Побудова графіків і програмування на Python: Все на одній сторінці

Content from Запуск та завершення роботи

Останнє оновлення 2025-10-12 | 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

Виноска

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.

Виноска

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

Виноска

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.

Виноска

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.

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 2025-04-03 | 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')

ВИХІД

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.

Виноска

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)

ВИХІД

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])

ВИХІД

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])

ВИХІД

sod

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

PYTHON

print(len('helium'))

ВИХІД

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

ВИХІД

# 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)

ВИХІД

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])

ВИХІД

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

ВИХІД

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 2025-04-03 | 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))

ВИХІД

<class 'int'>

PYTHON

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

ВИХІД

<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)

ВИХІД

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)

ВИХІД

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)

ВИХІД

==========

Рядки мають довжину (але числа її не мають).

Вбудована функція len повертає кількість символів у рядку.

PYTHON

print(len(full_name))

ВИХІД

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')

ВИХІД

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)

ВИХІД

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)

ВИХІД

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))

ВИХІД

<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))

ВИХІД

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)

ВИХІД

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)

ВИХІД

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))

ВИХІД

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")

ВИХІД

---------------------------------------------------------------------------
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"))

ВИХІД

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)

ВИХІД

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 2025-10-12 | 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')

ВИХІД

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)

ВИХІД

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'))

ВИХІД

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)

ВИХІД

Ми можемо вказати потрібну кількість десяткових знаків після крапки.

PYTHON

round(3.712, 1)

ВИХІД

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)

ВИХІД

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

ВИХІД

False
HELLO WORLD
True

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

Кожна вбудована функція має онлайн-документацію.

PYTHON

help(round)

ВИХІД

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))

ВИХІД

PYTHON

print(max(rich, poor))

ВИХІД

tin

PYTHON

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

ВИХІД

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]

Виноска

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 2025-10-12 | 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 2025-04-24 | 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.

Виноска

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))

ВИХІД

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)

ВИХІД

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))

ВИХІД

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))

ВИХІД

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

ВИХІД

---------------------------------------------------------------------------
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 2025-10-12 | 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)

ВИХІД

       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.

Виноска

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)

ВИХІД

             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()

ВИХІД

<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.
- So do not use () to try to call it.
Called a member variable, or just member.

PYTHON

print(data_oceania_country.columns)

ВИХІД

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.
Like columns, it is a member variable.

PYTHON

print(data_oceania_country.T)

ВИХІД

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() gets the summary statistics of only the columns that have numerical data. All other columns are ignored, unless you use the argument include='all'.

PYTHON

print(data_oceania_country.describe())

ВИХІД

       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

Not particularly useful with just two records, but very helpful when there are thousands.

Вправа

Читання інших даних

Read the data in gapminder_gdp_americas.csv (which should be in the same directory as gapminder_gdp_oceania.csv) into a variable called data_americas and display its summary statistics.

Рішення

Щоб зчитати CSV-файл, ми використовуємо функцію pd.read_csv і передаємо їй ім’я файлу ‘data/gapminder_gdp_americas.csv’ як аргумент. We also once again pass the column name 'country' to the parameter index_col in order to index by country. The summary statistics can be displayed with the DataFrame.describe() method.

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) і help(data_americas.tail), щоб дізнатися про призначення команд DataFrame.head і 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.)

Рішення

We can check out the first five rows of data_americas by executing data_americas.head() which lets us view the beginning of the DataFrame. 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)

ВИХІД

          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

To check out the last three rows of data_americas, we would use the command, americas.tail(n=3), analogous to head() used above. Однак тут ми хочемо переглянути останні три стовпці, отже, нам потрібно змінити подання інформації, а потім використати tail(). To do so, we create a new DataFrame in which rows and columns are switched:

PYTHON

americas_flipped = data_americas.T

We can then view the last three columns of americas by viewing the last three rows of americas_flipped:

PYTHON

americas_flipped.tail(n=3)

ВИХІД

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

This shows the data that we want, but we may prefer to display three columns instead of three rows, so we can flip it back:

PYTHON

americas_flipped.tail(n=3).T

Note: we could have done the above in a single line of code by ‘chaining’ the commands:

PYTHON

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

Вправа

Reading Files in Other Directories

The data for your current project is stored in a file called microbes.csv, which is located in a folder called field_data. You are doing analysis in a notebook called analysis.ipynb in a sibling folder called thesis:

ВИХІД

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

Які значення потрібно передати в read_csv, щоб прочитати microbes.csv у analysis.ipynb?

Рішення

We need to specify the path to the file of interest in the call to pd.read_csv. По-перше, потрібно «вистрибнути» з теки thesis за допомогою ‘../’, а потім зайти у теку field_data за допомогою ‘field_data/’. Після цього вказати назву файлу `microbes.csv. The result is as follows:

PYTHON

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

Вправа

Запис даних

As well as the read_csv function for reading data from a file, Pandas provides a to_csv function to write dataframes to files. Applying what you’ve learned about reading from files, write one of your dataframes to a file called processed.csv. Ви можете скористатися help, щоб отримати інформацію про застосування to_csv.

Рішення

In order to write the DataFrame data_americas to a file called processed.csv, execute the following command:

PYTHON

americas.to_csv('processed.csv')

For help on read_csv or to_csv, you could execute, for example:

PYTHON

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

Зауважте, що команди help(to_csv) або help(pd.to_csv) є помилковими! This is due to the fact that to_csv is not a global Pandas function, but a member function of DataFrames. This means you can only call it on an instance of a DataFrame e.g., data_americas.to_csv or data_oceania.to_csv

Ключові моменти

Use the Pandas library to get basic statistics out of tabular data.
Використовуйте index_col, щоб вказати, що значення стовпця мають використовуватися як заголовки рядків.
Use DataFrame.info to find out more about a dataframe.
The DataFrame.columns variable stores information about the dataframe’s columns.
Use DataFrame.T to transpose a dataframe.
Використовуйте DataFrame.describe, щоб отримати зведену статистику даних.

Content from Фрейми даних Pandas

Останнє оновлення 2025-10-12 | Редагувати цю сторінку

Приблизний час: 30 хвилин

Огляд

Питання

Як я можу виконати статистичний аналіз табличних даних?

Цілі

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

Зауваження щодо Pandas DataFrames/Series

A DataFrame is a collection of Series; The DataFrame is the way Pandas represents a table, and Series is the data-structure Pandas use to represent a column.

Pandas is built on top of the Numpy library, which in practice means that most of the methods defined for Numpy Arrays apply to Pandas Series/DataFrames.

What makes Pandas so attractive is the powerful interface to access individual records of the table, proper handling of missing values, and relational-databases operations between DataFrames.

Вибір значень

To access a value at the position [i,j] of a DataFrame, we have two options, depending on what is the meaning of i in use. Remember that a DataFrame provides an index as a way to identify the rows of the table; a row, then, has a position inside the table as well as a label, which uniquely identifies its entry in the DataFrame.

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])

ВИХІД

1601.056136

Use `DataFrame.loc[..., ...]` to select values by their (entry) label.

Можна вказати розташування по рядку та/або імені стовпця.

PYTHON

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

ВИХІД

1601.056136

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

Це відповідає звичайному синтаксису зрізів у Python.

PYTHON

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

ВИХІД

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"])

ВИХІД

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"]
Also get the same result printing data.gdpPercap_1952 (not recommended, because easily confused with . notation for methods)

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

PYTHON

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

ВИХІД

             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 має обидва виміри, на відміну від зрізу із застосуванням iloc, де зріз включає все, крім кінцевого індексу.

Результат зрізу можна використовувати в подальших операціях.

Usually don’t just print a slice.
Усі статистичні оператори, які працюють зі цілими фреймами даних, так само працюють зі зрізами.
Наприклад, обчислення максимальної кількості за стовпцями зрізу.

PYTHON

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

ВИХІД

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())

ВИХІД

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 фрейм даних подібної форми, що містить True і False.

PYTHON

# Use a subset of data to keep output readable.
subset = data.loc['Italy':'Poland', 'gdpPercap_1962':'gdpPercap_1972']
print('Subset of data:\n', subset)

# Which values were greater than 10000 ?
print('\nWhere are values large?\n', subset > 10000)

ВИХІД

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

Виберіть значення або NaN за допомогою булевої маски.

A frame full of Booleans is sometimes called a mask because of how it can be used.

PYTHON

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

ВИХІД

             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

Отримайте значення, якщо маска є істинною, і NaN (не число), якщо вона хибна.
Це зручно, оскільки операції на кшталт max, min, average автоматично ігнорують значення NaN.

PYTHON

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

ВИХІД

       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

Групувати за: розділити - застосувати - комбінувати

::::::::::::::::::::::::::::::::::::: instructor 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:

It uses implicit conversion between boolean and float values which has not been covered in the course so far.
The axis=1 argument needs to be explained clearly. :::::::::::::::::::::::::::::::::::::::::::::::::

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)

ВИХІД

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

Finally, for each group in the wealth_score table, we sum their (financial) contribution across the years surveyed using chained methods:

PYTHON

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

ВИХІД

          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.

Рішення

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

ВИХІД

9786.534714

Вправа

Extent of Slicing

Чи дають два наведені нижче твердження однаковий результат?
Based on this, what rule governs what is included (or not) in numerical slices and named slices in Pandas?

PYTHON

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

Рішення

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

ВИХІД

        gdpPercap_1952  gdpPercap_1957
country
Albania     1601.056136     1942.284244
Austria     6137.076492     8842.598030

Друге твердження дає:

ВИХІД

        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

Clearly, the second statement produces an additional column and an additional row compared to the first statement.
Який висновок ми можемо зробити? We see that a numerical slice, 0:2, omits the final index (i.e. index 2) in the range provided, while a named slice, ‘gdpPercap_1952’:‘gdpPercap_1962’, includes the final element.

Вправа

Реконструювання даних

Поясніть, що робить кожен рядок у наступній короткій програмі: що в first, second, etc.?

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')

Рішення

Let’s go through this piece of code line by line.

PYTHON

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

В цьому рядку дані про ВВП з усіх країн завантажуються у фрейм даних first. The index_col='country' parameter selects which column to use as the row labels in the dataframe.

PYTHON

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

This line makes a selection: only those rows of first for which the ‘continent’ column matches ‘Americas’ are extracted. 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 фрейму даних second. The resulting dataframe third has one row less than the original dataframe second.

PYTHON

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

Знову ми застосовуємо функцію drop, але в цьому випадку ми видаляємо не рядок, а цілий стовпець. To accomplish this, we need to specify also the axis parameter (we want to drop the second column which has index 1).

PYTHON

fourth.to_csv('result.csv')

The final step is to write the data that we have been working on to a csv file. Pandas makes this easy with the to_csv() function. Єдиним обов’язковим аргументом для функції є ім’я файлу. Note that the file will be written in the directory from which you started the Jupyter or Python session.

Вправа

Вибір індексів

Поясніть простими словами, що роблять idxmin і idxmax у короткій програмі нижче. When would you use these methods?

PYTHON

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

Рішення

For each column in data, idxmin will return the index value corresponding to each column’s minimum; idxmax will do accordingly the same for each column’s maximum value.

You can use these functions whenever you want to get the row index of the minimum/maximum value and not the actual minimum/maximum value.

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.
GDP per capita for all countries for years after 1985.
GDP per capita for each country in 2007 as a multiple of GDP per capita for that country in 1952.

Рішення

PYTHON

data['gdpPercap_1982']

PYTHON

data.loc['Denmark',:]

PYTHON

data.loc[:,'gdpPercap_1985':]

Pandas is smart enough to recognize the number at the end of the column label and does not give you an error, although no column named gdpPercap_1985 actually exists. This is useful if new columns are added to the CSV file later.

PYTHON

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

Вправа

Багато способів доступу

There are at least two ways of accessing a value or slice of a DataFrame: by name or index. However, there are many others. Наприклад, можна отримати окремий стовпець або рядок як DataFrame або Series об’єкт.

Запропонуйте різні способи виконання наступних операцій з фреймами даних:

Доступ до одного стовпця
Доступ до одного рядку
Доступ до окремого елемента фрейму даних
Доступ до декількох стовпців
Доступ до декількох рядків
Доступ до підмножини визначених рядків і стовпців
Доступ до підмножини рядків і діапазонів стовпців

Рішення

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 фрейму даних:

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 визначених рядків і стовпців

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 рядків і діапазонів 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()`

Python includes a dir() function that can be used to display all of the available methods (functions) that are built into a data object. In Episode 4, we used some methods with a string. But we can see many more are available by using dir():

PYTHON

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

Ця команда повертає:

PYTHON

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

You can use help() or Shift+Tab to get more information about what these methods do.

Assume Pandas has been imported and the Gapminder GDP data for Europe has been loaded as data. Then, use dir() to find the function that prints out the median per-capita GDP across all European countries for each year that information is available.

Рішення

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

PYTHON

data.median()

Обговорення

Інтерпретація

Poland’s borders have been stable since 1945, but changed several times in the years before then. How would you handle this if you were creating a table of GDP per capita for Poland for the entire twentieth century?

Ключові моменти

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

Content from Побудова графіків

Останнє оновлення 2025-10-12 | 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 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.

Виноска

Display All Open Figures

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 ініціюється з термінала, 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 Pandas dataframes.

Для побудови графіків можна також використовувати фрейми даних 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.

For example, do a bar plot using a fancier style.

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.

Get Australia data from dataframe

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 ($)')

Виноска

Додавання легенди

Often when plotting multiple datasets on the same figure it is desirable to have a legend describing the data.

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
Use either plt.scatter or 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

Мінімум та максимум

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)

Рішення

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)

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)?

Рішення

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')

No particular correlations can be seen between the minimum and maximum GDP values year on year. Здається, статки азійських країн не зростають і не падають разом.

Вправа

Співвідношення (continued)

You might note that the variability in the maximum is much higher than that of the minimum. 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())

Рішення

Seems the variability in this value is due to a sharp drop after 1972. Some geopolitics at play perhaps? Given the dominance of oil producing countries, maybe the Brent crude index would make an interesting comparison? У той час як М’янма постійно має найнижчий ВВП, країна з найвищим ВВП змінюється більш помітно.

Вправа

Більше кореляцій

This short program creates a plot showing the correlation between GDP and life expectancy for 2007, normalizing marker size by population:

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.

Рішення

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

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

x and y - A column name or index that determines what data will be placed on the x and y axes of the plot

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

Виноска

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 фреймів даних дані часто генеруються та виводяться на екрані однією лінією. 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')

Виноска

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 перевіряйте, що ваш текст достатньо великий для читання. Використовуйте параметр fontsize в xlabel, ylabel, title, та legend, а також tick_params з labelsize щоб збільшити розмір чисел на ваших осях.
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.
Побудова графіків можлива безпосередньо з використанням фреймів даних Pandas.
Побудова графіків включає виділення та трансформацію даних.
Many styles of plot are available: see the Python Graph Gallery for more options.
Can plot many sets of data together.

Content from Ланч

Останнє оновлення 2025-10-12 | 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 фреймах даних Pandas? Чи відповідатимуть ваші дані цим вимогам?
З якими обмеженнями або проблемами ви можете зустрітися, якщо спробуєте застосувати набуті знання до ваших власних проєктів або даних?

Content from Списки

Останнє оновлення 2025-10-12 | Редагувати цю сторінку

Приблизний час: 20 хвилин

Огляд

Питання

Як зберігати декілька значень?

Цілі

Поясніть, навіщо програмам потрібні набори значень.
Напишіть програми, які створюють списки, індексують їх, а також розрізають і змінюють їх через присвоювання значень та виклик методів.

Список є структурою даних, яка містить в собі багато значень.

Doing calculations with a hundred variables called pressure_001, pressure_002, etc., would be at least as slow as doing them by hand.
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))

ВИХІД

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

Щоб отримати елемент списку, використовуйте його індекс.

Just like strings.

PYTHON

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

ВИХІД

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('pressures is now:', pressures)

ВИХІД

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('primes is initially:', primes)
primes.append(7)
print('primes has become:', primes)

ВИХІД

primes is initially: [2, 3, 5]
primes has become: [2, 3, 5, 7]

append is a method of lists.
- Методи подібні функціям, але вони прив’язані до певних об’єктів.
Для виклику методів використовується синтаксис object_name.method_name .
- Deliberately resembles the way we refer to things in a library.
По ходу роботи ми познайомимося з іншими методами, визначеними для списків.
- Use help(list) for a preview.
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)

ВИХІД

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]]

Note that while extend maintains the “flat” structure of the list, appending a list to a list means the last element in primes will itself be a list, not an integer. Lists can contain values of any type; therefore, lists of lists are possible.

Use `del` to remove items from a list entirely.

We use del list_name[index] to remove an element from a list (in the example, 9 is not a prime number) and thus shorten it.
del - це оператор мови програмування, а не функція і не метод.

PYTHON

primes = [2, 3, 5, 7, 9]
print('primes before removing last item:', primes)
del primes[4]
print('primes after removing last item:', primes)

ВИХІД

primes before removing last item: [2, 3, 5, 7, 9]
primes after removing last item: [2, 3, 5, 7]

Порожній список не містить жодних значень.

Use [] on its own to represent a list that doesn’t contain any values.
- Порожній список - це “нуль списків.”
Корисно у якості початкової точки для введення 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('zeroth character:', element[0])
print('third character:', element[3])

ВИХІД

zeroth character: c
third character: b

Рядки символів незмінні.

Неможливо змінити символи в рядку після його створення.
- Immutable: can’t be changed after creation.
- In contrast, lists are mutable: they can be modified in place.
Python considers the string to be a single value with parts, not a collection of values.

PYTHON

element[0] = 'C'

ПОМИЛКА

TypeError: 'str' object does not support item assignment

Lists and character strings are both collections.

Indexing beyond the end of the collection is an error.

Python reports an IndexError if we attempt to access a value that doesn’t exist.
- This is a kind of runtime error.
- Cannot be detected as the code is parsed because the index might be calculated based on data.

PYTHON

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

ВИХІД

IndexError: string index out of range

Вправа

Fill in the Blanks

Fill in the blanks so that the program below produces the output shown.

PYTHON

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

ВИХІД

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

Рішення

PYTHON

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

Вправа

Наскільки є великим зріз?

If start and stop are both non-negative integers, how long is the list values[start:stop]?

Рішення

The list values[start:stop] has up to stop - start elements. For example, values[1:4] has the 3 elements values[1], values[2], and values[3]. Why ‘up to’? As we saw in episode 2, if stop is greater than the total length of the list values, we will still get a list back but it will be shorter than expected.

Вправа

Від рядків до списків і назад.

Given this:

PYTHON

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

ВИХІД

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

What does list('some string') do?
What does '-'.join(['x', 'y', 'z']) generate?

Рішення

list('some string') converts a string into a list containing all of its characters.
join returns a string that is the concatenation of each string element in the list and adds the separator between each element in the list. This results in x-y-z. The separator between the elements is the string that provides this method.

Вправа

Working With the End

Що друкує наступна програма?

PYTHON

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

How does Python interpret a negative index?
If a list or string has N elements, what is the most negative index that can safely be used with it, and what location does that index represent?
If values is a list, what does del values[-1] do?
How can you display all elements but the last one without changing values? (Hint: you will need to combine slicing and negative indexing.)

Рішення

The program prints m.

Python interprets a negative index as starting from the end (as opposed to starting from the beginning). The last element is -1.
The last index that can safely be used with a list of N elements is element -N, which represents the first element.
del values[-1] removes the last element from the list.
values[:-1]

Вправа

Перехід по списку

Що друкує наступна програма?

PYTHON

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

If we write a slice as low:high:stride, what does stride do?
What expression would select all of the even-numbered items from a collection?

Рішення

The program prints

PYTHON

furn
eniroulf

stride is the step size of the slice.
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

Границі зрізу

Що друкує наступна програма?

PYTHON

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

Рішення

ВИХІД

lithium

The first statement prints the whole string, since the slice goes beyond the total length of the string. The second statement returns an empty string, because the slice goes “out of bounds” of the string.

Вправа

Sort and Sorted

Що друкують ці дві програми? Простими словами поясніть 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)

Рішення

Program A prints

ВИХІД

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

Program B prints

ВИХІД

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

sorted(letters) returns a sorted copy of the list letters (the original list letters remains unchanged), while letters.sort() sorts the list letters in-place and does not return anything.

Вправа

Копіювання (чи ні)

Що друкують ці дві програми? Простими словами поясніть 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)

Показати відповіді

Program A prints

ВИХІД

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

Program B prints

ВИХІД

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

new = old makes new a reference to the list old; new and old point towards the same object.

new = old[:] however creates a new list object new containing all elements from the list old; new and old are different objects.

Ключові моменти

A list stores many values in a single structure.
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.
Індексація після кінця колекції є помилкою.

Content from For Loops

Останнє оновлення 2025-10-12 | Редагувати цю сторінку

Приблизний час: 25 хвилин

Огляд

Питання

How can I make a program do many things?

Цілі

Поясніть, для чого зазвичай використовуються цикли for.
Проаналізуйте виконання простого (невкладеного) циклу та правильно вкажіть значення змінних у кожній ітерації.
Напишіть цикли for, які використовують шаблон накопичувача для агрегування значень.

A for loop executes commands once for each value in a collection.

Doing calculations on the values in a list one by one is as painful as working with pressure_001, pressure_002, etc.
A for loop tells Python to execute some statements once for each value in a list, a character string, or some other collection.
“for each thing in this group, do these operations”

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:

ВИХІД

2
3
5

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

PYTHON

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

The collection, [2, 3, 5], is what the loop is being run on.
Тіло циклу, print(number), визначає, що робити для кожного значення в колекції.
Змінна циклу, number, змінюється для кожної ітерації циклу.
- The “current thing”.

The first line of the `for` loop must end with a colon, and the body must be indented.

The colon at the end of the first line signals the start of a block of statements.
Python uses indentation rather than {} or begin/end to show nesting.
- Будь-який послідовний відступ є допустимим, але майже усі використовують чотири пробіли.

PYTHON

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

ПОМИЛКА

IndentationError: expected an indented block

Indentation is always meaningful in Python.

PYTHON

firstName = "Jon"
  lastName = "Smith"

ПОМИЛКА

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

This error can be fixed by removing the extra spaces at the beginning of the second line.

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)

The body of a loop can contain many statements.

But no loop should be more than a few lines long.
Людям важко запам’ятати великі фрагменти коду.

PYTHON

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

ВИХІД

2 4 8
3 9 27
5 25 125

Використовуйте `range` для перебору послідовності чисел.

Вбудована функція range створює послідовність чисел.
- Not a list: the numbers are produced on demand to make looping over large ranges more efficient.
range(N) is the numbers 0..N-1
- Exactly the legal indices of a list or character string of length N

PYTHON

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

ВИХІД

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

The Accumulator pattern turns many values into one.

A common pattern in programs is to:
1. Initialize an accumulator variable to zero, the empty string, or the empty list.
2. Update the variable with values from a collection.

PYTHON

# Sum the first 10 integers.
total = 0
for number in range(10):
   total = total + (number + 1)
print(total)

ВИХІД

Read total = total + (number + 1) as:
- Add 1 to the current value of the loop variable number.
- Add that to the current value of the accumulator variable total.
- Assign that to total, replacing the current value.
We have to add number + 1 because range produces 0..9, not 1..10.

Вправа

Classifying Errors

Is an indentation error a syntax error or a runtime error?

Показати відповіді

An IndentationError is a syntax error. Programs with syntax errors cannot be started. A program with a runtime error will start but an error will be thrown under certain conditions.

Вправа

Tracing Execution

Create a table showing the numbers of the lines that are executed when this program runs, and the values of the variables after each line is executed.

PYTHON

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

Показати відповіді

Line no	Variables
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

Reversing a String

Fill in the blanks in the program below so that it prints “nit” (the reverse of the original character string “tin”).

PYTHON

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

Показати відповіді

PYTHON

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

Вправа

Practice Accumulating

Fill in the blanks in each of the programs below to produce the indicated result.

PYTHON

# Total length of the strings in the list: ["red", "green", "blue"] => 12
total = 0
for word in ["red", "green", "blue"]:
    ____ = ____ + len(word)
print(total)

Показати відповіді

PYTHON

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

Вправа

Practice Accumulating (continued)

PYTHON

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

Показати відповіді

PYTHON

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

Вправа

Practice Accumulating (continued)

PYTHON

# Concatenate all words: ["red", "green", "blue"] => "redgreenblue"
words = ["red", "green", "blue"]
result = ____
for ____ in ____:
    ____
print(result)

Показати відповіді

PYTHON

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

Вправа

Practice Accumulating (continued)

Create an acronym: Starting from the list ["red", "green", "blue"], create the acronym "RGB" using a for loop.

Hint: You may need to use a string method to properly format the acronym.

Показати відповіді

PYTHON

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

Вправа

Cumulative Sum

Reorder and properly indent the lines of code below so that they print a list with the cumulative sum of data. The result should be [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]

Показати відповіді

PYTHON

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

Вправа

Identifying Variable Name Errors

Read the code below and try to identify what the errors are without running it.
Run the code and read the error message. What type of NameError do you think this is? Is it a string with no quotes, a misspelled variable, or a variable that should have been defined but was not?
Fix the error.
Repeat steps 2 and 3, until you have fixed all the errors.

PYTHON

for number in range(10):
    # use a if the number is a multiple of 3, otherwise use b
    if (Number % 3) == 0:
        message = message + a
    else:
        message = message + "b"
print(message)

Показати відповіді

Python variable names are case sensitive: number and Number refer to different variables.
The variable message needs to be initialized as an empty string.
We want to add the string "a" to message, not the undefined variable a.

PYTHON

message = ""
for number in range(10):
    # use a if the number is a multiple of 3, otherwise use b
    if (number % 3) == 0:
        message = message + "a"
    else:
        message = message + "b"
print(message)

Вправа

Identifying Item Errors

Read the code below and try to identify what the errors are without running it.
Run the code, and read the error message. What type of error is it?
Fix the error.

PYTHON

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

Показати відповіді

This list has 4 elements and the index to access the last element in the list is 3.

PYTHON

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

Ключові моменти

A for loop executes commands once for each value in a collection.
A for loop is made up of a collection, a loop variable, and a body.
The first line of the for loop must end with a colon, and the body must be indented.
Indentation is always meaningful in Python.
Loop variables can be called anything (but it is strongly advised to have a meaningful name to the looping variable).
The body of a loop can contain many statements.
Use range to iterate over a sequence of numbers.
The Accumulator pattern turns many values into one.

Content from Умовні оператори

Останнє оновлення 2025-10-12 | Редагувати цю сторінку

Приблизний час: 25 хвилин

Огляд

Питання

How can programs do different things for different data?

Цілі

Правильно писати програми, які використовують оператори if та else, та прості булеві вирази (без логічних операторів).
Trace the execution of unnested conditionals and conditionals inside loops.

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

An if statement (more properly called a conditional statement) controls whether some block of code is executed or not.
Його синтаксис подібний до синтаксису оператора for:
- Перший рядок починається з `if’ і закінчується двокрапкою
- Body containing one or more statements is indented (usually by 4 spaces)

PYTHON

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

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

ВИХІД

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 для обробки.

PYTHON

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

ВИХІД

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 альтернативу для виконання, 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')

ВИХІД

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

Використовуйте `elif` для визначення додаткових перевірок.

May want to provide several alternative choices, each with its own test.
Use elif (short for “else if”) and a condition to specify these.
Завжди асоціюється з if.
Must come before the else (which is the “catch all”).

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')

ВИХІД

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

Conditions are tested once, in order.

Python послідовно проходить гілки умовного оператора, перевіряючи кожну по черзі.
Отже, порядок 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')

ВИХІД

grade is B

Does not automatically go back and re-evaluate if values change.

PYTHON

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

ВИХІД

adjusting velocity

Often use conditionals in a loop to “evolve” the values of variables.

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)

ВИХІД

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

The program must have a print statement outside the body of the loop to show the final value of velocity, since its value is updated by the last iteration of the loop.

Виноска

Compound Relations Using `and`, `or`, and Parentheses

Often, you want some combination of things to be true. You can combine relations within a conditional using and and or. Continuing the example above, suppose you have

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")

Just like with arithmetic, you can and should use parentheses whenever there is possible ambiguity. A good general rule is to always use parentheses when mixing and and or in the same condition. That is, instead of:

PYTHON

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

write one of these:

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):

so it is perfectly clear to a reader (and to Python) what you really mean.

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

ВИХІД

25.0

Вправа

Обрізання значень

Fill in the blanks so that this program creates a new list containing zeroes where the original list’s values were negative and ones where the original list’s values were positive.

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)

ВИХІД

[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

Обробка малих файлів

Modify this program so that it only processes files with fewer than 50 records.

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

Modify this program so that it finds the largest and smallest values in the list no matter what the range of values originally is.

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)

What are the advantages and disadvantages of using this method to find the range of the data?

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)

If you wrote == None instead of is None, that works too, but Python programmers always write is None because of the special way None works in the language.

It can be argued that an advantage of using this method would be to make the code more readable. However, a disadvantage is that this code is not efficient because within each iteration of the for loop statement, there are two more loops that run over two numbers each (the min and max functions). It would be more efficient to iterate over each number just once:

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)

Now we have one loop, but four comparison tests. There are two ways we could improve it further: either use fewer comparisons in each iteration, or use two loops that each contain only one comparison test. The simplest solution is often the best:

PYTHON

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

Ключові моменти

Use if statements to control whether or not a block of code is executed.
Умовні оператори часто використовуються всередині циклів.
Use else to execute a block of code when an if condition is not true.
Використовуйте elif для визначення додаткових перевірок.
Conditions are tested once, in order.
Create a table showing variables’ values to trace a program’s execution.

Content from Looping Over Data Sets

Останнє оновлення 2025-10-12 | Редагувати цю сторінку

Приблизний час: 15 хвилин

Огляд

Питання

How can I process many data sets with a single command?

Цілі

Навчіться читати та писати вирази модулю glob, які відповідають наборам файлів.
Використовуйте модуль glob для створення списків файлів
Напишіть цикли for для виконання операцій над файлами, зазначеними в списку.

Use a `for` loop to process files given a list of their names.

Ім’я файлу - це рядок символів.
І списки 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())

ВИХІД

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”.
The most common patterns are:
- * означає “відповідати нулю або більшій кількості символів”
- ? означає “відповідати в точності одному символу”
Python містить бібліотеку glob для забезпечення функції зіставлення шаблонів
Бібліотека glob містить функцію, яка також називається glob для відповідності шаблонам файлів.
E.g., glob.glob('*.txt') matches all files in the current directory whose names end with .txt.
Результатом є (можливо, порожній) список рядків символів.

PYTHON

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

ВИХІД

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'))

ВИХІД

all PDB files: []

Використовуйте `glob` і `for` для обробки пакетів файлів.

Helps a lot if the files are named and stored systematically and consistently so that simple patterns will find the right data.

PYTHON

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

ВИХІД

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

Це включає всі дані, а також дані по регіонах.
Використовуйте більш конкретний шаблон у вправах, щоб виключити весь набір даних.
But note that the minimum of the entire data set is also the minimum of one of the data sets, which is a nice check on correctness.

Вправа

Визначення збігів

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

Показати відповіді

1 is not matched by the glob.

Вправа

Мінімальний розмір файлу

Modify this program so that it prints the number of records in the file that has the fewest records.

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')

Note that the DataFrame.shape() method returns a tuple with the number of rows and columns of the data frame.

Рішення

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')

You might have chosen to initialize the fewest variable with a number greater than the numbers you’re dealing with, but that could lead to trouble if you reuse the code with bigger numbers. Python lets you use positive infinity, which will work no matter how big your numbers are. What other special strings does the float function recognize?

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 will raise an error if it encounters non-numeric columns in a dataframe computation so you may need to either filter out those columns or tell pandas to ignore them.

Показати відповіді

This solution builds a useful legend by using the string split method to extract the region from the path ’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)
    # extract <region> from the filename, expected to be in the format 'data/gapminder_gdp_<region>.csv'.
    # we will split the string using the split method and `_` as our separator,
    # retrieve the last string in the list that split returns (`<region>.csv`), 
    # and then remove the `.csv` extension from that string.
    # NOTE: the pathlib module covered in the next callout also offers
    # convenient abstractions for working with filesystem paths and could solve this as well:
    # from pathlib import Path
    # region = Path(filename).stem.split('_')[-1]
    region = filename.split('_')[-1][:-4]
    # extract the years from the columns of the dataframe 
    headings = dataframe.columns[1:]
    years = headings.str.split('_').str.get(1)
    # pandas raises errors when it encounters non-numeric columns in a dataframe computation
    # but we can tell pandas to ignore them with the `numeric_only` parameter
    dataframe.mean(numeric_only=True).plot(ax=ax, label=region)
    # NOTE: another way of doing this selects just the columns with gdp in their name using the filter method
    # dataframe.filter(like="gdp").mean().plot(ax=ax, label=region)
# set the title and labels
ax.set_title('GDP Per Capita for Regions Over Time')
ax.set_xticks(range(len(years)))
ax.set_xticklabels(years)
ax.set_xlabel('Year')
plt.tight_layout()
plt.legend()
plt.show()

Виноска

Dealing with File Paths

The pathlib module provides useful abstractions for file and path manipulation like returning the name of a file without the file extension. This is very useful when looping over files and directories. In the example below, we create a Path object and inspect its attributes.

PYTHON

from pathlib import Path

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

ВИХІД

data
gapminder_gdp_africa
.csv

Hint: Check all available attributes and methods on the Path object with the dir() function.

Ключові моменти

Use a for loop to process files given a list of their names.
Use glob.glob to find sets of files whose names match a pattern.
Використовуйте glob і for для обробки пакетів файлів.

Content from Післяобідня кава

Останнє оновлення 2025-10-12 | Редагувати цю сторінку

Приблизний час: 0 хвилин

Reflection exercise

За кавою подумайте та обговоріть наступне:

A common refrain in software engineering is “Don’t Repeat Yourself”. How do the techniques we’ve learned in the last lessons help us avoid repeating ourselves? Note that in practice there is some nuance to this and should be balanced with doing the simplest thing that could possibly work.
What are the pros / cons of making a variable global or local to a function?
When would you consider turning a block of code into a function definition?

Content from Writing Functions

Останнє оновлення 2025-10-12 | Редагувати цю сторінку

Приблизний час: 25 хвилин

Огляд

Питання

How can I create my own functions?

Цілі

Explain and identify the difference between function definition and function call.
Напишіть функцію, яка використовує невелику фіксовану кількість вхідних аргументів, а видає єдиний результат.

Розбийте програми на функції, щоб їх було легше зрозуміти.

Human beings can only keep a few items in working memory at a time.
Understand larger/more complicated ideas by understanding and combining pieces.
- Компоненти в машині.
- Леми при доведенні теорем.
Функції служать тій же меті в програмах.
- Encapsulate complexity so that we can treat it as a single “thing”.
Also enables re-use.
- Write one time, use many times.

Define a function using `def` with a name, parameters, and a block of code.

Почніть визначення нової функції з def.
Далі йде назва функції.
- Назви функцій мають відповідати тим самим правилам, що й імена змінних.
Then parameters in parentheses.
- Порожні дужки, якщо функція не приймає жодних вхідних даних.
- We will discuss this in detail in a moment.
Потім двокрапка.
Потім блок коду з відступом.

PYTHON

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

Визначення функції не запускає її.

Defining a function does not run it.
- Як присвоєння значення змінній.
Необхідно викликати функцію, щоб виконати код, який вона містить.

PYTHON

print_greeting()

ВИХІД

Hello!

Arguments in a function call are matched to its defined parameters.

Функції найбільш корисні, коли вони можуть працювати з різними даними.
Укажіть параметри під час визначення функції.
- Вони стають змінними під час виконання функції.
- Are assigned the arguments in the call (i.e., the values passed to the function).
- If you don’t name the arguments when using them in the call, the arguments will be matched to parameters in the order the parameters are defined in the function.

PYTHON

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

print_date(1871, 3, 19)

ВИХІД

1871/3/19

Or, we can name the arguments when we call the function, which allows us to specify them in any order and adds clarity to the call site; otherwise as one is reading the code they might forget if the second argument is the month or the day for example.

PYTHON

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

ВИХІД

1871/3/19

Via Twitter: () contains the ingredients for the function while the body contains the recipe.

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

Use return ... to give a value back to the caller.
Може виникнути будь-де у функції.
But functions are easier to understand if return occurs:
- 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)

ВИХІД

average of actual values: 2.6666666666666665

PYTHON

print('середнє порожнього списку:', average([]))

ВИХІД

average of empty list: None

Remember: every function returns something.
A function that doesn’t explicitly return a value automatically returns None.

PYTHON

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

ВИХІД

1871/3/19
result of call is: None

Вправа

Виявлення синтаксичних помилок

Read the code below and try to identify what the errors are without running it.
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.")

Рішення

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)

Рішення

ВИХІД

calling <function report at 0x7fd128ff1bf8> 22.5

A function call always needs parenthesis, otherwise you get memory address of the function object. So, if we wanted to call the function named report, and give it the value 22.5 to report on, we could have our function call as follows

PYTHON

print("calling")
report(22.5)

ВИХІД

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)

After fixing the problem above, explain why running this example code:

PYTHON

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

gives this output:

ВИХІД

11:37:59
result of call is: None

Why is the result of the call None?

Рішення

The problem with the example is that the function print_time() is defined after the call to the function is made. Python doesn’t know how to resolve the name print_time since it hasn’t been defined yet and will raise a NameError e.g., NameError: name 'print_time' is not defined
The first line of output 11:37:59 is printed by the first line of code, result = print_time(11, 37, 59) that binds the value returned by invoking print_time to the variable result. The second line is from the second print call to print the contents of the result variable.
print_time() does not explicitly return a value, so it automatically returns None.

Вправа

Інкапсуляція

Fill in the blanks to create a function that takes a single filename as an argument, loads the data in the file named by the argument, and returns the minimum value in that data.

PYTHON

import pandas as pd

def min_in_data(____):
    data = ____
    return ____

Рішення

PYTHON

import pandas as pd

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

Вправа

Find the First

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? What if the list has no negative numbers?

PYTHON

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

Рішення

PYTHON

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

If an empty list or a list with all positive values is passed to this function, it returns None:

PYTHON

my_list = []
print(first_negative(my_list))

ВИХІД

None

Вправа

Calling by Name

Earlier we saw this function:

PYTHON

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

We saw that we can call the function using named arguments, like this:

PYTHON

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

What does print_date(day=1, month=2, year=2003) print?
When have you seen a function call like this before?
When and why is it useful to call functions this way?

Рішення

2003/2/1
We saw examples of using named arguments when working with the pandas library. For example, when reading in a dataset using data = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country'), the last argument index_col is a named argument.
Using named arguments can make code more readable since one can see from the function call what name the different arguments have inside the function. It can also reduce the chances of passing arguments in the wrong order, since by using named arguments the order doesn’t matter.

Вправа

Encapsulation of an If/Print Block

The code below will run on a label-printer for chicken eggs. A digital scale will report a chicken egg mass (in grams) to the computer and then the computer will print a label.

PYTHON

import random
for i in range(10):

    # simulating the mass of a chicken egg
    # the (random) mass will be 70 +/- 20 grams
    mass = 70 + 20.0 * (2.0 * random.random() - 1.0)

    print(mass)

    # egg sizing machinery prints a label
    if mass >= 85:
        print("jumbo")
    elif mass >= 70:
        print("large")
    elif mass < 70 and mass >= 55:
        print("medium")
    else:
        print("small")

The if-block that classifies the eggs might be useful in other situations, so to avoid repeating it, we could fold it into a function, get_egg_label(). Revising the program to use the function would give us this:

PYTHON

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

    # simulating the mass of a chicken egg
    # the (random) mass will be 70 +/- 20 grams
    mass = 70 + 20.0 * (2.0 * random.random() - 1.0)

    print(mass, get_egg_label(mass))

Create a function definition for get_egg_label() that will work with the revised program above. Note that the get_egg_label() function’s return value will be important. Sample output from the above program would be 71.23 large.
A dirty egg might have a mass of more than 90 grams, and a spoiled or broken egg will probably have a mass that’s less than 50 grams. Modify your get_egg_label() function to account for these error conditions. Sample output could be 25 too light, probably spoiled.

Показати відповіді

PYTHON

def get_egg_label(mass):
    # egg sizing machinery prints a label
    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

Encapsulating Data Analysis

Assume that the following code has been executed:

PYTHON

import pandas as pd

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

Complete the statements below to obtain the average GDP for Japan across the years reported for the 1980s.

PYTHON

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

Abstract the code above into a single function.

PYTHON

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

How would you generalize this function if you did not know beforehand which specific years occurred as columns in the data? For instance, what if we also had data from years ending in 1 and 9 for each decade? (Hint: use the columns to filter out the ones that correspond to the decade, instead of enumerating them in the code.)

Показати відповіді

The average GDP for Japan across the years reported for the 1980s is computed with:

PYTHON

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

That code as a function is:

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

To obtain the average for the relevant years, we need to loop over them:

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: # c's index contains reported years
        if yr_header.startswith(gdp_decade):
            total = total + c.loc[yr_header]
            num_years = num_years + 1
    return total/num_years

The function can now be called by:

PYTHON

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

ВИХІД

20880.023800000003

Вправа

Simulating a dynamical system

In mathematics, a dynamical system is a system in which a function describes the time dependence of a point in a geometrical space. A canonical example of a dynamical system is the logistic map, a growth model that computes a new population density (between 0 and 1) based on the current density. In the model, time takes discrete values 0, 1, 2, …

Define a function called logistic_map that takes two inputs: x, representing the current population (at time t), and a parameter r = 1. This function should return a value representing the state of the system (population) at time t + 1, using the mapping function:

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

Using a for or while loop, iterate the logistic_map function defined in part 1, starting from an initial population of 0.5, for a period of time t_final = 10. Store the intermediate results in a list so that after the loop terminates you have accumulated a sequence of values representing the state of the logistic map at times t = [0,1,...,t_final] (11 values in total). Print this list to see the evolution of the population.
Encapsulate the logic of your loop into a function called iterate that takes the initial population as its first input, the parameter t_final as its second input and the parameter r as its third input. The function should return the list of values representing the state of the logistic map at times t = [0,1,...,t_final]. Run this function for periods t_final = 100 and 1000 and print some of the values. Is the population trending toward a steady state?

Показати відповіді

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])

ВИХІД

0.06945089389714401
0.009395779870614648
0.0009913908614406382

The population seems to be approaching zero.

Виноска

Using Functions With Conditionals in Pandas

Functions will often contain conditionals. Here is a short example that will indicate which quartile the argument is in based on hand-coded values for the quartile cut points.

PYTHON

def calculate_life_quartile(exp):
    if exp < 58.41:
        # This observation is in the first quartile
        return 1
    elif exp >= 58.41 and exp < 67.05:
        # This observation is in the second quartile
       return 2
    elif exp >= 67.05 and exp < 71.70:
        # This observation is in the third quartile
       return 3
    elif exp >= 71.70:
        # This observation is in the fourth quartile
       return 4
    else:
        # This observation has bad data
       return None

calculate_life_quartile(62.5)

ВИХІД

That function would typically be used within a for loop, but Pandas has a different, more efficient way of doing the same thing, and that is by applying a function to a dataframe or a portion of a dataframe. Here is an example, using the definition above.

PYTHON

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

There is a lot in that second line, so let’s take it piece by piece. On the right side of the = we start with data['lifeExp'], which is the column in the dataframe called data labeled lifExp. We use the apply() to do what it says, apply the calculate_life_quartile to the value of this column for every row in the dataframe.

Ключові моменти

Break programs down into functions to make them easier to understand.
Define a function using def with a name, parameters, and a block of code.
Defining a function does not run it.
Arguments in a function call are matched to its defined parameters.
Functions may return a result to their caller using return.

Content from Область видимості змінної

Останнє оновлення 2025-10-12 | Редагувати цю сторінку

Приблизний час: 20 хвилин

Огляд

Питання

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

Цілі

Визначення локальних і глобальних змінних.
Ідентифікація параметрів як локальних змінних.
Аналіз звіту системної діагностики (traceback) та визначення файлу, функції й номера рядка, у якому сталася помилка, а також типу помилки й тексту повідомлення про неї.

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

There are only so many sensible names for variables.
People using functions shouldn’t have to worry about what variable names the author of the function used.
People writing functions shouldn’t have to worry about what variable names the function’s caller uses.
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.
t and temperature are local variables in 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)

ВИХІД

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. (Use ‘—’ as the value of variables before and after they exist.)

PYTHON

limit = 100

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

value = -22.5
print(clip(value))

Вправа

Читання повідомлень про помилки

Read the traceback below, and identify the following:

Скільки рівнів має системна діагностика?
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'

Рішення

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). We can find more information about the KeyError and other built-in exceptions in the Python docs.
KeyError: 'Friday'

Ключові моменти

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

Content from Стиль програмування

Останнє оновлення 2025-10-12 | Редагувати цю сторінку

Приблизний час: 30 хвилин

Огляд

Питання

Як я можу зробити свої програми більш читабельними?
Як більшість програмістів форматують свій код?
How can programs check their own operation?

Цілі

Дотримуйтесь основних правил стилю кодування.
Виконуйте рефакторинг односторінкових програм, щоб зробити їх більш читабельними та обґрунтувати зміни.
Use Python community coding standards (PEP-8).

Coding style

A consistent coding style helps others (including our future selves) read and understand code more easily. Code is read much more often than it is written, and as the Zen of Python states, “Readability counts”. Python proposed a standard style through one of its first Python Enhancement Proposals (PEP), PEP8.

Some points worth highlighting:

document your code and ensure that assumptions, internal algorithms, expected inputs, expected outputs, etc., are clear
use clear, semantically meaningful variable names
use white-space, not tabs, to indent lines (tabs can cause problems across different text editors, operating systems, and version control systems)

Follow standard Python style in your code.

PEP8: a style guide for Python that discusses topics such as how to name variables, how to indent your code, how to structure your import statements, etc. Adhering to PEP8 makes it easier for other Python developers to read and understand your code, and to understand what their contributions should look like.
To check your code for compliance with PEP8, you can use the pycodestyle application and tools like the black code formatter can automatically format your code to conform to PEP8 and pycodestyle (a Jupyter notebook formatter also exists nb_black).
Some groups and organizations follow different style guidelines besides PEP8. For example, the Google style guide on Python makes slightly different recommendations. Google wrote an application that can help you format your code in either their style or PEP8 called yapf.
With respect to coding style, the key is consistency. Choose a style for your project be it PEP8, the Google style, or something else and do your best to ensure that you and anyone else you are collaborating with sticks to it. Consistency within a project is often more impactful than the particular style used. A consistent style will make your software easier to read and understand for others and for your future self.

Use assertions to check for internal errors.

Assertions are a simple but powerful method for making sure that the context in which your code is executing is as you expect.

PYTHON

def calc_bulk_density(mass, volume):
    '''Return dry bulk density = powder mass / powder volume.'''
    assert volume > 0
    return mass / volume

If the assertion is False, the Python interpreter raises an AssertionError runtime exception. The source code for the expression that failed will be displayed as part of the error message. To ignore assertions in your code run the interpreter with the ‘-O’ (optimize) switch. Assertions should contain only simple checks and never change the state of the program. For example, an assertion should never contain an assignment.

Use docstrings to provide builtin help.

If the first thing in a function is a character string that is not assigned directly to a variable, Python attaches it to the function, accessible via the builtin help function. This string that provides documentation is also known as a docstring.

PYTHON

def average(values):
    "Return average of values, or None if no values are supplied."

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

help(average)

ВИХІД

Help on function average in module __main__:

average(values)
    Return average of values, or None if no values are supplied.

Виноска

Multiline Strings

Often use multiline strings for documentation. These start and end with three quote characters (either single or double) and end with three matching characters.

PYTHON

"""This string spans
multiple lines.

Blank lines are allowed."""

Обговорення

What Will Be Shown?

Highlight the lines in the code below that will be available as online help. Are there lines that should be made available, but won’t be? Will any lines produce a syntax error or a runtime error?

PYTHON

"Find maximum edit distance between multiple sequences."
# This finds the maximum distance between all sequences.

def overall_max(sequences):
    '''Determine overall maximum edit distance.'''

    highest = 0
    for left in sequences:
        for right in sequences:
            '''Avoid checking sequence against itself.'''
            if left != right:
                this = edit_distance(left, right)
                highest = max(highest, this)

    # Report.
    return highest

Вправа

Document This

Use comments to describe and help others understand potentially unintuitive sections or individual lines of code. They are especially useful to whoever may need to understand and edit your code in the future, including yourself.

Use docstrings to document the acceptable inputs and expected outputs of a method or class, its purpose, assumptions and intended behavior. Docstrings are displayed when a user invokes the builtin help method on your method or class.

Turn the comment in the following function into a docstring and check that help displays it properly.

PYTHON

def middle(a, b, c):
    # Return the middle value of three.
    # Assumes the values can actually be compared.
    values = [a, b, c]
    values.sort()
    return values[1]

Показати відповіді

PYTHON

def middle(a, b, c):
    '''Return the middle value of three.
    Assumes the values can actually be compared.'''
    values = [a, b, c]
    values.sort()
    return values[1]

Вправа

Clean Up This Code

Read this short program and try to predict what it does.
Run it: how accurate was your prediction?
Refactor the program to make it more readable. Remember to run it after each change to ensure its behavior hasn’t changed.
Compare your rewrite with your neighbor’s. What did you do the same? What did you do differently, and why?

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

Показати відповіді

Here’s one solution.

PYTHON

def string_machine(input_string, iterations):
    """
    Takes input_string and generates a new string with -'s and *'s
    corresponding to characters that have identical adjacent characters
    or not, respectively.  Iterates through this procedure with the resultant
    strings for the supplied number of iterations.
    """
    print(input_string)
    input_string_length = len(input_string)
    old = input_string
    for i in range(iterations):
        new = ''
        # iterate through characters in previous string
        for j in range(input_string_length):
            left = j-1
            right = (j+1) % input_string_length  # ensure right index wraps around
            if old[left] == old[right]:
                new = new + '-'
            else:
                new = new + '*'
        print(new)
        # store new string as old
        old = new     

string_machine('et cetera', 10)

ВИХІД

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

Ключові моменти

Follow standard Python style in your code.
Use docstrings to provide builtin help.

Content from Wrap-Up

Останнє оновлення 2025-10-12 | Редагувати цю сторінку

Приблизний час: 20 хвилин

Огляд

Питання

Що саме ми вивчили?
What else is out there and where do I find it?

Цілі

Name and locate scientific Python community sites for software, workshops, and help.

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 чим завгодно, але тільки тоді, коли ми маємо їх точно пояснити.

Python підтримує велику та різноманітну спільноту в академічних і промислових колах.

Документація з Python 3 охоплює ядро мови та стандартну бібліотеку.
PyCon є найбільшою щорічною конференцією для спільноти Python.
SciPy is a rich collection of scientific utilities. Це також назва серії щорічних конференцій.
Jupyter is the home of Project Jupyter.
Pandas is the home of the Pandas data library.
Stack Overflow’s general Python section can be helpful, as well as the sections on NumPy, SciPy, and Pandas.

Ключові моменти

Python підтримує велику та різноманітну спільноту в академічних і промислових колах.

Content from Feedback

Останнє оновлення 2025-10-12 | Редагувати цю сторінку

Приблизний час: 15 хвилин

Огляд

Питання

How did the class go?

Цілі

Gather feedback on the class

Gather feedback from participants.

Ключові моменти

We are constantly seeking to improve this course.

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.

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

ВИХІД

Змінні мають бути створені перед їх використанням.

PYTHON

ПОМИЛКА

Змінні зберігаються між комірками

PYTHON

PYTHON

Змінні можна використовувати для обчислень.

PYTHON

ВИХІД

Використовуйте індекс, щоб отримати один символ із рядка.

PYTHON

ВИХІД

Використовуйте зріз, щоб отримати підрядок.

PYTHON

ВИХІД

Використовуйте вбудовану функцію len, щоб знайти довжину рядка.

PYTHON

ВИХІД

Python чутливий до регістру.

Використовуйте змістовні назви змінних.

PYTHON

Заміна значень

PYTHON

Рішення

ВИХІД

Прогнозування значень

PYTHON

Рішення

PYTHON

ВИХІД

Використовуйте `print` для виведення значень.

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

Вбудована функція `type` повертає тип значення.