百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

从零开始学习 Python!2《进阶知识》 Python进阶之路

ztj100 2025-04-11 09:51 62 浏览 0 评论

欢迎来到Python学习的进阶篇章! 如果你说已经掌握了基础语法,那么这篇就是你开启高手之路的大门。我们将一起探讨面向对象编程异常处理文件操作以及正则表达式这些“黑科技”,让你的代码更优雅、更强大!


第一部分:面向对象编程——Python中的“英雄与团队”

1 面向对象:从“砖头”到“大楼”

在之前的学习中,我们用函数和变量搭建了“砖块”,但要盖一座“摩天大楼”,我们需要更好的建筑方式!这就是面向对象编程(OOP)。

**类(Class)**是Python中的“蓝图”,用来定义物体的属性和行为。比如:


class Dog:  # 定义一个狗的类
    def __init__(self, name, age):  # 初始化方法,相当于出生时的配置
        self.name = name            # 狗的名字
        self.age = age              # 狗的年龄
    
    def bark(self):               # 表现汪星人叫的方法
        print(f"汪汪!我是{name},今年{age}岁了!")

my_dog = Dog("小黑", 3)  # 创建一个“狗”对象,名字叫小黑,3岁

# 让小黑叫一声
my_dog.bark()  

输出:

汪汪!我是小黑,今年3岁了!

2 继承与多态:英雄的不同职业

英雄联盟里有坦克、ADC、法师等多种角色,但他们都属于“英雄”这个大类。这其实就是继承的精髓!

class Animal:         # 动物基类
    def __init__(self, name):
        self.name = name
    
    def eat(self):
        print(f"{self.name}在吃东西!")

class Dog(Animal):     # 继承自Animal,相当于“子英雄”
    def bark(self):
        print(f"汪汪,我叫{self.name}")

class Cat(Animal):      # 同样继承自Animal
    def meow(self):
        print(f"喵喵,我叫{self.name}")

dog = Dog("小黑")
cat = Cat("小白")

# 调用基类的方法
dog.eat()   # 输出:小黑在吃东西!
cat.eat()   # 输出:小白在吃东西!

# 每个子类还可以有自己的独特技能
dog.bark()
cat.meow()

输出:

小黑在吃东西!
小白在吃东西!喵喵~
汪汪,我叫小黑 
喵喵,我叫小白 

3 多态:英雄的不同表现

多态就像Different Hero,不同英雄对同一指令的反应不一样!

def make_sound(animal):
    animal.sound()   # 假设所有动物都有“发出声音”这个方法

class Dog:
    def sound(self):
        print("汪汪!")

class Cat:
    def sound(self):
        print("喵喵!")

dog = Dog()
cat = Cat()

make_sound(dog)  # 调用狗的发声
make_sound(cat)  # 调用猫的发声

# 输出:
汪汪!
喵喵!

第二部分:异常处理——让代码优雅地“跳舞”

在编程界,错误是常客。但我们要学会优雅地应对,不让你的程序“死机”。

1 基本的try-except结构:

try:
    # 可能会出错的代码块
    result = 10 / 0      # 这里会导致ZeroDivisionError
except ZeroDivisionError:
    print("不能除以零哦!")

输出:

不能除以零哦!

2 多重异常处理:

有时候,不同的错误需要用不同的方式处理。

try:
    num = int(input("请输入一个整数:"))
except ValueError:     # 捕捉输入非整数的错误
    print("这不是个整数!重新来过~")
except IndexError:
    print("索引错误了哦!")
else:
    print(f"你输入的是:{num}")
finally:
    print("不管有没有错,我都会被调用!")

# 用户输入非数字时的输出:
这不是个整数!重新来过~

3 自定义异常:

有时候,原生的异常可能不能满足需求,这时候可以“发明”自己的错误。


class MyCustomError(Exception):
    pass

try:
    raise MyCustomError("这是一个自定义错误!") # 抛出自己定义的错误
except MyCustomError as e:
    print(e)  # 输出:这是一个自定义错误!

第三部分:文件操作——与电脑“对话”

1 基础的读写操作:


# 写入文件
with open("test.txt", mode="w") as file:
    file.write("你好,Python!")

# 读取文件
with open("test.txt", "r") as file:
    content = file.read()
print(content)  # 输出:你好,Python!

2 更高级的操作:

  • 追加写入:a 模式可以防止覆盖原有内容。
  • 读取多行:可以用 .readlines()。


# 追加内容
with open("test.txt", "a") as file:
    file.write("\n我今天学到了OOP!")

# 读取并打印每一行
with open("test.txt", "r") as file:
    lines = file.readlines()
    for line in lines:
        print(line.strip())  # 去除换行符

# 输出:
你好,Python!
我今天学到了OOP!

第四部分:正则表达式——字符串的“侦探”

1 简单介绍:

正则表达式(Regex)是用于匹配特定模式的字符串工具。虽然看起来有点复杂,但学会了超级好用!

2 基本语法:

  • .:匹配任意一个字符。
  • *:重复零次或多次。
  • \d:匹配数字。
  • \w:匹配字母、数字和下划线。

示例:提取邮箱

import re

text = "我的邮箱是:test@example.com"
pattern = r"\b\w+@\w+\.\w{2,}\b"  # 匹配类似word@domain扩展名的格式

match = re.search(pattern, text)
if match:
    print("找到邮箱:", match.group())  # 输出:找到邮箱:test@example.com

3 更多功能:

  • 替换:re.sub()
  • 分割:re.split()
# 替换所有数字为*
new_text = re.sub(r"\d", "*", "我的电话号码是123456789")
print(new_text)  # 输出:我的电话号码是*********

# 分割字符串
pattern_split = r" "
strings = "hello world, how are you"
split_result = re.split(pattern_split, strings)
print(split_result)  # 输出:['hello', 'world,', 'how', 'are', 'you']

通过本文的学习,希望各位开发者可以在代码世界中更加得心应手!无论是处理文件、优雅地应对错误还是用正则表达式进行复杂匹配,这些技巧都能让你的编程之旅更顺畅。加油吧,未来的Coder们!

如果你有任何疑问或者想了解更多有趣的知识,随时可以在评论区留言哦~我会尽力为大家解答!

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: