Anne  de Morel

Anne de Morel

1656144300

Top 8+ Des Bibliothèques Python Pour L'apprentissage Automatique

Les 8 meilleures bibliothèques Python pour l'apprentissage automatique sont TensorFlow, Scikit-learn, Numpy, Keras, PyTorch, LightGBM, Eli5, SciPy, Theano, Pandas

Python est un océan de bibliothèques qui servent à diverses fins et en tant que développeur Python, vous devez avoir une bonne connaissance des meilleures. Pour vous y aider, voici un article qui vous présente les 10 meilleures bibliothèques Python pour l'apprentissage automatique qui sont :


Introduction

Python est l'un des langages de programmation les plus populaires et les plus utilisés et a remplacé de nombreux langages de programmation dans l'industrie.

Il existe de nombreuses raisons pour lesquelles Python est populaire parmi les développeurs et l'une d'entre elles est qu'il possède une collection incroyablement vaste de bibliothèques avec lesquelles les utilisateurs peuvent travailler. 

Voici quelques raisons importantes pour lesquelles Python est populaire :

  • Python a une énorme collection de bibliothèques.
  • Python est un langage de programmation de niveau débutant en raison de sa simplicité et de sa facilité.
  • Du développement au déploiement et à la maintenance, Python veut que ses développeurs soient plus productifs.
  • La portabilité est une autre raison de l'énorme popularité de Python.
  • La syntaxe de programmation de Python est simple à apprendre et est de haut niveau lorsque nous la comparons à C, Java et C++.

Par conséquent, seules quelques lignes de code créent de nouvelles applications.

La simplicité de Python a incité de nombreux développeurs à créer de nouvelles bibliothèques pour l'apprentissage automatique. En raison de l'énorme collection de bibliothèques, Python devient extrêmement populaire parmi les experts en apprentissage automatique.

Ainsi, la première bibliothèque de notre blog Top 10 des bibliothèques Python est TensorFlow.


TensorFlow

Top 10 des bibliothèques Python - Edureka

Qu'est-ce que TensorFlow ?

Si vous travaillez actuellement sur un projet d'apprentissage automatique en Python, vous avez peut-être entendu parler de cette bibliothèque open source populaire connue sous le nom de TensorFlow.

Cette bibliothèque a été développée par Google en collaboration avec Brain Team. TensorFlow fait partie de presque toutes les applications Google pour l'apprentissage automatique.

TensorFlow fonctionne comme une bibliothèque de calcul pour écrire de nouveaux algorithmes qui impliquent un grand nombre d'opérations de tenseur, puisque les réseaux de neurones peuvent être facilement exprimés sous forme de graphes de calcul, ils peuvent être implémentés à l'aide de TensorFlow comme une série d'opérations sur les tenseurs. De plus, les tenseurs sont des matrices à N dimensions qui représentent vos données.

Fonctionnalités de TensorFlow

TensorFlow est optimisé pour la vitesse, il utilise des techniques comme XLA pour des opérations d'algèbre linéaire rapides.

1. Construction réactive

Avec TensorFlow, nous pouvons facilement visualiser chaque partie du graphique, ce qui n'est pas une option lors de l'utilisation de  Numpy  ou  SciKit .

2. Flexible

L'une des fonctionnalités très importantes de Tensorflow est qu'il est flexible dans son opérabilité, ce qui signifie qu'il est modulaire et que les parties que vous souhaitez rendre autonomes, il vous offre cette option.

3. Facilement formable

Il est facilement entraînable sur CPU ainsi que  sur GPU  pour l'informatique distribuée.

4. Formation parallèle sur les réseaux de neurones

TensorFlow propose le pipelining dans le sens où vous pouvez entraîner plusieurs  réseaux de neurones et plusieurs GPU, ce qui rend les modèles très efficaces sur des systèmes à grande échelle.

5. Grande communauté

Inutile de dire que s'il a été développé par Google, il existe déjà une grande équipe d'ingénieurs logiciels qui travaillent en permanence sur l'amélioration de la stabilité.

6. Source ouverte

La meilleure chose à propos de cette bibliothèque d'apprentissage automatique est qu'elle est open source, donc tout le monde peut l'utiliser tant qu'il dispose d'une connexion Internet.

Utilisations de TensorFlow ?

Vous utilisez TensorFlow quotidiennement mais indirectement avec des applications comme Google Voice Search ou Google Photos. Ce sont les applications de TensorFlow.

Toutes les bibliothèques créées dans TensorFlow sont écrites en C et C++. Cependant, il a une interface compliquée pour Python. Votre code Python sera compilé puis exécuté sur le moteur d'exécution distribué TensorFlow construit à l'aide de C et C++.

Le nombre d'applications de TensorFlow est littéralement illimité et c'est la beauté de TensorFlow.

Donc, ensuite sur ce blog "Top 10 des bibliothèques Python", nous avons Scikit-Learn !


Scikit-Learn

Top 10 des bibliothèques Python - Edureka

Qu'est-ce que Scikit-learn ?

C'est une bibliothèque Python associée à NumPy et SciPy. Elle est considérée comme l'une des meilleures bibliothèques pour travailler avec des données complexes.

De nombreuses modifications sont apportées à cette bibliothèque. Une modification est la fonction de validation croisée, offrant la possibilité d'utiliser plus d'une métrique. De nombreuses méthodes de formation comme la régression logistique et les voisins les plus proches ont reçu quelques petites améliorations.

Caractéristiques de Scikit-Learn

1. Validation croisée :  Il existe différentes méthodes pour vérifier l'exactitude des modèles supervisés sur des données invisibles.

2. Algorithmes d'apprentissage non supervisés :  encore une fois, il existe une large gamme d'algorithmes dans l'offre - du regroupement, de l'analyse factorielle, de l'analyse des composants principaux aux réseaux de neurones non supervisés.

3. Extraction de caractéristiques :  utile pour extraire des caractéristiques d'images et de texte (par exemple, un sac de mots)

Où utilisons-nous Scikit-Learn ?

Il contient un grand nombre d'algorithmes pour implémenter des tâches standard d'apprentissage automatique et d'exploration de données telles que la réduction de la dimensionnalité, la classification, la régression, le regroupement et la sélection de modèles.

Alors, ensuite sur ce blog "Top 10 des bibliothèques Python", nous avons Numpy !


Numpy

Top 10 des bibliothèques Python - Edureka

Qu'est-ce que Numpy ?

Numpy est considéré comme l'une des bibliothèques d'apprentissage automatique les plus populaires en Python.

TensorFlow et d'autres bibliothèques utilisent Numpy en interne pour effectuer plusieurs opérations sur les Tensors. L'interface Array est la meilleure et la plus importante fonctionnalité de Numpy.

Caractéristiques de Numpy

  1. Interactif : Numpy est très interactif et facile à utiliser.
  2. Mathématiques : Rend les implémentations mathématiques complexes très simples.
  3. Intuitif : rend le codage vraiment facile et la compréhension des concepts est facile.
  4. Beaucoup d'interaction : largement utilisé, d'où de nombreuses contributions open source.

Les usages de Numpy ?

Cette interface peut être utilisée pour exprimer des images, des ondes sonores et d'autres flux bruts binaires sous la forme d'un tableau de nombres réels en N dimensions.

Pour implémenter cette bibliothèque pour l'apprentissage automatique, il est important pour les développeurs de pile complète de connaître Numpy.

Ensuite, sur ce blog "Top 10 des bibliothèques Python", nous avons Keras !


Keras

Top 10 des bibliothèques Python - Edureka

Qu'est-ce que Keras ?

Keras est considéré comme l'une des bibliothèques d'apprentissage automatique les plus cool de Python. Il fournit un mécanisme plus simple pour exprimer les réseaux de neurones. Keras fournit également certains des meilleurs utilitaires pour compiler des modèles, traiter des ensembles de données, visualiser des graphiques, et bien plus encore.

Dans le backend, Keras utilise Theano ou TensorFlow en interne. Certains des réseaux de neurones les plus populaires comme CNTK peuvent également être utilisés. Keras est relativement lent par rapport à d'autres bibliothèques d'apprentissage automatique. Parce qu'il crée un graphe de calcul en utilisant une infrastructure back-end, puis l'utilise pour effectuer des opérations. Tous les modèles de Keras sont portables.

Caractéristiques de Keras

  • Il fonctionne sans problème à la fois sur le CPU et sur le GPU.
  • Keras prend en charge presque tous les modèles d'un réseau de neurones - entièrement connectés, convolutifs, mutualisés, récurrents, intégrés, etc. De plus, ces modèles peuvent être combinés pour créer des modèles plus complexes.
  • Keras, étant de nature modulaire, est incroyablement expressif, flexible et apte à la recherche innovante.
  • Keras est un framework entièrement basé sur Python, ce qui facilite le débogage et l'exploration.

Où utilisons-nous Keras ?

Vous interagissez déjà constamment avec les fonctionnalités créées avec Keras - il est utilisé par Netflix, Uber, Yelp, Instacart, Zocdoc, Square et bien d'autres. Il est particulièrement populaire parmi les startups qui placent l'apprentissage en profondeur au cœur de leurs produits.

Keras contient de nombreuses implémentations de blocs de construction de réseaux neuronaux couramment utilisés tels que des couches, des objectifs, des fonctions d'activation, des optimiseurs et une multitude d'outils pour faciliter le travail avec des données d'image et de texte. 

De plus, il fournit de nombreux ensembles de données prétraités et des modèles préformés tels que MNIST, VGG, Inception, SqueezeNet, ResNet, etc.

Keras est également un favori parmi les chercheurs en apprentissage profond, se classant n ° 2. Keras a également été adopté par des chercheurs de grands organismes scientifiques, notamment le CERN et la NASA.

Alors, ensuite sur ce blog "Top 10 des bibliothèques Python", nous avons PyTorch !


TorchePy

Top 10 des bibliothèques Python - Edureka

Qu'est-ce que PyTorch ?

PyTorch est la plus grande bibliothèque d'apprentissage automatique qui permet aux développeurs d'effectuer des calculs de tenseur avec l'accélération du GPU, de créer des graphiques de calcul dynamiques et de calculer automatiquement les gradients. En dehors de cela, PyTorch propose des API riches pour résoudre les problèmes d'application liés aux réseaux de neurones.

Cette bibliothèque d'apprentissage automatique est basée sur Torch, qui est une bibliothèque de machines open source implémentée en C avec un wrapper en Lua.

Cette bibliothèque machine en Python a été introduite en 2017, et depuis sa création, la bibliothèque gagne en popularité et attire un nombre croissant de développeurs d'apprentissage machine.

Caractéristiques de PyTorch

Frontal hybride

Un nouveau frontal hybride offre une facilité d'utilisation et une flexibilité en mode impatient, tout en passant de manière transparente au mode graphique pour la vitesse, l'optimisation et la fonctionnalité dans les environnements d'exécution C++.

Formation distribuée

Optimisez les performances en recherche et en production en tirant parti de la prise en charge native de l'exécution asynchrone des opérations collectives et de la communication peer-to-peer accessible depuis Python et C++.

Python d'abord

PyTorch n'est pas une liaison Python dans un framework C++ monolithique. Il est conçu pour être profondément intégré à Python afin de pouvoir être utilisé avec des bibliothèques et des packages populaires tels que Cython et Numba.

Bibliothèques et outils

Une communauté active de chercheurs et de développeurs a construit un riche écosystème d'outils et de bibliothèques pour étendre PyTorch et soutenir le développement dans des domaines allant de la vision par ordinateur à l'apprentissage par renforcement.

Applications de PyTorch ?

PyTorch est principalement utilisé pour des applications telles que le traitement du langage naturel.

Il est principalement développé par le groupe de recherche sur l'intelligence artificielle de Facebook et le logiciel "Pyro" d'Uber pour la programmation probabiliste est construit dessus.

PyTorch surpasse TensorFlow de plusieurs manières et attire beaucoup l'attention ces derniers jours.

Alors, ensuite sur ce blog "Top 10 des bibliothèques Python", nous avons LightGBM !


LightGBM

Top 10 des bibliothèques Python - Edureka

Qu'est-ce que LightGBM ?

Gradient Boosting est l'une des bibliothèques d'apprentissage automatique les meilleures et les plus populaires, qui aide les développeurs à créer de nouveaux algorithmes en utilisant des modèles élémentaires redéfinis et notamment des arbres de décision. Par conséquent, il existe des bibliothèques spéciales qui sont disponibles pour une mise en œuvre rapide et efficace de cette méthode.

Ces bibliothèques sont LightGBM, XGBoost et CatBoost. Toutes ces bibliothèques sont des concurrents qui aident à résoudre un problème commun et peuvent être utilisées de manière presque similaire.

Caractéristiques de LightGBM

Le calcul très rapide assure une efficacité de production élevée.

Intuitif, donc convivial.

Formation plus rapide que de nombreuses autres bibliothèques d'apprentissage en profondeur.

Ne produira pas d'erreurs lorsque vous considérez les valeurs NaN et d'autres valeurs canoniques.

Quelles sont les applications de LightGBM ?

Ces bibliothèques fournissent des implémentations hautement évolutives, optimisées et rapides de l'amplification de gradient, ce qui la rend populaire parmi les développeurs d'apprentissage automatique. Parce que la plupart des développeurs de machine learning full stack ont ​​remporté des concours de machine learning en utilisant ces algorithmes.

Alors, ensuite sur ce blog "Top 10 des bibliothèques Python", nous avons Eli5 !


Eli5

Top 10 des bibliothèques Python - Edureka

Qu'est-ce qu'Eli5 ?

Le plus souvent, les résultats des prédictions du modèle d'apprentissage automatique ne sont pas précis, et la bibliothèque d'apprentissage automatique Eli5 construite en Python aide à surmonter ce défi. Il s'agit d'une combinaison de visualisation et de débogage de tous les modèles d'apprentissage automatique et de suivi de toutes les étapes de travail d'un algorithme.

Caractéristiques d'Eli5

De plus, Eli5 prend en charge les autres bibliothèques XGBoost, Lightning, scikit-learn et sklearn-crfsuite. 

Quelles sont les applications d'Eli5 ?

Applications mathématiques nécessitant beaucoup de calculs en peu de temps.

Eli5 joue un rôle vital là où il existe des dépendances avec d'autres packages Python.

Applications héritées et mise en œuvre de méthodologies plus récentes dans divers domaines.

Donc, ensuite sur ce blog "Top 10 des bibliothèques Python", nous avons SciPy !


SciPy

Top 10 des bibliothèques Python - Edureka

Qu'est-ce que SciPy ?

SciPy est une bibliothèque d'apprentissage automatique pour les développeurs d'applications et les ingénieurs. Cependant, vous devez toujours connaître la différence entre la bibliothèque SciPy et la pile SciPy. La bibliothèque SciPy contient des modules d'optimisation, d'algèbre linéaire, d'intégration et de statistiques.

Caractéristiques de SciPy

La principale caractéristique de la bibliothèque SciPy est qu'elle est développée à l'aide de NumPy et que son tableau utilise le plus NumPy.

De plus, SciPy fournit toutes les routines numériques efficaces comme l'optimisation, l'intégration numérique et bien d'autres en utilisant ses sous-modules spécifiques.

Toutes les fonctions de tous les sous-modules de SciPy sont bien documentées.

Applications de SciPy ?

SciPy est une bibliothèque qui utilise NumPy dans le but de résoudre des fonctions mathématiques. SciPy utilise des tableaux NumPy comme structure de données de base et est livré avec des modules pour diverses tâches couramment utilisées dans la programmation scientifique.

Les tâches telles que l'algèbre linéaire, l'intégration (calcul), la résolution d'équations différentielles ordinaires et le traitement du signal s'exécutent facilement par SciPy.

Alors, ensuite sur ce blog "Top 10 des bibliothèques Python", nous avons Theano !


Théano

Top 10 des bibliothèques Python - Edureka

Qu'est-ce que Théano ?

Theano est une bibliothèque d'apprentissage automatique de cadre de calcul en Python pour le calcul de tableaux multidimensionnels. Theano fonctionne de manière similaire à TensorFlow, mais pas aussi efficace que TensorFlow. En raison de son incapacité à s'adapter aux environnements de production.

De plus, Theano peut également être utilisé sur des environnements distribués ou parallèles, tout comme TensorFlow.

Caractéristiques de Théano

  • Intégration étroite avec NumPy  - Possibilité d'utiliser complètement des tableaux NumPy dans les fonctions compilées par Theano.
  • Utilisation transparente d'un GPU  - Effectuez des calculs gourmands en données beaucoup plus rapidement que sur un CPU.
  • Différenciation symbolique efficace  - Theano fait vos dérivés pour les fonctions avec une ou plusieurs entrées.
  • Optimisations de la vitesse et de la stabilité  - Obtenez la bonne réponse  log(1+x) même lorsqu'il  x est très petit. Ce n'est qu'un des exemples pour montrer la stabilité de Theano.
  • Génération de code C dynamique  - Évaluez les expressions plus rapidement que jamais, augmentant ainsi considérablement l'efficacité.
  • Tests unitaires et auto-vérification approfondis  - Détectez et diagnostiquez plusieurs types d'erreurs et d'ambiguïtés dans le modèle.

Où utilisons-nous Theano ?

La syntaxe réelle des expressions Theano est symbolique, ce qui peut être rebutant pour les débutants habitués au développement logiciel normal. Plus précisément, les expressions sont définies au sens abstrait, compilées et utilisées ultérieurement pour effectuer des calculs.

Il gère spécifiquement les types de calcul pour les grands algorithmes de réseau de neurones dans Deep Learning. C'était l'une des premières bibliothèques de ce type (le développement a commencé en 2007) et c'est un standard de l'industrie pour la recherche et le développement en Deep Learning.

Theano est aujourd'hui la force de plusieurs projets de réseaux de neurones et la popularité de Theano ne fait que croître avec le temps.

Et, enfin, sur ce blog "Top 10 des bibliothèques Python", nous avons des Pandas !


Pandas

Top 10 des bibliothèques Python - Edureka

Qu'est-ce qu'un panda ?

Pandas est une bibliothèque d'apprentissage automatique en Python qui fournit des structures de données de haut niveau et une grande variété d'outils d'analyse. L'une des grandes caractéristiques de cette bibliothèque est la possibilité de traduire des opérations complexes avec des données à l'aide d'une ou deux commandes. Les pandas ont tellement de méthodes intégrées pour regrouper, combiner des données et filtrer, ainsi que des fonctionnalités de séries chronologiques.

Caractéristiques des pandas

Les pandas s'assurent que l'ensemble du processus de manipulation des données sera plus facile. La prise en charge d'opérations telles que la réindexation, l'itération, le tri, les agrégations, les concaténations et les visualisations font partie des fonctionnalités phares de Pandas.

Applications des pandas ?

Actuellement, il existe moins de versions de la bibliothèque pandas qui comprend des centaines de nouvelles fonctionnalités, des corrections de bogues, des améliorations et des modifications de l'API. Les améliorations apportées à pandas concernent sa capacité à regrouper et trier les données, à sélectionner la sortie la mieux adaptée à la méthode d'application et à prendre en charge l'exécution d'opérations de types personnalisés.

L'analyse des données, parmi tout le reste, est mise en avant lorsqu'il s'agit de l'utilisation de Pandas. Cependant, Pandas, lorsqu'il est utilisé avec d'autres bibliothèques et outils, garantit une fonctionnalité élevée et une bonne flexibilité.


Conclusion

J'espère que ce blog sur les 10 meilleures bibliothèques Python vous a aidé à démarrer votre apprentissage sur les bibliothèques disponibles en Python.

Source de l'article original sur https://www.edureka.co

#python  #tensorflow  #scikitlearn  #numpy  #keras  #pytorch  #lightgbm  #eli5  #scipy  #theano  #pandas 

What is GEEK

Buddha Community

Top 8+ Des Bibliothèques Python Pour L'apprentissage Automatique
Ray  Patel

Ray Patel

1619510796

Lambda, Map, Filter functions in python

Welcome to my Blog, In this article, we will learn python lambda function, Map function, and filter function.

Lambda function in python: Lambda is a one line anonymous function and lambda takes any number of arguments but can only have one expression and python lambda syntax is

Syntax: x = lambda arguments : expression

Now i will show you some python lambda function examples:

#python #anonymous function python #filter function in python #lambda #lambda python 3 #map python #python filter #python filter lambda #python lambda #python lambda examples #python map

Ray  Patel

Ray Patel

1619571780

Top 20 Most Useful Python Modules or Packages

 March 25, 2021  Deepak@321  0 Comments

Welcome to my blog, In this article, we will learn the top 20 most useful python modules or packages and these modules every Python developer should know.

Hello everybody and welcome back so in this article I’m going to be sharing with you 20 Python modules you need to know. Now I’ve split these python modules into four different categories to make little bit easier for us and the categories are:

  1. Web Development
  2. Data Science
  3. Machine Learning
  4. AI and graphical user interfaces.

Near the end of the article, I also share my personal favorite Python module so make sure you stay tuned to see what that is also make sure to share with me in the comments down below your favorite Python module.

#python #packages or libraries #python 20 modules #python 20 most usefull modules #python intersting modules #top 20 python libraries #top 20 python modules #top 20 python packages

Shardul Bhatt

Shardul Bhatt

1626775355

Why use Python for Software Development

No programming language is pretty much as diverse as Python. It enables building cutting edge applications effortlessly. Developers are as yet investigating the full capability of end-to-end Python development services in various areas. 

By areas, we mean FinTech, HealthTech, InsureTech, Cybersecurity, and that's just the beginning. These are New Economy areas, and Python has the ability to serve every one of them. The vast majority of them require massive computational abilities. Python's code is dynamic and powerful - equipped for taking care of the heavy traffic and substantial algorithmic capacities. 

Programming advancement is multidimensional today. Endeavor programming requires an intelligent application with AI and ML capacities. Shopper based applications require information examination to convey a superior client experience. Netflix, Trello, and Amazon are genuine instances of such applications. Python assists with building them effortlessly. 

5 Reasons to Utilize Python for Programming Web Apps 

Python can do such numerous things that developers can't discover enough reasons to admire it. Python application development isn't restricted to web and enterprise applications. It is exceptionally adaptable and superb for a wide range of uses.

Robust frameworks 

Python is known for its tools and frameworks. There's a structure for everything. Django is helpful for building web applications, venture applications, logical applications, and mathematical processing. Flask is another web improvement framework with no conditions. 

Web2Py, CherryPy, and Falcon offer incredible capabilities to customize Python development services. A large portion of them are open-source frameworks that allow quick turn of events. 

Simple to read and compose 

Python has an improved sentence structure - one that is like the English language. New engineers for Python can undoubtedly understand where they stand in the development process. The simplicity of composing allows quick application building. 

The motivation behind building Python, as said by its maker Guido Van Rossum, was to empower even beginner engineers to comprehend the programming language. The simple coding likewise permits developers to roll out speedy improvements without getting confused by pointless subtleties. 

Utilized by the best 

Alright - Python isn't simply one more programming language. It should have something, which is the reason the business giants use it. Furthermore, that too for different purposes. Developers at Google use Python to assemble framework organization systems, parallel information pusher, code audit, testing and QA, and substantially more. Netflix utilizes Python web development services for its recommendation algorithm and media player. 

Massive community support 

Python has a steadily developing community that offers enormous help. From amateurs to specialists, there's everybody. There are a lot of instructional exercises, documentation, and guides accessible for Python web development solutions. 

Today, numerous universities start with Python, adding to the quantity of individuals in the community. Frequently, Python designers team up on various tasks and help each other with algorithmic, utilitarian, and application critical thinking. 

Progressive applications 

Python is the greatest supporter of data science, Machine Learning, and Artificial Intelligence at any enterprise software development company. Its utilization cases in cutting edge applications are the most compelling motivation for its prosperity. Python is the second most well known tool after R for data analytics.

The simplicity of getting sorted out, overseeing, and visualizing information through unique libraries makes it ideal for data based applications. TensorFlow for neural networks and OpenCV for computer vision are two of Python's most well known use cases for Machine learning applications.

Summary

Thinking about the advances in programming and innovation, Python is a YES for an assorted scope of utilizations. Game development, web application development services, GUI advancement, ML and AI improvement, Enterprise and customer applications - every one of them uses Python to its full potential. 

The disadvantages of Python web improvement arrangements are regularly disregarded by developers and organizations because of the advantages it gives. They focus on quality over speed and performance over blunders. That is the reason it's a good idea to utilize Python for building the applications of the future.

#python development services #python development company #python app development #python development #python in web development #python software development

How To Compare Tesla and Ford Company By Using Magic Methods in Python

Magic Methods are the special methods which gives us the ability to access built in syntactical features such as ‘<’, ‘>’, ‘==’, ‘+’ etc…

You must have worked with such methods without knowing them to be as magic methods. Magic methods can be identified with their names which start with __ and ends with __ like init, call, str etc. These methods are also called Dunder Methods, because of their name starting and ending with Double Underscore (Dunder).

Now there are a number of such special methods, which you might have come across too, in Python. We will just be taking an example of a few of them to understand how they work and how we can use them.

1. init

class AnyClass:
    def __init__():
        print("Init called on its own")
obj = AnyClass()

The first example is _init, _and as the name suggests, it is used for initializing objects. Init method is called on its own, ie. whenever an object is created for the class, the init method is called on its own.

The output of the above code will be given below. Note how we did not call the init method and it got invoked as we created an object for class AnyClass.

Init called on its own

2. add

Let’s move to some other example, add gives us the ability to access the built in syntax feature of the character +. Let’s see how,

class AnyClass:
    def __init__(self, var):
        self.some_var = var
    def __add__(self, other_obj):
        print("Calling the add method")
        return self.some_var + other_obj.some_var
obj1 = AnyClass(5)
obj2 = AnyClass(6)
obj1 + obj2

#python3 #python #python-programming #python-web-development #python-tutorials #python-top-story #python-tips #learn-python

Art  Lind

Art Lind

1602968400

Python Tricks Every Developer Should Know

Python is awesome, it’s one of the easiest languages with simple and intuitive syntax but wait, have you ever thought that there might ways to write your python code simpler?

In this tutorial, you’re going to learn a variety of Python tricks that you can use to write your Python code in a more readable and efficient way like a pro.

Let’s get started

Swapping value in Python

Instead of creating a temporary variable to hold the value of the one while swapping, you can do this instead

>>> FirstName = "kalebu"
>>> LastName = "Jordan"
>>> FirstName, LastName = LastName, FirstName 
>>> print(FirstName, LastName)
('Jordan', 'kalebu')

#python #python-programming #python3 #python-tutorials #learn-python #python-tips #python-skills #python-development