Python成長路線

Python是一門流行的高級編程語言，如今在數字化時代中扮演着越來越重要的角色。從數據處理到網站開發，從自動化腳本到機器學習，Python都能勝任並做得很出色。在成為一名全能Python工程師的路線中，我們需要有系統的學習過程，下面將為你提供一條Python成長路線。

一、Python基礎語法及數據類型

Python具有類似英語的語法結構，其語法格外的簡潔明了。Python也支持常用的數據類型，如整數、字符串、列表、元組和字典等。

1、基本語法示例：

#打印字符串
print('Hello, World!')

#變量賦值並加法操作
num1 = 1
num2 = 2
num3 = num1 + num2
print(num3)

2、數據類型示例：

#整數類型
num1 = 10
num2 = -5

#字符串類型
str1 = "Hello, World!"

#列表類型
list1 = [1, 2, 3, 'hello', 'world']

#元組類型
tuple1 = ('Python', 'is', 'awesome')

#字典類型
dict1 = {'name': 'Alice', 'age': 25}

二、Python函數與模塊

Python中，函數具有非常重要的地位，它可以在程序中重複使用某個過程，並且使程序結構更加清晰。另外，在Python中模塊是將代碼進行組織的一種方式，也是實現Python代碼重用的方法。

1、函數示例：

#定義函數
def add(num1, num2):
    return num1 + num2

#調用函數
sum1 = add(1, 2)
print(sum1)

2、模塊示例：

#導入模塊
import math

#使用模塊中的函數
result = math.sqrt(4)
print(result)

三、Python高級語法

Python也具有很多高級語法特性，例如面向對象編程、生成器、裝飾器等。

1、面向對象編程示例：

#定義類
class Person:
    #初始化方法
    def __init__(self, name, age):
        self.name = name
        self.age = age
        
    #實例方法
    def introduce(self):
        print("My name is", self.name, "and I am", self.age, "years old.")
        
#創建對象並調用實例方法
person1 = Person("Alice", 25)
person1.introduce()

2、生成器示例：

#創建生成器
def square_numbers(nums):
    for i in nums:
        yield i * i
        
#使用生成器
my_nums = square_numbers([1, 2, 3, 4, 5])
for num in my_nums:
    print(num)

3、裝飾器示例：

#定義裝飾器
def my_decorator(func):
    def wrapper():
        print("Before the function is called.")
        func()
        print("After the function is called.")
    return wrapper

#使用裝飾器
@my_decorator
def say_hello():
    print("Hello, world!")

say_hello()

四、Python常用庫

Python的可擴展性及豐富的第三方庫生態使得開發變得更加高效。常用的Python庫包括NumPy、Pandas、Matplotlib、Scikit-learn等。

1、NumPy示例：

#導入NumPy庫
import numpy as np

#創建NumPy數組
arr1 = np.array([1, 2, 3])
arr2 = np.array([[4, 5, 6], [7, 8, 9]])

#使用NumPy函數
result = np.sum(arr2)
print(result)

2、Pandas示例：

#導入Pandas庫
import pandas as pd

#創建Pandas數據幀
df1 = pd.DataFrame({'name': ['Alice', 'Bob'], 'age': [25, 30], 'city': ['New York', 'Chicago']})

#使用Pandas函數
df2 = df1[df1['age'] > 25]
print(df2)

3、Matplotlib示例：

#導入Matplotlib庫
import matplotlib.pyplot as plt

#創建數據
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

#繪製圖表
plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Line chart')
plt.show()

4、Scikit-learn示例：

#導入Scikit-learn庫
from sklearn.linear_model import LinearRegression

#創建數據集
X = [[1], [2], [3], [4], [5]]
y = [2, 4, 6, 8, 10]

#訓練模型
model = LinearRegression()
model.fit(X, y)

#預測新數據
y_pred = model.predict([[6]])
print(y_pred)