<\/p>\n
Po kr\u00f3tkim przegl\u0105dzie typ\u00f3w skalarnych i sekwencyjnych przyszed\u0142 czas, by pochyli\u0107 si\u0119 nad:<\/p>\n
Dobre opanowanie instrukcji warunkowych jest podstaw\u0105 do budowy bardziej skomplikowanych struktur steruj\u0105cych przebiegiem programu.<\/p>\n
Nale\u017cy zapami\u0119ta\u0107 jak Python traktuje\u00a0 typ logiczny rzutowany na typ ca\u0142kowity, gdzie 1 to prawa, a 0 to fa\u0142sz.<\/p>\n
Jak jest warto\u015b\u0107 logiczna pustej listy, krotki lub s\u0142ownika ? (sprawd\u017a!)<\/p>\n
Znajomo\u015b\u0107 typu logicznego, operator\u00f3w logicznych i instrukcji warunkowej jest r\u00f3wnie\u017c niezb\u0119dna przy budowie funkcji i nieco p\u00f3\u017aniej przy budowie obiekt\u00f3w<\/p>\n
<\/p>\n
Python dostarcza jedynie dwa rodzaje p\u0119tli , for<\/strong> oraz while<\/strong>., ale moim zdaniem jest to wystarczaj\u0105cy wyb\u00f3r. Mo\u017cliwa jest iteracja po elementach listy, elementach s\u0142ownika , elementach napisu czy zakresach. Dodatkowe sterowanie przebiegiem petli w postaci instrukcji break<\/strong>, continue<\/strong>, pass<\/strong> , else<\/strong>:<\/p>\n Pozwala na budow\u0119 bardziej rozbudowanej logiki ni\u017c zwyk\u0142a iteracja po elementach r\u00f3\u017cnego typu.<\/p>\n<\/div>\n<\/div>\n <\/p>\n Jedn\u0105 z silnych cech Pythona jest liczba dost\u0119pnych\u00a0 i darmowych pakiet\u00f3w, kt\u00f3re umo\u017cliwiaj\u0105 nam wykorzystanie skomplikowanych algorytm\u00f3w w prosty spos\u00f3b.<\/p>\n Nie ma sensu wynajdywanie ko\u0142a od nowa, ale warto pozna\u0107 podstawowe funkcjonalno\u015bci i spos\u00f3b ich wykorzystania<\/p>\n Przyk\u0142adowe pakiety, gdzie praktyk\u0105 jest stosowanie alias\u00f3w<\/p>\n Cz\u0119sto na pocz\u0105tku wielu program\u00f3w w Pythonie, kt\u00f3re dotykaj\u0105 uczenia maszynowego, mamy\u00a0 taki zapis<\/p>\n Kod notatnika Jupiter umieszczony na Githubie<\/p>\n Podglad:<\/strong><\/p>\n\n
\n
import numpy as np<\/pre>\n
\n
import pandas as pd\r\n<\/pre>\n
\n
\r\nimport matplotlib.pyplot as plt<\/pre>\n
\n
\r\nimport folium \r\n<\/pre>\n
\n
\r\nfrom sklearn import datasets\r\n<\/pre>\n
\n
import seaborn as sns \r\n<\/pre>\n
\n
import tensorflow as tf \r\n<\/pre>\n
import numpy as np\r\nimport pandas as pd\r\nimport matplotlib as mpl\r\nimport matplotlib.pyplot as plt\r\nimport seaborn as sns\r\n\r\n<\/pre>\n