2010.08_Kurs Pythona. Cz. II – Struktury danych, funkcje i moduły_[Python].pdf - Python - Kapy97

PROGRAMOWANIE PYTHON

Cz. II – Struktury danych,

funkcje i moduły

W odcinku wprowadzającym zainstalowaliśmy Pythona

i trochę pobawiliśmy się różnymi jego cechami. Po nabraniu

swobody w wykorzystaniu linii poleceń możemy zabrać się

za bardziej metodyczny przegląd tego, co oferuje nam język

spod znaku węża.

Dowiesz się:

• Jak zainstalować i uruchomić interpreter Python 2.6

• Jak poruszać się po interaktywnej sesji w interpreterze

Powinieneś wiedzieć:

• Czym różni się kultura języka Python od Javy i innych statycz-

nie typowanych języków

• Jak używać wbudowanych w Pythona list, słowników, krotek i

zbiorów

materiału dla osób, które nie miały wcześniej

styczności z językiem. Przedstawiony tu zakres

jest omawiany w praktycznie każdej książce poświę-

conej językowi. W tym kursie jednak za punkt hono-

ru przyjęliśmy sobie promowanie dobrych zwyczajów

nad suchą prezentację faktów.

Język to budulec, narzędzie służące do opisu zacho-

wania systemu komputerowego. Od powstania pierw-

szego języka programowania trwa nieustanna walka

o to, żeby produkowany kod źródłowy prowadził do

oczekiwanego zachowania komputera. Mówimy, "że-

by był poprawny", "bez błędów".

Kompilowane języki programowania takie jak C czy

Java w swojej kulturze kultywują sprawdzanie na pro-

gramiście na każdym kroku, czy jest pewien swoich

poczynań. Składnia wielu fundamentalnych wyrażeń

jest celowo bardzo rozwlekła i nadmierna, żeby kon-

trolowała programistę przed pomyłkami, chwilowymi

zaćmieniami umysłu. W szczególności Java jest języ-

kiem, w którego kulturze kultywuje się ścisłą kontrolę

nad tym, co programista powinien móc zrobić, co po-

winien widzieć w danym kontekście, do czego powi-

nien mieć w danym momencie dostęp. O ile takie za-

chowanie jest bardzo pomocne, w szczególności na

początku, dla programistów o niewielkim doświadcze-

niu, po jakimś czasie zaczyna ciążyć zaawansowanym

programistom jak kula u nogi.

Python idzie natomiast zupełnie pod prąd, traktując

swoich programistów od samego początku jak ludzi in-

teligentnych.

Wszyscy tutaj jesteśmy dorośli

Po kilku latach intensywnego kodowania w Javie za-

cząłem mieć wrażenie, że zarówno sam język, jak i je-

go kompilator i maszyna wirtualna traktują mnie jak

małe dziecko. Na każdym kroku musiałem wprost i ja-

sno przedstawiać swoje zamiary i założenia, język

nie dawał mi tutaj żadnej dowolności. Nie pozosta-

wiając pola do domysłów, minimalizował liczbę uste-

rek. Lub tak mu się wydawało. Kompilator krytykował

wiele sprytnych manewrów, oceniając je za podejrza-

ne lub potencjalnie niebezpieczne. W końcu sama ma-

szyna wirtualna ukrywała w czasie uruchamiania wie-

le kwestii w obawie, że użyłbym ich w sposób nieod-

powiedzialny.

Python wygląda w porównaniu jak wejście w doro-

słość. Nadal zachowania w oczywisty sposób szkodli-

we lub nieprzemyślane powodują krytykę interpretera,

jednak zostawia on bardzo wiele dowolności w sposo-

bie wykorzystania języka przez programistę. Python

zakłada, że wiesz, co robisz.

Środowisko programistów Pythona od pierwszych

dni istnienia miało świadomość swobody, jaką on da-

je, i wiążącej się z nią odpowiedzialności. Przez la-

ta intensywnego wykorzystania języka środowisko to

8/2010

Kurs Pythona.

T a część kursu zawiera bardzo wiele nowego

Kurs Pythona. Cz II – Struktury danych, funkcje i moduły

wykształciło pewną kulturę, która opisuje rekomendo-

wane rozwiązania różnych typowych kwestii. Ta kultu-

ra daje wszystkim bazę do rozwijania oprogramowa-

nia, które w sposób domyślny zachowuje się w spo-

sób, którego inni programiści w środowisku oczekują,

a którego kod źródłowy jest łatwy do czytania i zrozu-

mienia przez innych programistów.

Jak to w dorosłym życiu, zachowania zgodnego

z normami kulturalnymi oczekuje się również po po-

czątkujących, czyli także po Tobie. Duży nacisk w tym

kursie, a w szczególności w tej części, poświęcimy na

zapoznanie Cię z zasadami pythonowego savoir-vi-

vre. Jak zobaczysz, zasady te nie powstały bez przy-

czyny, a w istocie stoją za nimi mocne argumenty. Za-

cznijmy od najbardziej znanej konwencji w kulturze

Pythona...

kiedy elementy będą innych typów, program zwróci

oczekiwany wynik, np. dla listy [1, 2.0, ["lista", "jako",

"element"]]:

Element: 1

Element: 2.0

Element: ['lista', 'jako', 'element']

Gdzie tkwi tajemnica? To proste! W Pythonie wszyst-

kie typy danych są obiektami. Wartość łańcuchową

(%s) dla dowolnego typu interpreter uzyskuje przez

wywołanie specjalnej metody _ _ str _ _ () na danym

obiekcie (więcej o specjalnych metodach w Ramce

1 obok). Autorzy Pythona zauważyli więc, że wystar-

czy wyposażyć możliwie dużo typów danych w taką

specjalną metodkę i dla większości kodu źródłowe-

go obiekty tych typów będą wyglądały zupełnie jak

prawdziwe łańcuchy znaków. I nie ma znaczenia, że

tak naprawdę to nie są łańcuchy. Nie jest to dla nas

ważny szczegół, ważne, że działa. I to poprawnie!

W środowisku zakwitła więc jedna z najważniej-

szych zasad kultury programowania w Pythonie: "je-

żeli coś wygląda jak kaczka, chodzi jak kaczka i kwa-

cze jak kaczka, to musi to być kaczka!". Oznacza to

mniej więcej, że Twój kod powinien przyjmować do-

wolne typy danych, które spełniają jakiś kontrakt (np.

posiadają określoną metodę lub atrybut). Nie ma sen-

su wieczne sprawdzanie, czy dana zmienna jest odpo-

wiedniego typu. Zakładamy, że jest i że spełnia nasz

kontrakt. Taki styl kodowania nazywany jest duck ty-

ping. Co on nam daje?

Jeżeli kwacze jak kaczka...

Jak wspomnieliśmy w pierwszej części naszego kur-

su, Python jest językiem silnie typowanym, ale o dy-

namicznym systemie typów. Oznacza to w praktyce,

że zmienne (w tym argumenty funkcji) mogą przyjmo-

wać argumenty dowolnych typów, ale typ jest rzeczą

twardą, tzn. łańcuch znaków nigdy bez jawnej konwer-

sji nie zachowa się jak liczba. Najłatwiej można to zro-

zumieć, wpisując w linii poleceń:

>>> 10 == "10"

False

>>> 10 == int("10")

True

>>> str(10) == "10"

True

• Po pierwsze: możliwość późniejszego rozszerze-

nia programu w taki sposób, że pod daną zmien-

ną (lub jako argument do danej funkcji) zostanie

podana wartość innego typu, który jednak wyglą-

da zupełnie jak oczekiwany typ! Szalenie przydat-

na możliwość np. w testowaniu jednostkowym ko-

du. I to bez żadnych zmian w oryginalnym kodzie!

• Po drugie: ryzyko, że w jakiś sposób trai do nas

niekompatybilny typ. Czy jednak jest się w tym

przypadku o co martwić? Możemy niby sprawdzić,

czy dana zmienna zawiera wartość danego typu,

czy też może dany typ posiada oczekiwaną me-

todę lub atrybut. Co jednak możemy zrobić, jeże-

li okaże się, że nie? Domyślnym zachowaniem Py-

thona jest rzucenie wyjątku. I nie wymaga to żad-

nej pracy z naszej strony. Jeżeli chcielibyśmy wo-

bec tego rzucić wyjątek w takim przypadku, nie

ma sensu kodować rozwiązania, które naśladuje

to, co i tak dzieje się domyślnie.

Jak widać, Python rozróżnia liczbę 10 od łańcucha

znaków reprezentującego "10". Za pomocą jawnej

konwersji możemy jednak w razie potrzeby przecho-

dzić między typami. Dynamiczne, ale silne typowa-

nie to podstawowa cecha języka. Umożliwia z jednej

strony uzyskanie bardzo zwięzłego kodu, który nie

tylko szybciej się pisze, ale też szybciej czyta:

irst_name = "Winona"

birth_year = 1971

Środowisko programistów Pythona wykorzystuje fakt,

że każda zmienna może potencjalnie przechowywać

wartość dowolnego typu. Przykładowo, mamy kod,

który wypisuje na ekranie elementy listy:

for elem in a_list:

print "Element: %s" % elem

Poproszę indeks

Biorąc pod uwagę duck typing, skupianie się na poje-

dynczych strukturach danych nie jest tak bardzo cie-

Kod oczywiście działa dla elementów będących łań-

cuchami znaków. Jak się jednak okazuje, również

www.sdjournal.org

PROGRAMOWANIE PYTHON

kawe jak dokładne omówienie sposobu ich wykorzy-

stania. W końcu zgodnie z naturą języka, wiele metod

bezpośrednio przenosi się również na inne typy da-

nych i działa w zupełnie przewidywalny sposób. Za-

cznijmy od dostępu do danych przez indeks.

Struktury danych typu listy, krotki (ang. tuple , patrz

Ramka 2), słowniki, łańcuchy znaków i inne umożli-

wiają dostęp do danych, które przechowują przez bar-

dzo sprytny mechanizm indeksowania. Spójrzmy na

przykład:

Jak widać, lista daje dostęp do danych po indeksie

(licząc - jak w każdym rozsądnym języku - od zera

[1]). Jeżeli wybierzemy niepoprawny indeks, lista rzu-

ca wyjątek IndexError . Więcej o wyjątkach w dalszej

części artykułu.

Podawany indeks może być ujemny, wówczas liczy-

my "od końca". To nie jedyny sprytny manewr dostęp-

ny przy okazji indeksowania. Python umożliwia rów-

nież wycinanie (ang. slicing ) fragmentów z większych

struktur:

>>> movies = ['Lucas', 'Beetlejuice', 'Dracula']

>>> movies[0]

'Lucas'

>>> movies[1]

'Beetlejuice'

>>> movies[2]

'Dracula'

>>> movies[3]

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

IndexError: list index out of range

>>> movies[-1]

'Dracula'

>>> movies[-2]

'Beetlejuice'

>>> movies[-3]

'Lucas'

>>> movies[-4]

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

IndexError: list index out of range

>>> sisters = ['Meg', 'Jo', 'Beth', 'Amy']

>>> sisters[0:3]

['Meg', 'Jo', 'Beth']

>>> sisters[0:-1]

['Meg', 'Jo', 'Beth']

>>> sisters[:3]

['Meg', 'Jo', 'Beth']

>>> sisters[:-1]

['Meg', 'Jo', 'Beth']

>>> sisters[1:4]

['Jo', 'Beth', 'Amy']

>>> sisters[1:]

['Jo', 'Beth', 'Amy']

>>> sisters[0:4:2]

['Meg', 'Beth']

>>> sisters[1:4:2]

['Jo', 'Amy']

>>> sisters[0::2]

['Meg', 'Beth']

>>> sisters[::2]

['Meg', 'Beth']

Ramka 1: Metody specjalne

Od pierwszego dnia w Pythonie istnieje grupa wbudowanych funkcji, które spełniają określoną funkcjonalność dla podanych ar-

gumentów. I to niezależnie od typu tych argumentów. Zwane z angielska builtin functions lub po prostu builtins udo-

stępniają m.in. możliwość sprawdzenia długości danej sekwencji (w tym: łańcucha znaków), porównania dwóch obiektów czy

skonwertowania dowolnego typu na łańcuch znaków. Pełna lista builtins wraz z dokumentacją znajduje się pod adresem http:

//docs.python.org/library/functions.html .

Kiedy tylko jest to możliwe, wykorzystanie builtins jest preferowane nad inne metody programowania. Stąd bardzo często

spotkać można kod np.:

if len(s) < 10:

...

Obiekty w Pythonie implementują zachowanie poszczególnych builtinów w metodach specjalnych, które łatwo można poznać

po dwóch podkreślnikach przed ich nazwą i po ich nazwie. Przykładowo:

>>> dir("")

['__add__', ... , '__len__', ...]

Kiedy użytkownik wykona len(s) to interpreter w rzeczywistości wykonuje odpowiednią metodę specjalną s.__len__() . Jest

to o tyle fajne, że deiniując własne typy danych również możemy deiniować metody specjalne, przez co umożliwiamy wyko-

rzystanie builtinów na naszych typach. Jest to bardzo często wykorzystywana cecha języka, ponieważ ujednolicenie interfejsu

nowych typów danych do już istniejących bardzo ułatwia zapamiętanie, jak z nich korzystać. Tak wyprodukowane API jest spój-

ne, przewidywalne i intuicyjne. W Pythonie sprawdzanie długości, rozmiaru lub innych tego typu cech zawsze odbywa się przez

len() . Jak jest w Javie? Mamy metody length() , atrybuty length , metody size() , count() , getSize() , itd. itp. Możliwe do

zapamiętania? Z pewnością. Ale czy wygodne i intuicyjne?

8/2010

Kurs Pythona. Cz II – Struktury danych, funkcje i moduły

Jak widać, jako "indeks" można podać zakres, skład-

nia zakresów jest zresztą bardzo intuicyjna, a jedno-

cześnie elastyczna. Można podawać zakresy, używa-

jąc indeksu rozpoczynającego (włącznie), zamykają-

cego (wyłącznie) lub obu. Indeks zamykający może

być podawany jako ujemna wartość liczona elemen-

tami od końca. Można też podać opcjonalnie krok,

z jakim ma być dokonane wycinanie.

Efektem wycinania jest zupełnie nowa lista przecho-

wująca elementy z oryginalnej listy. Oznacza to, że

możemy bezstratnie tworzyć wiele skrawków z poje-

dynczej listy i nie marnujemy w ten sposób pamięci,

bo nowe listy przechowują referencje do tych samych

elementów co oryginalna. Jest to często wykorzysty-

wana właściwość, np. podczas ładnego wypisywania

elementów:

Tymczasem spójrzmy jeszcze pokrótce na "indek-

sowanie" w słownikach. W tym wypadku sprawa wy-

gląda zgoła inaczej, ponieważ słowniki w swej natu-

rze przechowują zbiory unikalnych kluczy, pod który-

mi kryją się jakieś wartości. Dostęp do tych wartości

przez klucz przypomina indeksowanie w listach, ale

z oczywistych względów nie umożliwia zabawy w wy-

cinanki. Spójrzmy na krótki przykład:

>>> movie_releases = {'Edward Scissorhands': 1990,

'Dracula': 1992, 'Star Trek': 2009}

>>> movie_releases['Star Trek']

2009

>>> movie_releases['Dracula']

1992

>>> movie_releases['A Scanner Darkly']

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

KeyError: 'A Scanner Darkly'

>>> def print_mermaids():

... for mermaid in mermaids[:-1]:

... print "%s," % mermaid,

... print "%s." % mermaids[-1]

>>> print_mermaids()

Cher, Ryder, Ricci.

Jak widać, można się do przechowywanych obiek-

tów odwoływać poprzez klucze, w przypadku użycia

nieistniejącego klucza rzucany jest wyjątek KeyError .

Nie ma możliwości odwołania się do "pierwszego"

klucza albo "ostatniego" klucza, ponieważ słowni-

ki przechowują z zasady nieuporządkowane zbio-

ry danych. Fakt ten jest wykorzystywany przez Py-

thona do optymalizacji struktury słownika w pamięci

tak, żeby dostęp do dowolnego klucza był tak samo

szybki. Może się więc zdarzyć, że wartości są prze-

chowywane w innej kolejności niż je deiniowaliśmy.

Spójrzmy przykładowo na nasze movie _ releases

z przykładu wyżej:

Zdeiniowaliśmy na szybko funkcję wypisującą nam

aktorki grające w "Syrenach". Właściwy kod to tylko

3 linijki, a w elegancki sposób udało nam się uzyskać

oddzielanie poszczególnych syrenek przecinkami,

z kropką na końcu. To bardzo przydatny idiom, prędzej

czy później w jakiś sposób będziesz go potrzebować.

Ale trochę się zapędziliśmy, o pętlach i funkcjach do-

piero za chwilkę! Jeżeli dziwi Cię zachowanie wyraże-

nia print , zapraszam do Ramki 3.

Wracając do indeksowania, zgodnie z naturą Py-

thona przewidujemy, że w dokładnie ten sam spo-

sób można korzystać z danych w łańcuchach znaków

i krotkach. Faktycznie, nie ma żadnej różnicy:

>>> movie_releases

{'Dracula': 1992, 'Edward Scissorhands': 1990, 'Star

Trek': 2009}

>>> celebrity = "Winona Ryder"

>>> celebrity[0]

'W'

>>> celebrity[7]

'R'

>>> celebrity[-1]

'r'

>>> celebrity[:6]

'Winona'

>>> celebrity[7:]

'Ryder'

Jak widać, na moim komputerze interpreter zamienił

miejscami Nożycorękiego z Drakulą. W Twoim przy-

padku wynik może być inny, spróbuj.

Zgadnij kotku, co mam w środku

Co prawda interfejs dostępu do kluczy jest w przypad-

ku słowników minimalistyczny, struktura danych wyna-

gradza nam to jednak bogatym API do operowania na

kluczach i wartościach. Zacznijmy od metody spraw-

dzenia, czy dany klucz istnieje w słowniku:

Nie jest to jednak najbardziej użyteczny sposób ma-

nipulacji łańcuchami znaków, o manipulacji tekstem

w ogólności, wyrażeniach regularnych i ich mocy wię-

cej w przyszłym numerze Software Developer's Jour-

nal.

>>> alien4 = {'Sigourney Weaver': 'Ellen Ripley',

... 'Winona Ryder': 'Annalee Call'}

>>> 'Winona Ryder' in alien4

True

>>> 'Johnny Depp' in alien4

False

www.sdjournal.org

PROGRAMOWANIE PYTHON

Składnia ELEM in DICT jest bardzo przejrzysta i moż-

na ją wykorzystać wszędzie, gdzie oczekujemy war-

tości boolean , m.in. w instrukcjach warunkowych, wa-

runkach wyjścia z pętli, itd. itp. Są też inne metody na

sprawdzenie obecności klucza w słowniku, ale istnie-

ją one już tylko z powodów historycznych i ich użycie

nie jest zalecane.

Do słowników można oczywiście dokładać kolejne

wartości, robimy to zasadniczo na dwa sposoby:

>>> numbers = [4, 8, 15, 16, 23, 42]

>>> numbers[0]

>>> numbers[3]

>>> 16 in numbers

True

>>> del numbers[3]

>>> 16 in numbers

False

>>> numbers

[4, 8, 15, 23, 42]

• dopisując nowy klucz bezpośrednio:

>>> alien4['Dan Hedaya'] = 'General Perez'

>>> alien4

{'Winona Ryder': 'Annalee Call',

'Sigourney Weaver': 'Ellen Ripley',

'Dan Hedaya': 'General Perez'}

Na marginesie, sprawdzenie pierwszego indeksu, pod

którym kryje się dana wartość w liście, można wyko-

nać metodką index() , np.:

• rozszerzając słownik za pomocą innego słownika:

>>> numbers.index(42)

>>> numbers[4]

>>> numbers.index(44)

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

ValueError: list.index(x): x not in list

>>> secondary_characters = {'Gary Dourdan': 'Christie',

... 'Ron Perlman': 'Johner',

... 'Dominique Pinon': 'Vriess'}

>>> alien4.update(secondary_characters)

>>> alien4

{'Dominique Pinon': 'Vriess', 'Winona Ryder': 'Annalee

Call',

'Sigourney Weaver': 'Ellen Ripley', 'Dan Hedaya':

'General Perez',

'Ron Perlman': 'Johner', 'Gary Dourdan': 'Christie'}

Oczywiście, jak opisuje Ramka 2, krotki są niezmie-

nialne, więc nie możemy usuwać z nich elementów,

natomiast do zbiorów nie da się odwołać po indeksie.

Stąd też w zbiorach dodawanie i usuwanie elemen-

tów trzeba rozwiązać inaczej:

Obie metody są dobre, ta druga jest zalecana w przy-

padku zmian w wielu kluczach jednocześnie. A co

w przypadku, kiedy jakiś klucz chcemy usunąć ze

słownika? Wykorzystujemy wyrażenie del :

>>> latware = set(('fork', 'knife', 'spoon'))

>>> latware.remove('fork')

>>> latware.remove('spoon')

>>> latware.add('spork')

>>> latware

set(['spork', 'knife'])

>>> 'chopsticks' in latware

False

>>> latware.remove('chopsticks')

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

KeyError: 'chopsticks'

>>> 'Dominique Pinon' in alien4

True

>>> del alien4['Dominique Pinon']

>>> 'Dominique Pinon' in alien4

False

>>> del alien4['Dominique Pinon']

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

KeyError: 'Dominique Pinon'

Funkcje i moduły

W naszych dotychczasowych przykładach przemycili-

śmy już kilka funkcji tam, gdzie inaczej nie dało się za-

prezentować konkretnej konstrukcji językowej. Przyj-

rzyjmy się jednak bliżej tym bestiom, bo w Pythonie są

one wybitnie potężne, choć na pierwszy rzut oka tego

nie widać.

Definiowanie funkcji jest proste jak budowa cepa,

przykładowo:

Jak widać, w przypadku gdy klucza nie ma w słowni-

ku, podczas próby usunięcia elementu rzucany jest

wyjątek KeyError .

Patrząc na metodę sprawdzania, czy dany element

należy do słownika, albo na możliwość usuwania poje-

dynczego klucza, wydaje się, że użyteczne byłoby coś

podobnego dla list, krotek i zbiorów. Jak się okazuje,

w Pythonie tak właśnie jest:

8/2010

2010.08_Kurs Pythona. Cz. II – Struktury danych, funkcje i moduły_[Python].pdf

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika: