您的位置:

Python实现简单代码示例

一、Python基础

Python是一种高级编程语言,其语法简单、易于学习。Python强大的标准库和第三方库,使得开发者能够快速开发出各种应用程序。以下是一些简单的Python代码示例。

1. Hello World!


print("Hello World!")

这是最简单的Python程序,输出"Hello World!"。print函数用于在控制台输出字符串。

2. 变量和数据类型


# 定义变量
message = "Hello World!"

# 输出变量的值
print(message)

# 数据类型
name = "Tom" # 字符串
age = 18     # 整数
height = 1.75 # 浮点数
is_male = True # 布尔值

# 输出数据类型
print(type(name)) # 
   
print(type(age)) # 
    
print(type(height)) # 
     
print(type(is_male)) # 
      

      
     
    
   

Python中的变量可以存储任意类型的数据。type函数用于查看变量的数据类型。

3. 列表和循环语句


# 列表
fruits = ['apple', 'banana', 'orange']

# 循环遍历列表
for fruit in fruits:
    print(fruit)

# 循环遍历数字范围
for num in range(1, 4):
    print(num)

Python中的列表可以存储多个元素,可以使用for循环遍历列表或数字范围。

二、文件处理

Python可以读写各种类型的文件,包括文本、图片、音频、视频等格式。以下是一些简单的文件处理示例。

1. 读取文件内容


# 打开文件
file = open('example.txt', 'r')

# 读取文件内容
content = file.read()

# 关闭文件
file.close()

# 输出文件内容
print(content)

Python中使用open函数打开文件,可以指定读写模式。read函数用于读取文件内容。

2. 写入文件内容


# 打开文件
file = open('example.txt', 'w')

# 写入文件内容
file.write('Hello World!\n')

# 关闭文件
file.close()

Python中使用write函数写入文件内容。需要注意的是,写入字符串后需要手动添加换行符\n。

三、Web开发

Python可以用于Web开发,可以使用多种Web框架进行开发,例如Django、Flask等。以下是一个使用Flask框架的简单Web应用程序示例。

1. 安装Flask框架


pip install Flask

使用pip命令可以安装Python第三方库。

2. Web应用程序代码


from flask import Flask

app = Flask(__name__)

@app.route("/")
def hello():
    return "Hello World!"

if __name__ == "__main__":
    app.run()

使用Flask框架可以轻松开发出Web应用程序。route()函数用于设置URL路由,可以根据URL返回不同的响应内容。

3. 运行Web应用程序


python app.py

通过命令行运行Web应用程序,即可在浏览器访问http://localhost:5000/,看到"Hello World!"的响应内容。

四、机器学习

Python可以用于机器学习领域,可以使用多种Python机器学习库进行开发,例如TensorFlow、Scikit-learn等。以下是一个使用Scikit-learn库的简单机器学习示例。

1. 安装Scikit-learn库


pip install scikit-learn

使用pip命令可以安装Python第三方库。

2. 机器学习代码


from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier

# 加载鸢尾花数据集
iris = datasets.load_iris()

# 使用K近邻算法进行分类
knn = KNeighborsClassifier()
knn.fit(iris.data, iris.target)

# 预测
result = knn.predict([[6.5, 3.0, 5.5, 1.8]])

print(result)

使用Scikit-learn库可以轻松开发出机器学习模型。load_iris函数用于加载鸢尾花数据集,KNeighborsClassifier类封装了K近邻算法进行分类。

3. 运行机器学习代码


python machine_learning.py

通过命令行运行机器学习代码,可以预测出鸢尾花数据的分类结果。