Path

p = Path("data/gapminder_gdp_africa.csv")
print(p.parent)
print(p.stem)
print(p.suffix)

ВИВІД

data
gapminder_gdp_africa
.csv

Підказка: Перегляньте всі доступні атрибути та методи для об’єкта типу Path за допомогою функції dir().

Ключові моменти

Використовуйте цикл for для обробки файлів, імена яких містяться у списку.
Використовуйте glob.glob для пошуку наборів файлів, імена яких відповідають шаблону.
Використовуйте glob і for для обробки груп файлів.

Content from Післяобідня кава

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 0 хвилин

Вправа для рефлексії

За кавою подумайте та обговоріть наступне:

Поширений рефрен у програмній інженерії – “Не повторюйте себе”. Яким чином техніки, які ми вивчали на попередньому занятті, допомагають нам не повторюватися? Зверніть увагу, що на практиці це питання має певні нюанси й має бути збалансоване з прагненням до найпростішого можливого рішення, яке взагалі може працювати.
Якими є плюси / мінуси створення змінної як глобальної або локальної у функції?
В якому випадку перетворення блоку коду на функцію має сенс?

Content from Створення функцій

Останнє оновлення 2026-06-19 | Редагувати цю сторінку

Приблизний час: 25 хвилин

Огляд

Питання

Як створювати власні функції?

Цілі

Знайдіть і поясніть різницю між визначенням функції та викликом функції.
Створити функцію, яка приймає невелику фіксовану кількість вхідних аргументів і повертає єдиний результат.

Щоб програми було легше зрозуміти, розбивайте їх на функції.

Людина може одночасно зберігати лише декілька речей у своїй робочій пам’яті.
Розуміння складніших/більших ідей досягається шляхом осмислення та поєднання їхніх складових.
- Компоненти в машині.
- Леми при доведенні теорем.
Функції служать тій же меті в програмах.
- Інкапсулюють (тобто приховують) складність, щоб ми могли розглядати її як єдине “ціле”.
Також сприяють повторному використанню кода.
- Пишемо один раз, використовуємо багаторазово.

Функція визначається за допомогою `def` та задається її назвою, параметрами та блоком коду.

Визначення нової функції починається з def.
Далі йде назва функції.
- Назви функцій мають відповідати тим самим правилам, що й імена змінних.
Потім параметри в дужках.
- Порожні дужки, якщо функція не приймає жодних вхідних даних.
- Ми обговоримо це детально нижче.
Потім двокрапка.
Потім блок коду з відступом.

PYTHON

def print_greeting():
    print('Hello!')
    print('The weather is nice today.')
    print('Right?')

Визначення функції не виконує її.

Визначення функції не виконує її.
- Аналогічно до присвоєння значення змінній.
Щоб виконати код функції, її необхідно викликати.

PYTHON

print_greeting()

ВИВІД

Hello!

Аргументи виклику функції зіставляються з параметрами, з якими вона була визначена.

Функції найбільш корисні, коли вони можуть працювати з різними даними.
Укажіть параметри під час визначення функції.
- Вони стають змінними під час виконання функції.
- Параметрам присвоюються значення аргументів виклику (тобто значення, передані у функцію).
- Якщо ви не називаєте аргументи під час їх використання у виклику, аргументи будуть зіставлені з параметрами в тому порядку, у якому параметри визначені у функції.

PYTHON

def print_date(year, month, day):
    joined = str(year) + '/' + str(month) + '/' + str(day)
    print(joined)

print_date(1871, 3, 19)

ВИВІД

1871/3/19

Ми також можемо назвати аргументи під час виклику, що дозволяє передавати їх у довільному порядку та підвищує читабельність виклику. В іншому випадку під час читання коду може виникнути непорозуміння, наприклад, який аргумент йде другим: місяць або день.

PYTHON

print_date(month=3, day=19, year=1871)

ВИВІД

1871/3/19

Корисна аналогія (https://twitter.com/minisciencegirl/status/693486088963272705): () містить інгредієнти для функції, тоді як тіло містить рецепт.

Функції можуть повертати результат свого виклику за допомогою `return`.

Використовуйте return ... для повернення результату виклику функції.
Може виникнути будь-де у функції.
Але функції легше зрозуміти, якщо return зустрічається:
- На початку функції для обробки особливих випадків.
- У самому кінці з остаточним результатом.

PYTHON

def average(values):
    if len(values) == 0:
        return None
    return sum(values) / len(values)

PYTHON

a = average([1, 3, 4])
print('average of actual values:', a)

ВИВІД

average of actual values: 2.6666666666666665

PYTHON

print('average of empty list:', average([]))

ВИВІД

average of empty list: None

Пам’ятайте: кожна функція щось повертає.
Функція, яка не містить return явно, автоматично повертає None.

PYTHON

result = print_date(1871, 3, 19)
print('result of call is:', result)

ВИВІД

1871/3/19
result of call is: None

Вправа

Виявлення синтаксичних помилок

Прочитайте наведений нижче код і спробуйте знайти помилки без його запуску.
Запустіть код і прочитайте повідомлення про помилку. Це SyntaxError чи IndentationError?
Виправте помилку.
Повторюйте кроки 2 та 3 доки не виправите всі помилки.

PYTHON

def another_function
  print("Syntax errors are annoying.")
   print("But at least python tells us about them!")
  print("So they are usually not too hard to fix.")

Відповідь

PYTHON

def another_function():
  print("Syntax errors are annoying.")
  print("But at least Python tells us about them!")
  print("So they are usually not too hard to fix.")

Вправа

Визначення та використання

Що друкує наступна програма?

PYTHON

def report(pressure):
    print('pressure is', pressure)

print('calling', report, 22.5)

Відповідь

ВИВІД

calling <function report at 0x7fd128ff1bf8> 22.5

Виклик функції завжди потребує круглі дужки, інакше повертається адреса об’єкта функції в пам’яті. Отже, якщо ми хочемо викликати функцію з назвою report і надати їй значення 22,5 для обробки, виклик функції матиме такий вигляд:

PYTHON

print("calling")
report(22.5)

ВИВІД

calling
pressure is 22.5

Вправа

Порядок виконання операцій

Що не так у цьому прикладі?

PYTHON

result = print_time(11, 37, 59)

def print_time(hour, minute, second):
   time_string = str(hour) + ':' + str(minute) + ':' + str(second)
   print(time_string)

Після виправлення проблеми вище поясніть, чому виконання цього прикладу:

PYTHON

result = print_time(11, 37, 59)
print('result of call is:', result)

дає такий результат:

ВИВІД

11:37:59
result of call is: None

Чому результатом виклику є None?

Відповідь

Проблема цього прикладу полягає в тому, що функція print_time() визначається після виклику функції. Python не може розпізнати ім’я print_time оскільки воно ще не визначено і генерує помилку NameError, тобто NameError: name 'print_time' is not defined
Перший рядок виводу 11:37:59 з’являється завдяки першому рядку коду result = print_time(11, 37, 59). Він викликає функцію print_time і присвоює повернуте нею значення змінній result. Другий рядок є результатом наступного виклику функції print, який виводить вміст змінної result.
print_time() явно не повертає значення за допомогою return, тому автоматично повертає None.

Вправа

Згортання коду у функцію

Заповніть порожні поля, щоб створити функцію, яка приймає одне ім’я файлу як аргумент і завантажує дані з цього файлу. Функція має повертати мінімальне значення з цих даних.

PYTHON

import pandas as pd

def min_in_data(____):
    data = ____
    return ____

Відповідь

PYTHON

import pandas as pd

def min_in_data(filename):
    data = pd.read_csv(filename)
    return data.min()

Вправа

Пошук першого від’ємного значення

Заповніть порожні поля, щоб створити функцію, яка приймає список чисел як аргумент і повертає перше від’ємне значення в списку. Що робить ваша функція, якщо список порожній? Що відбувається, якщо список не містить жодного від’ємного числа?

PYTHON

def first_negative(values):
    for v in ____:
        if ____:
            return ____

Відповідь

PYTHON

def first_negative(values):
    for v in values:
        if v < 0:
            return v

Якщо до функції передати порожній список або список з лише додатними значеннями, вона повертає None:

PYTHON

my_list = []
print(first_negative(my_list))

ВИВІД

None

Вправа

Виклик з іменованими аргументами

Раніше ми розглядали цю функцію:

PYTHON

def print_date(year, month, day):
    joined = str(year) + '/' + str(month) + '/' + str(day)
    print(joined)

Ми бачили, що можна викликати функцію за допомогою *іменованих аргументів *, наприклад:

PYTHON

print_date(day=1, month=2, year=2003)

Що друкує print_date(day=1, month=2, year=2003)?
Коли ви раніше бачили подібний виклик функції?
За яких умов і з якою метою доцільно використовувати іменовані аргументи при виклику функцій?

Відповідь

2003/2/1
Ми бачили приклади використання іменованих аргументів під час роботи з бібліотекою pandas. Наприклад, під час читання набору даних за допомогою data = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country'), останній аргумент index_col є іменованим аргументом.
Використання іменованих аргументів покращує читабельність коду — з виклику функції можна побачити, які імена мають аргументи всередині функції. Це також зменшує ймовірність передачі аргументів у неправильному порядку, оскільки при використанні іменованих аргументів порядок не має значення.

Вправа

Винесення блоку If/Print в окрему функцію

Наведений нижче код призначений для друку етикеток для курячих яєць. Цифрові ваги повідомляють комп’ютер про масу курячого яйця (у грамах), після чого комп’ютер друкує етикетку.

PYTHON

import random
for i in range(10):

    # імітація маси курячого яйця
    # маса має випадкове значення у диапазоні 70 +/- 20 грамів
    mass = 70 + 20.0 * (2.0 * random.random() - 1.0)

    print(mass)

    # друк етикетки машиною для сортування яєць
    if mass >= 85:
        print("jumbo")
    elif mass >= 70:
        print("large")
    elif mass < 70 and mass >= 55:
        print("medium")
    else:
        print("small")

Блок if, який класифікує яйця, може бути корисним в інших ситуаціях. Щоб уникнути його повторення доцільно виділити його в окрему функцію get_egg_label(). Переписавши програму з використанням зазначеної функції, отримаємо такий результат:

PYTHON

# revised version
import random
for i in range(10):

    # імітація маси курячого яйця
    # маса має випадкове значення у диапазоні 70 +/- 20 грамів
    mass = 70 + 20.0 * (2.0 * random.random() - 1.0)

    print(mass, get_egg_label(mass))

Створіть функцію print_egg_label(), яка працюватиме з новою версією програми, наведеною вище. Зверніть увагу на значення, яке повертає функція get_egg_label(). Зразок виводу програми вище буде 71.23 large.
Брудне яйце може мати масу понад 90 грамів, а зіпсоване чи розбите яйце, ймовірно, матиме масу менше ніж 50 грамів. Змініть функцію print_egg_label() для врахування цих умов. Можливий вивід програми: 25 too light, probably spoiled.

Відповідь

PYTHON

def get_egg_label(mass):
    # друк етикетки машиною для сортування яєць
    egg_label = "Unlabelled"
    if mass >= 90:
        egg_label = "warning: egg might be dirty"
    elif mass >= 85:
        egg_label = "jumbo"
    elif mass >= 70:
        egg_label = "large"
    elif mass < 70 and mass >= 55:
        egg_label = "medium"
    elif mass < 50:
        egg_label = "too light, probably spoiled"
    else:
        egg_label = "small"
    return egg_label

Вправа

Функція для аналізу даних

Припустимо, що був виконаний наступний код:

PYTHON

import pandas as pd

data_asia = pd.read_csv('data/gapminder_gdp_asia.csv', index_col=0)
japan = data_asia.loc['Japan']

Заповніть наведені нижче пропуски. Результатом має бути середній ВВП Японії за роками, які присутні у наборі даних та належать до 1980-х.

PYTHON

year = 1983
gdp_decade = 'gdpPercap_' + str(year // ____)
avg = (japan.loc[gdp_decade + ___] + japan.loc[gdp_decade + ___]) / 2

Перетворіть наведений вище код в окрему функцію.

PYTHON

def avg_gdp_in_decade(country, continent, year):
    data_countries = pd.read_csv('data/gapminder_gdp_'+___+'.csv',delimiter=',',index_col=0)
    ____
    ____
    ____
    return avg

Як узагальнити функцію, якщо роки у стовпцях заздалегідь невідомі? Наприклад, якщо набір даних також містить роки, що закінчуються на 1 та 9 для кожного десятиліття? (Підказка: використовуйте стовпці, щоб відфільтрувати їх за десятиліттям.)

Відповідь

Середній ВВП Японії по відзвітованих роках з 1980-тих обчислюється за допомогою:

PYTHON

year = 1983
gdp_decade = 'gdpPercap_' + str(year // 10)
avg = (japan.loc[gdp_decade + '2'] + japan.loc[gdp_decade + '7']) / 2

Цей код як функція:

PYTHON

def avg_gdp_in_decade(country, continent, year):
    data_countries = pd.read_csv('data/gapminder_gdp_' + continent + '.csv', index_col=0)
    c = data_countries.loc[country]
    gdp_decade = 'gdpPercap_' + str(year // 10)
    avg = (c.loc[gdp_decade + '2'] + c.loc[gdp_decade + '7'])/2
    return avg

Щоб отримати середнє значення за відповідні роки, нам потрібно застосувати цикл:

PYTHON

def avg_gdp_in_decade(country, continent, year):
    data_countries = pd.read_csv('data/gapminder_gdp_' + continent + '.csv', index_col=0)
    c = data_countries.loc[country]
    gdp_decade = 'gdpPercap_' + str(year // 10)
    total = 0.0
    num_years = 0
    for yr_header in c.index: # індекс c містить звітні роки
        if yr_header.startswith(gdp_decade):
            total = total + c.loc[yr_header]
            num_years = num_years + 1
    return total/num_years

Ця функція тепер може викликатися наступним чином:

PYTHON

avg_gdp_in_decade('Japan','asia',1983)

ВИВІД

20880.023800000003

Вправа

Моделювання динамічної системи

У математиці динамічна система - це система, у якій функція описує залежність розташування точки в геометричному просторі від часу. Канонічний приклад динамічної системи - це логістичне відображення, тобто модель зростання, яка обчислює нову щільність популяції (від 0 до 1) на основі її поточного значення. В цій моделі час приймає дискретні значення 0, 1, 2, … (тобто змінюється кроками, а не плавно)

Визначте функцію під назвою logistic_map, яка приймає два аргументи: x, що представляє популяцію в момент часу t, та параметр r=1. Ця функція має повертати значення, що представляє стан системи (популяції) у момент часу t + 1, використовуючи наступну функцію:

f(t+1) = r * f(t) * [1 - f(t)]

Використовуючи цикл for або while, повторюйте виклик функції logistic_map, визначеної в частині 1. Початкове значення густини популяції становить 0.5, а часовий інтервал — t_final = 10. Зберігайте проміжні результати в списку, щоб після завершення циклу ви накопичили послідовність значень, що представляють стан системи в моменти часу t = [0,1,...,t_final] (11 значень в цілому). Виведіть цей список, щоб побачити, як змінюється популяція з часом.
Помістить цей цикл у функцію під назвою iterate, яка отримує три вхідні параметри: початкове значення густини популяції, t_final та r. Функція має повертати список значень, що представляють стан системи в моменти часу t = [0,1,...,t_final]. Виконайте цю функцію для періодів t_final = 100 та 1000, і виведіть деякі з отриманих значень. Чи рухається популяція до стабільного стану?

Відповідь

PYTHON

def logistic_map(x, r):
    return r * x * (1 - x)

PYTHON

initial_population = 0.5
t_final = 10
r = 1.0
population = [initial_population]

for t in range(t_final):
    population.append( logistic_map(population[t], r) )

PYTHON

def iterate(initial_population, t_final, r):
    population = [initial_population]
    for t in range(t_final):
        population.append( logistic_map(population[t], r) )
    return population

for period in (10, 100, 1000):
    population = iterate(0.5, period, 1)
    print(population[-1])

ВИВІД

0.06945089389714401
0.009395779870614648
0.0009913908614406382

Здається, популяція наближається до нуля.

Примітка

Використання функцій з умовними операторами в Pandas

Функції часто містять перевірку умов. Нижче наведено короткий приклад, що визначає належність аргументу до певного квартиля на основі попередньо заданих граничних значень квартилів.

PYTHON

def calculate_life_quartile(exp):
    if exp < 58.41:
        # Це спостереження знаходиться в першому квартилі
        return 1
    elif exp >= 58.41 and exp < 67.05:
        # Це спостереження знаходиться у другому квартилі
       return 2
    elif exp >= 67.05 and exp < 71.70:
        # Це спостереження знаходиться у третьому квартилі
       return 3
    elif exp >= 71.70:
        # Це спостереження знаходиться в четвертому квартилі
       return 4
    else:
        # Це спостереження містить невірні дані
       return None

calculate_life_quartile(62.5)

ВИВІД

Зазвичай така функція використовується всередині циклу for. Але Pandas має інший, більш ефективний спосіб робити те саме - застосування функції до датафрейму або його частини. Розглянемо приклад, використовуючи наведене вище визначення функції.

PYTHON

data = pd.read_csv('data/gapminder_all.csv')
data['life_qrtl'] = data['lifeExp_1952'].apply(calculate_life_quartile)

У другому рядку коду багато цікавого, тож розберімо його по частинах. Праворуч від = ми починаємо з data['lifeExp'] — це стовпець датафрейму data, що має мітку lifExp. Ми використовуємо apply(), щоб застосувати функцію calculate_life_quartile до усіх значень цього стовпця.

Ключові моменти

Розбивайте програми на функції, щоб їх було легше зрозуміти.
Функції визначаються за допомогою def з назвою, параметрами та блоком коду.
Визначення функції не запускає її.
Аргументи виклику функції зіставляються з її визначеними параметрами.
Функції можуть повертати результат свого виклику за допомогою return.

Content from Область видимості змінної

Останнє оновлення 2026-07-01 | Редагувати цю сторінку

Приблизний час: 20 хвилин

Огляд

Питання

Як насправді працюють виклики функцій?
Як можна визначити, де виникають помилки?

Цілі

Розрізняти локальні та глобальні змінні.
Розглядання параметрів як локальних змінних.
Аналіз повідомлень про помилки (traceback) та визначення файлу, функції й номера рядка, де виникла помилка, тип помилки та текстове повідомлення про неї.

Область видимості змінної - це частина програми, яка може “бачити” цю зміну.

Кількість змістовних імен для змінних є обмеженою.
Користувачі функцій не повинні турбуватися про те, які імена змінних обрав автор функції.
Автори функцій не повинні турбуватися про те, які імена змінних використовує код, що здійснює виклик функції.
Частина програми, в якій змінна є видимою, називається її областю.

PYTHON

pressure = 103.9

def adjust(t):
    temperature = t * 1.43 / pressure
    return temperature

pressure – це глобальна змінна.
- Визначається поза будь-якою конкретною функцією.
- Є видимою у будь-якому місці програми.
Змінні t та temperature є локальними у межах функції adjust.
- Визначені всередині функції.
- Не є видимими у головній програмі.
- Нагадування: параметр функції – це змінна, якій автоматично присвоюється значення під час виклику функції.

PYTHON

print('adjusted:', adjust(0.9))
print('temperature after call:', temperature)

ВИВІД

adjusted: 0.01238691049085659

ПОМИЛКА

Traceback (most recent call last):
  File "/Users/swcarpentry/foo.py", line 8, in <module>
    print('temperature after call:', temperature)
NameError: name 'temperature' is not defined

Обговорення

Використання локальних і глобальних змінних

Відстежте значення всіх змінних у цій програмі під час її виконання. (Використовуйте ‘—’ як значення змінних до моменту їх створення та після того, як вони припиняють існувати.)

PYTHON

limit = 100

def clip(value):
    return min(max(0.0, value), limit)

value = -22.5
print(clip(value))

Вправа

Читання повідомлень про помилки

Прочитайте наведене нижче повідомлення про помилку та визначте наступне:

Скільки рівнів вкладеності відображає це повідомлення?
Як називається файл, у якому сталася помилка?
Як називається функція, у якій сталася помилка?
В якому рядку цієї функції виникла помилка?
Який тип помилки?
Яке повідомлення про помилку?

ПОМИЛКА

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-2-e4c4cbafeeb5> in <module>()
      1 import errors_02
----> 2 errors_02.print_friday_message()

/Users/ghopper/thesis/code/errors_02.py in print_friday_message()
     13
     14 def print_friday_message():
---> 15     print_message("Friday")

/Users/ghopper/thesis/code/errors_02.py in print_message(day)
      9         "sunday": "Aw, the weekend is almost over."
     10     }
---> 11     print(messages[day])
     12
     13

KeyError: 'Friday'

Відповідь

Три рівні.
errors_02.py
print_message
Рядок 11
KeyError. Ці помилки виникають при спробі звернутися до ключа, який не існує (зазвичай в структурі даних на кшталт словника). Докладніше про KeyError та інші вбудовані винятки див. документацію Python.
KeyError: 'Friday'

Ключові моменти

Область видимості змінної - це частина програми, яка може “бачити” цю зміну.

Content from Стиль програмування

Останнє оновлення 2026-07-01 | Редагувати цю сторінку

Приблизний час: 30 хвилин

Огляд

Питання

Як я можу зробити свої програми більш читабельними?
Як більшість програмістів форматують свій код?
Яким чином програми можуть самостійно перевіряти, що вони працюють правильно?

Цілі

Дотримуйтесь основних правил стилю кодування.
Виконуйте рефакторинг односторінкових програм, щоб зробити їх більш читабельними та обґрунтувати зміни.
Дотримуйтесь стандартів кодування, прийнятих у спільноті користувачів Python (PEP-8).

Стиль кодування

Дотримання послідовного стилю кодування сприяє кращому розумінню коду іншими особами (зокрема нами самими в майбутньому). Код читається набагато частіше, ніж пишеться, і, як стверджує Дзен Python, “читабельність має значення”. Стандартний стиль для Python було запропоновано в одному з перших документів PEP (Python Enhancement Proposal), PEP8.

Варто відзначити такі моменти:

документуйте ваш код, чітко зазначаючи припущення, внутрішні алгоритми, очікувані вхідні та вихідні дані тощо
використовуйте зрозумілі, змістовні назви змінних
для відступів використовуйте пробіли, а не табуляцію (табуляція може призводити до проблем у різних текстових редакторах, операційних системах і системах контролю версій)

Дотримуйтеся стандартного стилю Python у своєму коді.

PEP8: рекомендації зі стилю Python, що описують такі аспекти, як назви змінних, відступи в коді, структуру операторів import тощо. Дотримання стандарту PEP8 сприяє кращому розумінню коду іншими розробниками Python, а також розумінню того, яким має бути формат їхнього внеску.
Щоб перевірити свій код на відповідність PEP8, можна використовувати [застосунок pycodestyle](https://pypi.org/project/pycodestyle/, який повідомляє про порушення стилю. Такі інструменти, як black code formatter, можуть автоматично виправити форматування коду відповідно до PEP8 (для Jupyter notebook існує nb_black).
Деякі групи та організації застосовують інші стандарти стилю, відмінні від PEP8. Наприклад, настанови Google зі стилю Python містять дещо інші рекомендації. Google створила застосунок під назвою yapf, який може допомогти вам форматувати код відповідно до стилю Google або PEP8.
Щодо стилю кодування, ключовим фактором є послідовність. Оберіть стиль для свого проєкту (PEP8, стиль Google або інший) і подбайте про те, щоб ви та інші учасники команди дотримувалися його. Послідовність у проєкті зазвичай впливає сильніше, ніж вибір конкретного стилю. Послідовний стиль полегшує читання та розуміння коду іншими розробниками, а також вами самими в майбутньому.

Застосовуйте твердження для виявлення внутрішніх помилок.

Твердження (assertions) — простий, але дієвий спосіб переконатися, що контекст виконання коду відповідає вашим очікуванням.

PYTHON

def calc_bulk_density(mass, volume):
    '''Повертає щільність сухої речовини = маса / об'єм.'''
    assert volume > 0
    return mass / volume

Якщо твердження має значення False, інтерпретатор Python викличе виняток AssertionError під час виконання програми. Вихідний код виразу, що спричинив помилку, виводиться як частина повідомлення про помилку. Щоб ігнорувати твердження у вашому коді, запустіть інтерпретатор з опцією ‘-O’ (оптимізація). Твердження повинні містити лише прості перевірки та ніколи не змінювати стан програми. Наприклад, твердження ніколи не повинне містити присвоєння.

Використовуйте рядки документації (docstrings) для створення вбудованої довідки.

У випадку, коли першим елементом тіла функції є рядок символів, який не присвоєно жодній змінній, Python автоматично прив’язує його до функції у вигляді атрибута. Цей атрибут стає доступним за допомогою вбудованої функції help. Цей рядок, що забезпечує документацію, також відомий як docstring.

PYTHON

def average(values):
    "Повертає середнє значення або None, якщо значення не надано."

    if len(values) == 0:
        return None
    return sum(values) / len(values)

help(average)

ВИВІД

Help on function average in module __main__:

average(values)
    Повертає середнє значення або None, якщо значення не надано.

Примітка

Багаторядкові рядки

Часто для документації використовуються багаторядкові рядки. Такі рядки починаються трьома символами лапок (одинарними чи подвійними) та закінчуються трьома відповідними символами.

PYTHON

"""Цей рядок охоплює
кілька рядків.

Порожні рядки дозволені."""

Обговорення

Що буде показано?

Виділіть в коді нижче рядки, які будуть доступні як онлайн-довідка. Чи є рядки, які мають бути доступні, але не будуть зображатися? Чи призведе якийсь із рядків до синтаксичної помилки або помилки виконання?

PYTHON

"Знаходить максимальну відстань редагування між кількома послідовностями."
# Знаходить максимальну відстань між усіма послідовностями.

def overall_max(sequences):
    '''Визначає загальну максимальну відстань редагування.'''

    highest = 0
    for left in sequences:
        for right in sequences:
            '''Уникаємо порівняння послідовності із самою собою.''
            if left != right:
                this = edit_distance(left, right)
                highest = max(highest, this)

    # Повертаємо результат.
    return highest

Вправа

Створюємо документацію

Застосовуйте коментарі для опису та пояснення розділів коду або окремих рядків, що можуть бути неінтуїтивно зрозумілими для інших. Вони є особливо корисними для будь-кого, хто матиме потребу зрозуміти та відредагувати ваш код у майбутньому, зокрема для вас самих.

Застосовуйте рядки документації для опису допустимих вхідних даних та очікуваних вихідних даних методу чи класу, а також їхнього призначення, припущень і передбачуваної поведінки. Рядки документації зображаються, коли користувач викликає вбудований метод help для вашого методу або класу.

Перетворіть коментар у наступній функції на рядок документації та переконайтеся, що команда help правильно його відображає.

PYTHON

def middle(a, b, c):
    # Повертає середнє значення для трьох величин.
    # Передбачається, що значення можна порівняти.
    values = [a, b, c]
    values.sort()
    return values[1]

Відповідь

PYTHON

def middle(a, b, c):
    '''Повертає середнє значення для трьох величин.
    Передбачається, що значення можна порівняти.'''
    values = [a, b, c]
    values.sort()
    return values[1]

Вправа

Зробіть цей код більш зрозумілим

Прочитайте цю коротку програму та спробуйте передбачити, що вона робить.
Запустіть її: наскільки точним було ваше передбачення?
Переробіть програму, щоб зробити її більш читабельною. Не забувайте запускати її після кожної зміни, щоб переконатися, що її поведінка не змінилася.
Порівняйте свій код з результатом когось іншого. Що ви зробили так само? Що ви зробили інакше і чому?

PYTHON

n = 10
s = 'et cetera'
print(s)
i = 0
while i < n:
    # print('at', j)
    new = ''
    for j in range(len(s)):
        left = j-1
        right = (j+1)%len(s)
        if s[left]==s[right]: new = new + '-'
        else: new = new + '*'
    s=''.join(new)
    print(s)
    i += 1

Відповідь

Ось один з варіантів рішення.

PYTHON

def string_machine(input_string, iterations):
    """
    На вхід поступає input_string. Далі генерується новий рядок із символами "-" та "*",
    що відповідають символам, які мають або не мають ідентичні сусідні
    символи, відповідно. Ця процедура повторюється з отриманими рядками з
    попереднього кроку задану кількість разів.
    """
    print(input_string)
    input_string_length = len(input_string)
    old = input_string
    for i in range(iterations):
        new = ''
        # перебираються символи в рядку old.
        for j in range(input_string_length):
            left = j-1
            right = (j+1) % input_string_length  # перший символ є суміжним для останнього
            if old[left] == old[right]:
                new = new + '-'
            else:
                new = new + '*'
        print(new)
        # Рядок new зберігається як old
        old = new     

string_machine('et cetera', 10)

ВИВІД

et cetera
*****-***
----*-*--
---*---*-
--*-*-*-*
**-------
***-----*
--**---**
*****-***
----*-*--
---*---*-

Ключові моменти

Дотримуйтеся стандартного стилю Python у своєму коді.
Використовуйте рядки документів для надання вбудованої довідки.

Content from Підбиття підсумків

Останнє оновлення 2026-07-01 | Редагувати цю сторінку

Приблизний час: 20 хвилин

Огляд

Питання

Що саме ми вивчили?
Що ще існує в екосистемі мови Python, і де це можна знайти?

Цілі

Назвіть і знайдіть сайти наукової спільноти Python, присвячені програмному забезпеченню, семінарам і допомозі користувачам.

Leslie Lamport once said, “Writing is nature’s way of showing you how sloppy your thinking is.” Те саме стосується програмування: багато речей, які здаються очевидними, коли ми думаємо про них, виявляються зовсім іншим, коли ми маємо точно їх пояснити.

Навколо Python сформувалася велика й різноманітна спільнота користувачів в академічних і промислових колах.

Документація з Python 3 охоплює основні поняття мови програмування та стандартну бібліотеку Python.
PyCon є найбільшою щорічною конференцією для спільноти Python.
SciPy - пакет, який надає багато наукових інструментів. Це також назва серії щорічних конференцій.
Jupyter - це офіційний сайт проєкту Jupyter.
Pandas - це офіційний сайт бібліотеки Pandas для роботи з даними.
Розділ Stack Overflow, приcвячений Python, може бути корисним, так само як і розділи, присвячені NumPy, SciPy, та Pandas.

Ключові моменти

Навколо Python сформувалася велика й різноманітна спільнота користувачів в академічних і промислових колах.

Content from Зворотний зв'язок

Останнє оновлення 2026-06-18 | Редагувати цю сторінку

Приблизний час: 15 хвилин

Огляд

Питання

Як пройшов урок?

Цілі

Зібрати відгуки про заняття

Зберіть відгуки про заняття

Ключові моменти

Ми постійно прагнемо покращити цей курс.

Все на одній сторінці

Огляд

Питання

Цілі

Початок роботи з JupyterLab

JupyterLab? А чому не Jupyter Notebook?

Початок роботи з JupyterLab

macOS - командний рядок

BASH

Користувачі Windows - Командний рядок

BASH

Anaconda Navigator

Інтерфейс JupyterLab

Панель меню

Ядра

Ліва бічна панель

Основна робоча область

Створення скрипту Python

Створення блокноту Jupyter

Як це зберігається

Упорядкування документів в панелях вкладок

Рішення

Код або текст?

Jupyter Notebook має командний режим та режим редагування.

Командний режим або режим редагування

Рішення

Використовуйте клавіатуру та мишу для виділення та редагування комірок.

Jupyter Notebook підтримує мову розмітки текстів Markdown.

Markdown робить більшість того, що можна зробити у HTML.

Заголовок першого рівня

Заголовок другого рівня (тощо)

Створення списків в Markdown

Рішення

Більше математики

PYTHON

Рішення

PYTHON

Зміна типу вже наявної комірки з Code на Markdown

PYTHON

Рішення

PYTHON

Рівняння

Рішення

Вихід з JupyterLab

Вихід з JupyterLab

Огляд

Питання

Цілі

Використовуйте змінні для зберігання значень.

PYTHON

Використовуйте print для виведення значень.

PYTHON

ВИВІД

Змінні мають бути створені перед їх використанням.

PYTHON

ПОМИЛКА

Змінні зберігаються між комірками

PYTHON

PYTHON

Змінні можна використовувати для обчислень.

PYTHON

ВИВІД

Використовуйте індекс, щоб отримати один символ із рядка.

PYTHON

ВИВІД

Використовуйте зріз, щоб отримати підрядок.

PYTHON

ВИВІД

Використовуйте вбудовану функцію len, щоб знайти довжину рядка.

PYTHON

ВИВІД

Python чутливий до регістру.

Використовуйте змістовні назви змінних.

PYTHON

Заміна значень

PYTHON

Рішення

ВИВІД

Прогнозування значень

PYTHON

Використовуйте `print` для виведення значень.

Використовуйте вбудовану функцію `len`, щоб знайти довжину рядка.

Вбудована функція `type` повертає тип значення.