Data mining 04-funzionicustom-classioggetti
0 likes110 views
Il documento tratta delle funzioni in Python, inclusa la loro dichiarazione, chiamata e uso di parametri predefiniti e argomenti a lunghezza variabile. Viene inoltre introdotto il concetto di programmazione a oggetti, con spiegazioni su classi e oggetti, attributi e metodi, e un esempio pratico di una classe per la gestione di serie storiche. Infine, vengono accennati moduli come NumPy e Pandas, utilizzati per strutture dati e analisi.
![Classi e oggetti: un esempio
Classe Oggetto
class AnnualTS:
'''La Classe AnnualTS serve ad istanziare un oggetto
per la gestione/descrizione di una serie storica.
'''
def __init__(BASE, START, END, DATA):
BASE.LYEAR = [I for I in range(START,END+1)]
BASE.DATA = DATA
BASE.TS= dict(zip(BASE.LYEAR,BASE.DATA))
def __str__(BASE):
STR=""
for YEAR in BASE.LYEAR:
STR=STR+'Anno {0}: {1} n'.format(
YEAR,BASE.TS[YEAR])
return STR
TS1=AnnualTS(2000, 2005, [22,33,42,34,28,33])
TS1.TS
print(TS1)](https://image.slidesharecdn.com/datamining-04-funzionicustom-classioggetti-170523180045/85/Data-mining-04-funzionicustom-classioggetti-15-320.jpg)
![Classi ed oggetti: un esempio
def mean(BASE):
SUM=0
LNUM=0
for YEAR in BASE.LYEAR:
SUM=SUM+BASE.TS[YEAR]
LNUM +=1
RIS=1.0*SUM/LNUM
return RIS
def max(BASE):
MAX=0
for YEAR in BASE.LYEAR:
if BASE.TS[YEAR]>MAX:
MAX=BASE.TS[YEAR]
return MAX
Classe Oggetto
TS1.mean()
TS1.max()](https://image.slidesharecdn.com/datamining-04-funzionicustom-classioggetti-170523180045/85/Data-mining-04-funzionicustom-classioggetti-16-320.jpg)
Data mining 04-funzionicustom-classioggetti
- 1. Corso Python e R per Data Mining giugno - luglio 2017 Custom function
- 2. Funzioni Una funzione è un blocco di istruzioni isolate dal resto del programma che accetta come input uno o più parametri e restituisce un output, ottenuto dall’esecuzione delle istruzioni Programma Blocco di istruzioni INPUT OUTPUT
- 3. Funzioni: dichiarazione def NomeFunzione(P1, P2,…….PN) : Istruzione 1 Istruzione 2 ……………. Istruzione R return O1, O2,..... OM indentazione INPUT (parametri) OUTPUT (risultato)
- 4. Funzioni: chiamata (esecuzione) R1, R2, … RM = NomeFunzione(A1, A2,…….AN) INPUT (argomenti) OUTPUT (assegnazione)
- 5. Funzioni: parametri e argomenti def NomeFunzione(P1, P2...) : ……………. return O1, O2,..... OM Dichiarazione PARAMETRI R1= NomeFunzione(‘tt’, 24 ..) Chiamata ARGOMENTI le variabili di assegnazione possono essere una oppure tante quante sono i valori passati dall’istruzione return. Se il numero è uguale, allora alle variabili sono assegnati i diversi valori secondo una logica posizionale. Altrimenti alla variabile di assegnazione è assegnata una tupla contenente la sequenza dei risultati. Argomenti assegnati per posizione
- 6. Funzioni: parametri predefiniti e argomenti chiave def NomeFunzione(P1, P2, P3=25, P4=’Italia’ ) : ……….. return O1, O2,..... OM Dichiarazione R1= NomeFunzione(‘tt’, 24, P3=60) Chiamata In fase di chiamata non è necessario passare gli argomenti corrispondenti ai parametri predefiniti. In caso di assenza di argomento essi assumono il valore di default. Si può chiamare una funzione modificando il valore di uno o più parametri predefiniti
- 7. Funzioni: argomenti a lunghezza variabile def NomeFunz.(*L) : …….. Dichiarazione R1= NomeFunz.(10,20) Chiamata R1= NomeFunz.(10,20,30) R1= NomeFunz.(10,20,......123) def NomeFunz.(**D) : …….. Dichiarazione R1= NomeFunz.(A=10) Chiamata R1= NomeFunz.(A=10,B=20)
- 9. Funzioni ricorsive E’ possibile scrivere la chiamata di una funzione all’interno di se stessa def Indietro(N): if N == 0: return print(N) Indietro(N-1) Questa funzione chiama se stessa con un argomento decrementato progressivamente di uno def Fattoriale(n): if n == 0: #print('n è uguale a 0') return 1 else: R=n * Fattoriale(n-1) #print(n,R) return R Funzione call 1 call 2 call n return 2 return 1 return n Questa funzione chiama recorsivamente se stessa fino a che N è uguale a zero. Quindi assegna ricorsivamente il valore R alla chiamante
- 10. Corso Python e R per Data Mining giu-lug 2017 PYTHON BASE Classi e oggetti
- 11. Classi e oggetti Classe Oggetto Istanziare un nuovo oggetto dalla classe…...
- 12. Oggetti Cassetta di attrezzi Schedario
- 13. Programmazione ad oggetti Programmare ad oggetti significa disegnare le diverse classi, definendo i loro attributi e i loro metodi. Quindi utilizzare le classi per istanziare gli oggetti desiderati. Una volta instanziati, gli oggetti avranno vita propria. In particolare potranno essere modificati in modo dinamico i loro attributi.
- 14. Attributi e metodi Gli strumenti/documenti contenuti nella cassetta/schedario possono essere di due tipi: Gli attributi sono dei dati (informazioni) che può essere utile tenere nella cassetta/schedario ATTRIBUTI METODI I metodi sono gli strumenti con i quali si possono compiere delle azioni. I metodi possono essere considerati delle funzioni utili per il dato contesto in cui è utilizzata la cassetta/schedario.
- 15. Classi e oggetti: un esempio Classe Oggetto class AnnualTS: '''La Classe AnnualTS serve ad istanziare un oggetto per la gestione/descrizione di una serie storica. ''' def __init__(BASE, START, END, DATA): BASE.LYEAR = [I for I in range(START,END+1)] BASE.DATA = DATA BASE.TS= dict(zip(BASE.LYEAR,BASE.DATA)) def __str__(BASE): STR="" for YEAR in BASE.LYEAR: STR=STR+'Anno {0}: {1} n'.format( YEAR,BASE.TS[YEAR]) return STR TS1=AnnualTS(2000, 2005, [22,33,42,34,28,33]) TS1.TS print(TS1)
- 16. Classi ed oggetti: un esempio def mean(BASE): SUM=0 LNUM=0 for YEAR in BASE.LYEAR: SUM=SUM+BASE.TS[YEAR] LNUM +=1 RIS=1.0*SUM/LNUM return RIS def max(BASE): MAX=0 for YEAR in BASE.LYEAR: if BASE.TS[YEAR]>MAX: MAX=BASE.TS[YEAR] return MAX Classe Oggetto TS1.mean() TS1.max()
- 18. Alcuni esempi di classi e oggetti Modulo Numpy Modulo Pandas Series Ndarray Array DataFrame
- 20. Analisi di un oggetto Shell ipython Celle jupyter dir(Object) dir(Object) Object.method?? Object? %pdoc Object %pinfo Object lista componenti descrizione contenuti %pfile Object
- 21. CONTATTI TELEFONO 051 22 35 20 EMAIL WORKSHOP@VICEM.IT