Další moduly standardní knihovny

Obsah

Celý obsah standardní knihovny a seznam všech základních funkcí naleznete zde zde.

Práce s časem - modul datetime

Modul pro práci s časem a datumem. Příklady vycházejí z podrobnějšího článku zde. Následující příklad ukazuje jak vytvořit instance ručně.

from datetime import date, time, datetime


date(year=2020, month=1, day=31)
 
time(hour=13, minute=14, second=31)
 
datetime(year=2020, month=1, day=31, hour=13, minute=14, second=31)

Můžeme však použít i užitečné metody pro jejich vytvoření.

from datetime import date, time, datetime


date.today()
datetime.now()

Datum můžeme vytvořit rovněž pomoci ISO 8601 formátu.

from datetime import date
 

date.fromisoformat("2020-01-31")

V případě, že nemáme údaje v žádném ISO formátu můžeme použít formátovací jazyk na parsování údajů z řetězce. Jeho celý popis naleznete zde.

from datetime import datetime


date_string = "01-31-2020 14:45:37"
format_string = "%m-%d-%Y %H:%M:%S"
 
datetime.strptime(date_string, format_string)

Rozdíl času

V případě, že máme dvě instance třídy datetime, můžeme provádět jejich rozdíl. Výsledkem je instance datetime.timedelta.

from datetime import datetime


# čas do Nového roku
datetime(year=2023, month=1, day=1) - datetime.now()

Případně můžeme vytvořit datetime.timedelta ručně a provádět aritmetické operace.

from datetime import datetime, timedelta


# vrátí datetime posunutý o jeden den dopředu
datetime.now() + timedelta(days=1)
 
# vrátí datetime posunutý o jeden den dozadu
datetime.now() - timedelta(days=1)
# ekvivalentní
datetime.now() + timedelta(days=-1)

Měření doby běhu

V praxi často chceme změřit dobu běhu našeho programu/funkce. V modulu time nalezneme perf_counter což je nejpřesnější způsob měření času. Více informací naleznete zde.

from time import perf_counter


start = perf_counter()
 
for _ in range(10000):
  2 ** 10
 
perf_counter() - start

Práce s "náhodou" - modul random

Na začátku je nutné upozornit na fakt, že většina náhodně generovaných dat nejsou náhodná ve vědeckém slova smyslu, jedná se o pseudonáhodná data.

Náhodná čísla je možné generovat pomoci true random number generator (TRNG), tím je například opakovaný hod hrací kostkou. Za předpokladu že nemáme "cinklou" kostku nedokážeme odhadnout jaké číslo na hrací kostce padne.

Pseudonáhodná čísla je narozdíl od náhodných čísel možné generovat za pomoci softwaru. Proces generování začne náhodným číslem (seed) a následně použitím algoritmu, který na základě seedu vygeneruje pseudonáhodné číslo.

Dále je nutné upozornit, že pseudonáhodné generátory z modulu random není vhodné používat pro bezpečnostní aplikace.

import random


# náhodné číslo z rozsahu [0.0, 1.0]
random.random()
# 0.6974581966212106
random.random()
# 0.3773080227020298

Generovaná čísla vypadají náhodně, problém však nastane v následující demonstraci.

import random


random.seed(123)
# náhodné číslo z rozsahu [0.0, 1.0]
random.random()
# 0.052363598850944326
 
random.seed(123)
random.random()
# 0.052363598850944326

Nastavením stejného seedu jsme schopni zopakovat stejné "náhodné" číslo! Celý popis problematiky a mnoho dalšího naleznete zde.

Dále se podívejme jak generovat náhodný int z rozsahu.

import random


# náhodný integer z intervalu [0, 10]
random.randint(0, 10)
# náhodný integer z intervalu [0, 10)
random.randrange(0, 10)

Rovněž je možné generovat náhodné float z rozsahu.

import random


# náhodný float z intervalu [0, 10]
random.uniform(0, 10)
## Použití random u sekvencí Výběr náhodného prvku. 
import random


values = [2, 5, 1, 6, 7]
 
# náhodná hodnota ze seznamu values
random.choice(values)
 
# náhodné 3 hodnoty (s opakováním) ze seznamu values
random.choice(values, k=3)
 
# náhodný podseznam délky 3 (bez opakování) ze seznamu values
random.sample(items, 3)

Náhodné zamíchání sekvence.

import random


values = [2, 5, 1, 6, 7]
 
# náhodné zamíchání, pozor je inplace
random.shuffle(values)
 
values

Pokročilejší matematika - modul math

Modul math obsahuje množství užitečných high-level funkcí pro matematické operace. Obsáhlejší článek je možné najít zde.

Konstanty

Modul math obsahuje několik matematicky významných konstant.

import math


# Pi
math.pi
# Tau - 2*pi
math.tau
# Eulerovo číslo
math.e
# Nekonečno
math.inf
# Not a Number
math.nan

Užitečné aritmetické funkce

import math


# faktoriál 7!
math.factorial(7)
 
# nejbližší celé číslo, které je větší nebo rovno zadanému číslu
math.ceil(4.2)
# 5
math.ceil(-4.2)
# -4
 
# nejbližší celé číslo, které je menší nebo rovno zadanému číslu
math.floor(4.2)
# 4
math.floor(-4.2)
# -5
 
# odebrání desetíné části čísla
math.trunc(4.2)
# 4
math.trunc(-4.2)
# -4
assert math.trunc(12.32) == math.floor(12.32)
assert math.trunc(-43.24) == math.ceil(-43.24)
Dále můžeme zjistit zda jsou dvě čísla blízko (se zadanou přesností).
import math


# abs(a-b) <= max(rel_tol * max(abs(a), abs(b)), abs_tol).
math.isclose(6, 7, rel_tol=0.2)
 
math.isclose(6, 7, rel_tol=0.1)
Výpočet mocniny
import math


# na první pohled zbytečné ale..
math.pow(2, 3) == 2 ** 3
 
import timeit


timeit.timeit("math.pow(10, 300)", setup="import math")
# 0.1181572710047476
 
timeit.timeit("10 ** 300")
# 0.8508502449840307
Druhá odmocnina
import math


math.sqrt(9)
Výpočet logaritmu
import math


# přirozený, tedy ln
math.log(4)
 
# o základu 2
math.log(3, 2)
 
# existují zkrácené verze
math.log2(3)
math.log10(3)
Největší společný dělitel
import math


math.gcd(15, 25)
Suma čísel v iterable (přesněji)
Doteď jsme používali sum() pro součet čísel v iterable, existuje však přesnější verze. 
import math


sum([.1, .1, .1, .1, .1, .1, .1, .1, .1, .1])
# 0.9999999999999999
 
math.fsum([.1, .1, .1, .1, .1, .1, .1, .1, .1, .1])
# 1.0
Trigonometrické funkce
import math


math.sin()
math.cos()
math.tan()
 
# Inverzni funkce
math.asin()
math.acos()
math.atan()
 
# výpočet přepony - hypotenuse
math.hypot()

Základní statistika - modul statistics

Modul statistics obsahuje základní funkce pro statistiku. Více informací o modulu naleznete zde.

import statistics


# aritmetický průměr
statistics.mean()
# aritmetický průměr - fast, floating point
statistics.fmean()
# medián
statistics.meadian()
# kvantily
statistics.quantiles()
 
# rozptyl (variance)
statistics.variance()
# směrodatná odchylka
statistics.stdev()
# covariance
statistics.covariance()

Práce se zlomky - modul fractions

Pro práci se zlomky (pro zachování přesnosti) můžeme použít modul fractions, více informací nalezneme zde.

import fractions


fractions.Fraction(16, -10)
# Fraction(-8, 5)
fractions.Fraction(123)
# Fraction(123, 1)
fractions.Fraction()
# Fraction(0, 1)
fractions.Fraction('3/7')
# Fraction(3, 7)
fractions.Fraction(' -3/7 ')
# Fraction(-3, 7)
fractions.Fraction('-.125')
# Fraction(-1, 8)
fractions.Fraction('7e-6')
# Fraction(7, 1000000)
fractions.Fraction(2.25)
# Fraction(9, 4)
fractions.Fraction(1.1)
# Fraction(2476979795053773, 2251799813685248)
 
fractions.Fraction(16, -10).numerator
# -8
fractions.Fraction(16, -10).denominator
# 5

Práce s URL - balíček urllib

Python obsahuje balíček urllib, existuje však lepší alternativa, balíček requests (Requests: HTTP for Humans). Ukážeme si jeho základní použití.

import requests


r = requests.get("https://portal.upol.cz")
r
# <Response [200]>
 
r.status_code
# 200
 
r.text
# '\r\n\r\n\r\n\r\n...
 
r.encoding
# 'utf-8'
 
r.history
# []
 
r.url
# 'https://portal.upol.cz/'
 
r.headers
# {
#    'Cache-Control': 'no-cache,no-store',
#    'Pragma': 'no-cache',
#    'Transfer-Encoding': 'chunked',
#    'Content-Type': 'text/html; charset=utf-8',
#    'Expires': '-1',
#    'Server': 'Microsoft-IIS/8.5',
#    'Strict-Transport-Security': 'max-age=2592000',
#    'Set-Cookie': '.AspNetCore.Session=CfDJ8MpsEsD%2FF1VIgp%2Fgwefz4M4D015SL03szWA6MVPQtW9qZKTKLS8%2FoOKftWDZ7qCmBfokp53BXMAUgsxqgyMhkveV2mfa6DadtTFnak1vbXkPugxW%2Fma%2BgdXsP6JjwZdzgc2IC9G9uDZ6pDTrNqusDL0hF4bRy8xiw93luh8%2FXiEz; path=/; samesite=lax; httponly',
#    'X-Powered-By': 'ASP.NET',
#    'Date': 'Wed, 01 Dec 2021 12:08:35 GMT'
#}
 
r.headers['Content-Type']
# 'text/html; charset=utf-8'