Podstawy Pythona

W dzisiejszej lekcji zapoznamy się z podstawami języka Python, kluczowego narzędzia dla Data Scientist. Nauczymy się instalować Pythona, poznamy podstawową składnię i typy danych, a także dowiemy się, jak pisać proste skrypty.

Learning Objectives

  • Zainstalować środowisko Python i zrozumieć jego strukturę.
  • Zrozumieć podstawowe typy danych w Pythonie (int, float, string, boolean).
  • Posługiwać się operatorami arytmetycznymi i logicznymi.
  • Wykorzystywać struktury kontroli (if-else) i pętle (for, while) do pisania prostych skryptów.

Lesson Content

Wprowadzenie do Pythona i Instalacja

Python to wszechstronny język programowania, idealny dla Data Science. Jest prosty w nauce i posiada ogromną bibliotekę dedykowaną do analizy danych. Aby zacząć, musimy zainstalować Pythona na swoim komputerze. Polecam najprostszą metodę: instalację Anaconda, która zawiera Pythona, Jupyter Notebook (świetne narzędzie do nauki i prezentacji kodu) i wiele popularnych bibliotek dla Data Science.

  1. Pobieranie Anaconda: Wejdź na stronę Anaconda (anaconda.com/products/distribution) i pobierz instalator dla swojego systemu operacyjnego (Windows, macOS, Linux).
  2. Instalacja: Uruchom pobrany plik i postępuj zgodnie z instrukcjami. Upewnij się, że zaznaczasz opcję dodania Pythona do zmiennej środowiskowej PATH (jest to zwykle domyślnie zaznaczone).
  3. Sprawdzenie instalacji: Otwórz terminal lub wiersz poleceń (na Windows), wpisz python --version lub conda --version i naciśnij Enter. Powinieneś zobaczyć numer wersji Pythona zainstalowanego na Twoim komputerze.

Podstawowa Składnia i Typy Danych

Python jest językiem interpretowanym, co oznacza, że kod jest wykonywany linia po linii. Kluczem do zrozumienia Pythona jest zrozumienie jego składni. Zacznijmy od podstawowych typów danych:

  • int (liczba całkowita): np. 10, -5, 0
  • float (liczba zmiennoprzecinkowa): np. 3.14, -2.5, 0.0
  • string (łańcuch znaków): np. "Hello, world!", 'Python' (używamy cudzysłowów lub apostrofów do definiowania stringów)
  • boolean (wartość logiczna): True (prawda) lub False (fałsz)

Zmienne: Zmienne służą do przechowywania danych. Nazwa zmiennej może zawierać litery, cyfry i znak podkreślenia, ale musi zaczynać się od litery lub znaku podkreślenia.

name = "Jan Kowalski"
age = 30
pi = 3.14
is_active = True

Operatory:
* Arytmetyczne: + (dodawanie), - (odejmowanie), * (mnożenie), / (dzielenie), // (dzielenie całkowite), % (modulo – reszta z dzielenia), ** (potęgowanie)
* Logiczne: and (i), or (lub), not (nie)
* Porównania: == (równa się), != (nie równa się), < (mniejsze), > (większe), <= (mniejsze lub równe), >= (większe lub równe)

Struktury Kontroli: if-else i pętle

Struktury kontroli pozwalają na kontrolowanie przepływu programu.

if-else:

age = 20
if age >= 18:
    print("Jesteś pełnoletni.")
else:
    print("Jesteś niepełnoletni.")

Pętle: Służą do wielokrotnego wykonywania bloku kodu.

  • for: Iteruje po sekwencji (np. lista, string).
for i in range(5):  # range(5) generuje sekwencję liczb od 0 do 4
    print(i)
  • while: Wykonuje blok kodu, dopóki warunek jest prawdziwy.
counter = 0
while counter < 3:
    print("Licznik:", counter)
    counter += 1

Ważna uwaga: W Pythonie wcięcia (spacje lub tabulatory) są istotne i definiują bloki kodu (np. kod wewnątrz if, else, for, while).

Przykład prostego skryptu: Obliczanie średniej

Oto prosty skrypt obliczający średnią z listy liczb:

numbers = [10, 20, 30, 40, 50]
sum_of_numbers = 0

for number in numbers:
    sum_of_numbers += number

average = sum_of_numbers / len(numbers)

print("Średnia: ", average)

Ten skrypt demonstruje użycie zmiennych, pętli for i operacji arytmetycznych.

Deep Dive

Explore advanced insights, examples, and bonus exercises to deepen understanding.

Rozszerzenie Lekcji: Python dla Data Science - Dzień 2

Witamy w drugim dniu naszej podróży w świat Data Science! Wczoraj poznaliśmy podstawy Pythona. Dziś zagłębimy się jeszcze bardziej w jego tajniki, rozwijając umiejętności zdobyte podczas pierwszej lekcji. Pamiętaj, że kluczem do sukcesu jest regularna praktyka! Im więcej kodzisz, tym lepiej rozumiesz.

Deep Dive Section: Zaawansowane Koncepcje i Perspektywy

Przejdźmy do kilku bardziej zaawansowanych aspektów, które rozwiną Twoje umiejętności Pythona i przygotują Cię do pracy z Big Data.

1. Zmienne i Nazewnictwo

W Pythonie nazwy zmiennych są case-sensitive (rozróżniana jest wielkość liter). Na przykład zmienna i Zmienna to dwie różne zmienne. Pamiętaj o dobrym nazewnictwie – używaj nazw, które jasno opisują, co dana zmienna reprezentuje (np. ilosc_klientow zamiast x).


ilosc_produktow = 100
Ilosc_Produktow = 200 # Inna zmienna!
print(ilosc_produktow, Ilosc_Produktow) # Wyświetli 100 200

2. Operacje na Stringach

Stringi (łańcuchy znaków) w Pythonie są potężne. Możemy je łączyć (konkatenować), dzielić, modyfikować. Oto kilka przykładów:


imie = "Jan"
nazwisko = "Kowalski"
pelne_imie = imie + " " + nazwisko # Konkatenacja
print(pelne_imie) # Wyświetli "Jan Kowalski"

dlugosc_imienia = len(imie) # Funkcja len() zwraca długość stringa
print(dlugosc_imienia) # Wyświetli 3

fragment_imienia = imie[0:2] # Wycinanie fragmentu stringa (od indeksu 0 do 2, ale bez 2)
print(fragment_imienia) # Wyświetli "Ja"

3. Listy: Dynamiczne Kolekcje Danych

Listy to bardzo elastyczny typ danych w Pythonie. Pozwalają przechowywać wiele wartości w jednym miejscu. Można dodawać, usuwać i modyfikować elementy listy.


produkty = ["mleko", "chleb", "jajka"]
produkty.append("ser") # Dodawanie elementu na koniec listy
print(produkty) # Wyświetli ['mleko', 'chleb', 'jajka', 'ser']

produkty.remove("chleb") # Usuwanie elementu z listy
print(produkty) # Wyświetli ['mleko', 'jajka', 'ser']

pierwszy_produkt = produkty[0] # Dostęp do elementu listy (indeksowanie od 0)
print(pierwszy_produkt) # Wyświetli 'mleko'

4. Komentarze i Czytelność Kodu

Komentarze są kluczowe dla zrozumienia kodu, zarówno przez Ciebie, jak i przez innych. Używaj znaku # do dodawania krótkich wyjaśnień obok kodu. Komentuj to, co skomplikowane lub nietrywialne.


# Obliczenie sumy dwóch liczb
a = 5
b = 10
suma = a + b  # Dodawanie dwóch zmiennych
print(suma) # Wyświetlenie sumy

Bonus Exercises

Ćwiczenie 1: Kalkulator BMI

Napisz skrypt, który oblicza Indeks Masy Ciała (BMI) na podstawie wagi (w kg) i wzrostu (w metrach) użytkownika. Następnie, w oparciu o wynik, wyświetl informację o interpretacji BMI (np. niedowaga, waga prawidłowa, nadwaga, otyłość). Wykorzystaj if-else i operatory logiczne.

Ćwiczenie 2: Konwersja jednostek

Stwórz skrypt, który konwertuje temperaturę z stopni Celsjusza na Fahrenheita i odwrotnie. Użyj funkcji i pobieraj dane od użytkownika za pomocą input().

Real-World Connections: Python w Akcji

Python jest wszechobecny w Data Science. Zastosowania, które możesz spotkać:

  • Analiza Danych: Wczytywanie, czyszczenie i eksploracja danych (użycie bibliotek takich jak pandas – zobacz Further Learning).
  • Machine Learning: Budowa i trenowanie modeli uczenia maszynowego (biblioteki scikit-learn, TensorFlow).
  • Automatyzacja: Pisanie skryptów do automatyzacji powtarzalnych zadań (np. przetwarzanie plików).
  • Wizualizacja Danych: Tworzenie wykresów i wizualizacji danych (matplotlib, seaborn).

Wyobraź sobie, że pracujesz w sklepie internetowym. Python może być używany do analizy danych o sprzedaży, identyfikacji trendów zakupowych, personalizacji ofert dla klientów, a nawet do budowy systemu rekomendacji produktów. To tylko wierzchołek góry lodowej!

Challenge Yourself

Spróbuj napisać skrypt, który wczytuje tekst od użytkownika, a następnie liczy wystąpienia każdego słowa w tym tekście. Wykorzystaj pętle, stringi i słowniki (dict – to zaawansowany temat, poszukaj informacji w internecie). Możesz wykorzystać polskie znaki!

Further Learning

Kontynuuj eksplorację, aby rozwijać swoje umiejętności!

  • Pandas: Biblioteka do analizy danych (wczytywanie, manipulacja i analiza danych w formatach tabelarycznych). Poszukaj tutoriali "pandas for beginners" lub "wprowadzenie do pandas".
  • NumPy: Biblioteka do obliczeń numerycznych, kluczowa w Data Science.
  • List Comprehensions: Sposób na tworzenie list w bardziej zwięzły i efektywny sposób.
  • Wyszukaj w Google/YouTube: "python tutorial dla początkujących" - znajdziesz mnóstwo materiałów w języku polskim!

Pamiętaj o regularnej praktyce i rozwiązywaniu problemów. Powodzenia!

Interactive Exercises

Zadanie 1: Tworzenie Zmiennych

Stwórz zmienne dla imienia, wieku (liczba całkowita), wzrostu (liczba zmiennoprzecinkowa) i czy jesteś studentem (boolean). Użyj różnych typów danych.

Zadanie 2: if-else

Napisz program, który sprawdza, czy podana liczba jest parzysta, czy nieparzysta, używając instrukcji `if-else` i operatora modulo (`%`).

Zadanie 3: Pętla for

Napisz program, który używając pętli `for` wyświetli wszystkie liczby od 1 do 10.

Zadanie 4: Obliczanie Sumy

Napisz program, który obliczy sumę liczb od 1 do 100 używając pętli `for` i zmiennej do przechowywania sumy.

Knowledge Check

Question 1: Który z poniższych typów danych reprezentuje tekst?

Question 2: Jaki operator służy do dzielenia całkowitego?

Question 3: Który z poniższych słów kluczowych służy do tworzenia pętli?

Question 4: Co wyświetli poniższy kod? `print(5 == 5)`

Question 5: Jak nazywamy strukturę kodu, która pozwala na podejmowanie decyzji?

Practical Application

Wyobraź sobie, że pracujesz w sklepie internetowym. Twoim zadaniem jest napisać prosty skrypt, który obliczy całkowity koszt zamówienia, uwzględniając cenę każdego produktu i ilość sztuk. Użyj zmiennych, operatorów arytmetycznych i być może instrukcji warunkowej (np. dla darmowej dostawy powyżej określonej kwoty).

Key Takeaways

Next Steps

Przed kolejną lekcją postaraj się przećwiczyć pisanie prostych skryptów w Pythonie. Spróbuj rozwiązać zadania z sekcji 'Ćwiczenia'. Zapoznaj się z pojęciem 'list' w Pythonie, ponieważ będziemy je wykorzystywać w następnej lekcji.

Your Progress is Being Saved!

We're automatically tracking your progress. Sign up for free to keep your learning paths forever and unlock advanced features like detailed analytics and personalized recommendations.

Next Lesson (Day 3)