Cours détaillé sur l’utilisation de Python Nagare


Télécharger Cours détaillé sur l’utilisation de Python Nagare

★★★★★★★★★★3.5 étoiles sur 5 basé sur 1 votes.
Votez ce document:

Télécharger aussi :


Cours détaillé sur l’utilisation de Python Nagare

1.1 Introduction

Python est devenu un leader parmi les langages bien établis et optimisés tels que C, C ++, Java pour des raisons très simples. La fabrication de python intègre la philosophie selon laquelle des tâches complexes peuvent être effectuées de manière simple. Nous avons tendance à penser que les problèmes complexes nécessitent des processus complexes pour produire des solutions complexes. Python a été fabriqué avec une philosophie opposée. Python a été conçu pour offrir une courbe d’apprentissage et un processus de développement extrêmement plats aux ingénieurs en logiciel. Dans le même temps, il a été conçu en gardant à l'esprit la puissance du mouvement Open Source, ce qui a permis d'étendre ses capacités à un rythme incroyable. Étant de nature open source, les gens pourraient créer de petits programmes et les partager facilement entre eux. Un groupe de programmes pour effectuer diverses tâches constitue un module / package. Il y a plus de 57989 modules à ce jour (mardi 8 mars 2016), qui ont été soumis par un nombre aussi important de développeurs à travers le monde. Cela a permis à python de se propager rapidement au sein de la communauté informatique et de s'emparer de la première position en tant que langage de programmation privilégié.

1.2 Histoire

Le développement du langage de programmation Python remonte aux années 1980. Guido van Rossum a commencé son implémentation à CWI aux Pays-Bas en décembre 1989. C’était une époque où les appareils informatiques devenaient tous les jours puissants et fiables. Python 1.0 a été rendu public en 1994, Python 2.0 en 2000 et Python 3.0 en 2008, mais Python 3 n'était pas conçu pour être compatible avec Python 2, ce qui le rendait moins utilisable par les utilisateurs qui développaient déjà avec Python 2. Cela rendait beaucoup des développeurs s'en tiennent à Python 2 même maintenant avec très peu de preneur de Python 3 en général. Python tire sa philosophie du langage ABC dans une large mesure.

La structure de Synatx était largement dérivée de l’environnement C Bourne de C et UNIX a été une source d’inspiration pour la nature interprétative de l’environnement de travail. Il a également utilisé de nombreux autres concepts de divers langages pour devenir un langage de programmation robuste, polyvalent, orienté objet et de haut niveau. Un langage de programmation de haut niveau est celui qui présente une forte abstraction des détails de l’ordinateur. Un langage de programmation orienté objet est celui qui traite les données en tant qu'objet sur lequel différentes méthodes agissent pour produire le résultat souhaité. La nature abstraite des objets permet d’inventer des objets de notre choix et d’appliquer les concepts de programmation à diverses applications.

1.3 Python et ingénierie

Les problèmes d'ingénierie font appel à des calculs numériques à petite et grande échelle. Par conséquent, les exigences des applications d’ingénierie exigent que les langages de programmation s’insèrent bien dans ces deux régimes. Il y a très peu de langues qui peuvent se vanter de ces qualités et le python est vraiment gagnant ici. Lors de l'exécution de tâches de calcul importantes sur des architectures de calcul plus grandes, la gestion de la mémoire, la vitesse et la fiabilité sont les paramètres clés. Python étant un langage interprétatif est généralement considéré comme une option plus lente à cet égard. Mais sa capacité à utiliser des codes plus rapides écrits en C, Java et Fortran à l’aide des packages d’interconnexion cython, jython et f2p, permet d’exécuter des tâches intensives en langage natif au sein d’un code python. Cela a soulagé de nombreux codeurs du monde entier qui se demandaient si les codes déjà optimisés devaient être ré-écrits en python.

Un autre aspect des problèmes d’ingénierie est la capacité d’un langage de programmation à communiquer efficacement avec des périphériques physiques. Les appareils électroniques sont connectés via des câbles, blue-tooth, sans fil et Internet. À l'aide d'un module python approprié, il est possible de se connecter à un appareil compatible pour en extraire des données, puis de les visualiser sur la plate-forme souhaitée. Une variété de micro-contrôleurs (comme Arduino) permettent à python de faire fonctionner son matériel facilement. Des micro-ordinateurs tels que Raspberry Pi permettent aux programmes en cours d'exécution d'accéder aux périphériques d'entrée-sortie. Cela permet de réaliser un prototypage économique d'un problème d'ingénierie.

Les utilisateurs de MATLAB R soutiennent que Simulink est l’un des moyens les plus simples de prototyper et de simuler une machine. Scilab fournit également une plateforme similaire appelée Xcos. Python n'a toujours pas cette capacité et les programmeurs en herbe des générations à venir peuvent relever ce défi. Une grande communauté de développeurs attend avec impatience une telle solution.



1.4 Programmation modulaire

La nature modulaire de la programmation python intègre les tâches complexes divisées en petits modules qui interagissent de manière transparente. Cela facilite à la fois le développement et le débogage. Les modules peuvent simplement être importés pour permettre l'utilisation de diverses fonctions.

Python est livré avec des milliers de modules pour effectuer diverses tâches. Certains d'entre eux sont énumérés dans le tableau 1.1

Nom du paquet Signification But

numpy numerical python Calcul numérique

scipy Scientific python Calculs scientifiques

sympy Python symbolique Informatique symbolique

matplotlib Bibliothèque de tracé mathématique Pour tracer des graphiques

Tableau 1.1: Modules Python

Des milliers de paquets pouvant être téléchargés sur le site Web de l'index des paquets python https://pypi.python.org/pypi/pip. L'installation de packages peut s'avérer fastidieuse lorsqu'il est nécessaire de les installer dans des répertoires appropriés et d'affecter les chemins d'installation aux emplacements appropriés. Pour simplifier la vie des développeurs travaillant avec ubuntu, il suffit d’écrire

1 $ sudo pip i n s t a l l numpy

Au-dessus de la commande, installez numpy au bon endroit. De même, d'autres packages doivent être installés selon les besoins. Il est important de noter que, alors que les ordinateurs personnels modernes offrent une mémoire de grande capacité, les micro-ordinateurs tels que Raspberry Pi ont une mémoire limitée. Par conséquent, une utilisation judicieuse de ces ressources de mémoire est fortement recommandée. Étant donné que tous les modules occupent un peu de mémoire, ils doivent donc être installés en fonction des besoins. En outre, ils doivent être importés dans le programme en fonction des besoins. Python permet une importation sélective si des fonctions spécifiques optimisent l’utilisation de la mémoire. Il est considéré comme une bonne pratique d'écrire des programmes qui évitent une utilisation inutile des ressources. Mentionner l'utilisation de chaque module dépasse le cadre du présent livre. Des modules seront introduits selon les exigences du sujet. L'utilisateur est encouragé à vérifier divers modules et leur documentation pour une utilisation. Une utilisation générale des modules et leur fonction seront traités ultérieurement dans le présent livre.

1.5 résumé

Python a attiré beaucoup d'attention dans le monde entier en raison de son apprentissage plat et de ses courbes de développement abruptes. Il a récemment gagné la première place en termes de popularité et de choix du langage de programmation. En raison du nombre important de développeurs qui utilisent un modèle à source ouverte, il dispose d'une riche bibliothèque de modules pour diverses tâches nécessaires à la résolution d'un problème d'ingénierie. Les ingénieurs formés à Python peuvent donc répondre aux exigences de l’industrie moderne, qui exige des solutions rapides et efficaces à leurs problèmes.

2- Introduction aux bases du python

2.1 Introduction à python en tant que langage interprété

Python est un langage interprété par opposition aux langages compilés comme C, C ++, Java, etc. Chaque ligne de code est interprétée et exécutée une par une, selon leur ordre. Cela rend l'architecture de calcul très différente des langages traditionnels. Par exemple, supposons que la ligne 5 d'un programme python présente une erreur de syntaxe. Dans ce cas, le programme exécutera toutes les commandes jusqu'à la ligne 4 et affichera alors une erreur. Dans le cas de langages compilés, les étapes de la compilation indiqueraient une erreur et le programme ne s'exécutera pas du tout. Pour comprendre cette différence de manière approfondie, il faut comprendre les processus de compilation et d’interprétation. Dans le cas des langages compilés, un compilateur traduit le code lisible par l'homme en langage assembleur lisible par machine. Le code lisible par machine est appelé code d'objet donné par les fichiers d'objet. Ces fichiers objets peuvent être exécutés directement sur des machines. Par exemple, supposons que le code soit donné comme suit:

/ ∗ Bon o le programme mondial /



 # i n cl u d e <s t d i o. h>

4

5 principaux ()

6 {

7 p r i n t f (”Monde ou Monde”);

8

9}

Supposons que ce code est enregistré en tant que hello.c. Pour compiler ce code sous UNIX comme une machine avec compilateur gcc, nous donnons la commande suivante:

gcc bonjour.c -o bonjour

Cela crée un code objet nommé hello. Lors de la compilation, l'en-tête stdio.h est utilisé pour comprendre les instructions d'entrée-sortie telles que printf ("Hello World"). Le code de l'objet peut ensuite être exécuté en écrivant sur un terminal UNIX:

./Bonjour

Le fichier objet peut être partagé par l'utilisateur avec n'importe qui et si l'architecture du microprocesseur est identique à celle de l'utilisateur, il sera exécuté uniformément.

Mais ce n'est pas le cas avec Python. En tant que langage interprété, il utilise un interpréteur qui interprète le code en un code intermédiaire, puis en un code machine. Un interprète lit le texte source d'un programme, l'analyse et l'exécute une ligne à la fois. Ce processus est très lent car l’interprète passe beaucoup de temps à analyser des chaînes de caractères pour comprendre leur signification. Par exemple, pour taper bonjour le monde tel qu’il est fait par le programme C ci-dessus, un programme python nécessite simplement:

1 «Le monde»

En une seule ligne, un interprète numérise les empreintes du monde et cherche ce qu’il signifie. En interpréteur python, cela signifie imprimer sur un périphérique particulier.

Un périphérique peut être un terminal informatique, un traceur d'imprimante, etc. Par défaut, il s'agit d'un terminal informatique. Les commandes d'impression exigent également des arguments qui sont analysés à la deuxième étape en tant que chaîne hello world (une chaîne en python peut être enfermée dans ”ou” ”). Par conséquent, l'interprétation complète de la ligne consiste à imprimer la chaîne hello world sur un terminal d'ordinateur. Lorsque les programmes composent des centaines et des milliers de lignes, un processus de compilation donnera un résultat plus rapide car le code objet ne doit être compilé qu'une seule fois, puis exécuté directement sur le microprocesseur. Alors qu'un code interprété vérifiera les interprétations chaque fois qu'il doit être traité. En dépit de ces chances d’être intrinsèquement lentes, les scientifiques et les ingénieurs le préfèrent pour leur extrême simplicité, leur intuitivité et leur puissance, en raison de la richesse de leur bibliothèque de modules pour diverses tâches de calcul. Le présent chapitre traitera de certains d’entre eux en détail.

2.2 Installation

Pour travailler avec python, il faut d'abord l'installer. Le présent livre est écrit en utilisant le système Ubuntu 14.04 où python est fourni par installé. Dans le cas d'autres systèmes, il est conseillé à l'utilisateur de visiter (https://www.python.org/downloads/) et de télécharger python 2.x, où x indique le numéro de version de python. Les utilisateurs souhaitant travailler dans un environnement de développement intégré (IDE) doivent explorer le site Web à l'adresse http://en.wikipedia.org/wiki/Comparison_ of_integrated_development_environments # Python. Canopy est un IDE très pratique en python et sa version académique est gratuite pour les étudiants et les enseignants d’un établissement éducatif. L'utilisateur est libre d'installer n'importe lequel d'entre eux et d'exécuter des commandes python à l'invite de commande ou d'enregistrer un fichier de script avec l'extension filename.py, puis d'exécuter la commande python filename.py à l'invite de commande.



1