ISKM80 Python pro neprogramátory.md 2023-09-10
1 / 49
Python s KISKem
Tento interaktivní workbook slouží jako berličky pro tento víkend plný Pythonu. Každý máte vlastní kopii a lze
si do ní dělat poznámky. Do workbooku se zapisuje pomocí Markdownu. Základní ovládání si ukážeme. Stejné
věci platí i u druhého workbooku s cvičeními.
Cvičení jsou ryze dobrovolná, ale doporučuji si je vypracovat všechna. Pokud nestiháte, nic se neděje, můžete
si je dopracovat doma. Po skončení vám nasdílím i workbook se všemi vypracovanými věcmi, ale berte to jako
inspiraci nebo berličky, když už opravdu nebudete vědět. Opisováním přijdete o veškerou srandu i strasti při
řešení.
Nebojte se googlit, když se zaseknete. Já to dělám v práci dnes a denně. Programátor, který říká, že negooglí,
lže. Všichni to děláme, i na banální věci. 😊
Pamatujte, žádná otázka není hloupá, pouze ta, která není položena.
Obsah
Co je Python
Proč Python
Google Colab
Základy Pythonu
Základní pojmy
Proměnné
Vypisování hodnot v Pythonu
Datové typy
Aritmetické operace
Logické operace
Základní konstrukty v Pythonu
Podmínky
Cykly
Práce s řetězci
Funkce
Základní datové struktury
Bonus: Knihovny
Numpy
Pandas
Grafy
ISKM80 Python pro neprogramátory.md 2023-09-10
2 / 49
Užitečné odkazy
Dokumentace Python | https://docs.python.org/
Pokročilé používání argumentů u funkcí | https://realpython.com/python-kwargs-and-args/
Python s W3Schools (mají i tutoriál na Pandas, Numpy, MatPlotLib) |
https://www.w3schools.com/python/default.asp
Předmět CS50P na Harvardu (videa z roku 2022) | https://www.youtube.com/c/cs50/videos
Google | https://www.google.com/search?q=how+to+python
StackOverflow | https://stackoverflow.com/
RealPython | https://realpython.com/
Pandas User Guide | https://pandas.pydata.org/docs/user_guide/index.html
Numpy Docs | https://numpy.org/doc/stable/
ISKM80 Python pro neprogramátory.md 2023-09-10
3 / 49
Co je Python?
Python je interpretovaný programovací jazyk. Interpretovaný jazyk zjednodušeně znamená, že řádky jsou
zpracovávány jeden po druhém. Toto se liší od jazyků kompilovaných, kde se programy zpracovávají celé
najednou (například C, C++). Současná verze Pythonu je už tak schopná, že se v Pythonu dá naprogramovat
téměř všechno.
Základní užití Pythonu:
data science
webový vývoj
systémové skriptování
matematické výpočty
Další využití Pythonu
hry
vývoj softwaru, aj.
Proč Python
Jeden z důvodů je, že Python je používaný téměř všude, v menší či větší míře. Dále také proto, že jeho syntaxe,
ke které se dostaneme později, je velmi podobná angličtině. Jazyk jako takový je velmi flexibilní a umožňuje
programování v různých paradigmatech, ale tím my se zabývat nebudeme. Další velkou výhodou je, že Python
běží na všech platformách.
Google Colaboratory a Replit
S Pythonem je možné pracovat různými způsoby. Je možné psát kód přímo v příkazové řádce pomocí
interaktivní konzole. Také můžeme používat komplexní vývojová prostředí jako PyCharm, Visual Studio Code
aj., ale díky tomu, že je jazyk interpretovaný, existují nástroje jako Jupyter Notebook nebo prostředí, ve kterém
se nacházíme právě teď (Replit).
Není potřeba nic instalovat a nastavovat, stačí si vytvořit nový sešit (projekt) a můžeme psát po blocích Python
kód, který je možné rovnou spustit. Spouštět bloky můžeme jeden po druhém, všechny naráz, nebo jen jeden.
Bloky si umí předávat data mezi sebou, ale pouze od shora dolů. To znamená, že data z bloku 1 můžeme
použít v bloku 2 a níže, ale ne naopak.
ISKM80 Python pro neprogramátory.md 2023-09-10
4 / 49
Základní pojmy
Skript nebo program
Soubor příkazů, které vykonávají nějakou logiku. Například zpracování dat ze souboru, ale také jen
jednořádkové příkazy.
Proměnné
Základní stavební kámen programů v Pythonu. Slouží na uložení hodnoty v paměti, se kterou je možné
později pracovat.
Datový typ
Určuje, jaká data jsou uložena v proměnné. Základní datové typy v Pythonu jsou
String – řetězec znaků
Numeric – celá čísla (int), desetinná čísla (float)
Boolean – pravda/nepravda – true/false
Sequence – seznam (list), rozsah (range)
Typů je více, ale toto jsou ty základní, se kterými budeme pracovat většinu času.
I když je Python dynamický ohledně datových typů, zápis proměnných je pro jednotlivé datové typy různý. Viz
další spustitelný blok.
Pravidla pro psaní kódu
Při programování existují předepsané způsoby, jak by se měl kód zapisovat, a je dobré je dodržovat. Poté totiž
bude kódu rozumět každý, nebo pro to budete mít velký předpoklad. Dodržování těchto pravidel ale pomáhá
i vám, protože když přijdete ke kódu po delší době, budete vědět, co jste tím mysleli.
Pro tento Bootcamp budeme používat tato pravidla:
Názvy proměnných, funkcí, parametrů
V Pythonu se používá zápis nazývaný snake_case, a to z důvodu, že se vše píše malými písmeny a slova jsou
oddělená podtržítkem. Dají se samozřejmě používat i jiné formáty zápisu; záleží, jak se domluví lidé v týmu.
Tento Bootcamp ale vychází z pravidel, která se nazývají PEP. Ne doslovně, protože to je šikana i pro samotné
vývojáře, ale čerpám z nich základní pravidla.
ISKM80 Python pro neprogramátory.md 2023-09-10
5 / 49
# ✅
promenna = True
promenna_na_vice_slov = True
# ❌
promenna-na-vice-slov = False
promenna na vice slov = False
...
Výjimkou jsou proměnné, u kterých se nemá měnit jejich hodnota – nazýváme je konstanty. Ty píšeme velkými
písmeny a slova oddělujeme podtržítkem. Google Colab nám bohužel nehlídá, že se takovou proměnnou
snažíme někde v programu přepsat. Komplexní vývojářské nástroje toto umožňují.
# ✅
KONSTANTA = 3.14
# ❌
Konstanta = 3.14
Funkce jsou takové speciální, mají totiž v definici závorky a nějaké proměnné v nich. Tyto proměnné nazýváme
parametry, ale pravidly se řídí oboje: jak název funkce, tak názvy parametrů.
# ✅
def moje_funkce():
pass
def moje_funkce_s_parametry(parametr_jedna, parametr_dva):
pass
# ❌
def moje funkce():
pass
def moje-funkce():
pass
Odsazování kódu
Toto je základní pravidlo Pythonu, a proto si jej prosím pečlivě zapamatujte. V Pythonu odsazení kódu funguje
jako členění bloků kódu a špatné odsazení může způsobit v lepším případě špatnou funkcionalitu, v tom
horším a pravděpodobnějším se skript nepustí.
Pro odsazování používáme tabulátor – tolikrát, kolikrát potřebujeme blok odsadit. Dostatečně si to osaháme
během praktických příkladů, ale tady je krátký přehled, jak to funguje. Dají se používat i mezery, ale to se
uklikáte.
ISKM80 Python pro neprogramátory.md 2023-09-10
6 / 49
# deklarace proměnných
x = 10 # bez odsazení
y = 5 # bez odsazení
# odsazení při definici funkce
def secti_dve_cisla(cislo1, cislo2): # bez odsazení
return cislo1 + cislo2 # jeden tabulátor
# vnořené odsazení
print("Toto bude cyklus") # bez odsazení
for cislo in range(10):
if cislo == 1: # jeden tabulátor
print("Hele, to je jednička, jako ty!") # dva tabulátory
else: # jeden tabulátor
print(cislo) # dva tabulátory
print("Tady už cyklus skončil") # bez odsazení
Angličtina v kódu
Prozatím jsem pro prezentaci základů používal češtinu, ale od teď všechny názvy budeme psát a
pojmenovávat v angličtině. Procvičíme si slovíčka, ale při zápisu některých bloků kódu taky uvidíme
jednoduchou syntax, která vychází z angličtiny.
Další blok kódu je spustitelný, abyste viděli, jak vypadá zápis programu, který vypíše čísla od 1 do 10. Jen
upozornění: range funguje jako interval od-po.
range(1, 10) => v rozsahu od 1 (včetně) po 10 (mimo 10). K indexům se dostaneme později. 😊
for number in range(1,10):
print(number)
# Lze přeložit jako:
# For number in range from 1 to 10 excluding, print the number.
ISKM80 Python pro neprogramátory.md 2023-09-10
7 / 49
Proměnné
Jak už bylo napsáno, proměnná je místo v paměti, kam si uložíme hodnotu. Představme si to jako kousek
papírku, na který si napíšeme poznámku, a tu si vložíme do šuplíku ve stole.
Proměnná musí být nějak pojmenovaná a vzpomeňte si, jak by pojmenování mělo vypadat. V Pythonu je
potřeba při založení (dále inicializaci) proměnné přiřadit hodnotu. Do proměnné se dá uložit jakýkoliv datový
typ, deklarace funkce je svým způsobem také inicializace proměnné.
Pozor ale na datové typy. Při inicializaci musíme znát, jak se který typ zapisuje. Pokud se podíváte kousek výš,
kde byly ukázány datové typy, tak je vidět, jak taková inicializace probíhá.
Důležité je zmínit, že každý jazyk, nejen Python, má svoje rezervovaná slova, která by se pro názvy
proměnných neměla používat. Například: int, float, set, def. Těmto výrazům se říká klíčová slova keywords
a při zvýrazňění syntaxe jsou vždy označeny jinou barvou než základní barva kódu (pro nás bílá).
Vypisování hodnot v Pythonu
Určitě jste postřehli používání příkazu print( něco uvnitř )
Pomocí příkazu print() můžeme vypsat hodnotu proměnné, logické nebo aritmetické operace, anebo
výsledek funkce s návratovou hodnotou (k tomu se dostaneme).
Ze začátku pomocí příkazu print() budeme vypisovat pouze řetězce nebo hodnoty proměnných. Používání
print() je jednoduché:
Pokud chceme vypsat jen nějaký informativní řetězec, nemusíme jej ukládat do samostatné proměnné, prostě
jej vepíšeme jako parametr do příkazu print().
print("toto je nějaká věta, která bude vypsána z Python kódu")
Pokud budeme chtít vypsat hodnotu proměnné, tak místo řetězce do parametru předáme danou proměnnou.
Předání znamená, že tam napíšeme její název a Python se postará o zbytek.
my_variable = 12
# předám svoji proměnnou do funkce print jako parametr
print(my_variable)
# ve výstupu programu bude: 12
ISKM80 Python pro neprogramátory.md 2023-09-10
8 / 49
Také můžeme vypsat více proměnných zároveň.
a = 5
b = 6
c = 8
# jako parametry uvedeme jednotlivé proměnné a oddělíme je čárkou
print(a, b, c)
# ve výstupu programu bude: 5 6 8
# Pozor, ve výpisu nebudou čárky!
Formátované výpisy
Naprosto úžasná věc Pythonu je možnost výpis formátovat. Je to jednoduché a účinné. Dejme tomu, že máme
tři proměnné:
name – Josef
age – 30
nickname – Chosé
A chceme z těchto tří proměnných poskládat větu.
Ahoj, jmenuji se Josef, je mi 30 let a kamarádi mi dali přezdívku Chosé.
Ve formátovaném stringu je možné dělat jednořádkové operace (např. aritmetické) nebo můžeme dokonce
zavolat funkci, která vrací hodnotu, a tu rovnou vepsat do stringu.
name = "Josef"
age = 30
nickname = "Chosé"
# Můžeme použít prastarý zápis, ale můžeme takto spojovat pouze řetězce,
# a tak musíme všechy číselné hodnoty převést na řetězec atd.
print("Ahoj, jmenuji se " + name + ", je mi " + str(age) +
" let a kamarádi mi dali přezdívku " + nickname)
# Nebo pomocí formátovaného zápisu
print(f"Ahoj, jmenuji se {name}, je mi {age} let a kamarádi mi dali přezdívku
{nickname}")
# Jen pro info, funguje to i pro víceřádkové řetězce, ke kterým se dostaneme
print(f'''
Ahoj, jmenuji se {name},
je mi {age} let,
a kamarádi mi dali přezdívku {nickname}
''')
ISKM80 Python pro neprogramátory.md 2023-09-10
9 / 49
# Ve formátovaném zápisu můžeme volat i funkce
def add(a, b):
return a + b
print(f"součet čísel 2 a 5 je: {7 + 5}")
print("součet čísel 2 a 5 je: " + str(7 + 5))
Funkce
Funkce je blok kódu, který můžeme použít na více místech. Slučuje nám logiku několika příkazů do jednoho.
Předtím, než můžeme vlastní fuknci použít, musíme ji nadefinovat. K tomu slouží klíčové slovo def, následuje
název funkce, pak kulaté závorky a mezi nimi můžou a nemusí být parametry. Jeden, dva nebo deset. Záleží,
kolik jich pro danou funkci potřebujeme. A nakonec dvojtečka. Na novém řádku a s patřičným odsazením
začínáme definovat tělo funkce.
# Definice funkce s adekvátním názvem
def sum_and_print(x, y):
print(x + y)
# Volání funkce
sum_and_print(2, 5)
Zde jsme si nadefinovali funkci sum_and_print, která vypíše výsledek pomocí příkazu print. Když s
výsledkem funkce chceme pracovat dál, využijeme ve funkci klíčové slovo return. Tomuto se říká návratová
hodnota.
# Definice funkce s návratovou hodnotou
def sum(x, y):
return x + y
# Následně si můžeme hodnotu, kterou nám fuknce vrátí, uložit do proměnné result
result = sum(2, 5)
print(result)
Je to o něco delší, ale můžeme pak výsledek používat na více místech a nemusíme funkci volat pokaždé, když
ten výsledek potřebujeme. V připadě, že z funkce pouze vypisujeme hodnotu, nemůžeme tuto hodnotu dále
v programu používat. Takové funkce se snažte definovat co nejméně.
ISKM80 Python pro neprogramátory.md 2023-09-10
10 / 49
Lambda
Lambda nebo také jednořádková funkce. Je to speciální zápis anonymní fuknce, které se nějak nejmenuje. Má
vždy jeden parametr, pro který definujeme, co se s ním má stát.
Použití je například v Pandas u metody assign, která nám vytvoří automaticky počítanou hodnotu pro daný
sloupec.
# syntaxe zápisu lambda funkce
lambda parametr: co se má stát s parametrem
Keyword argumenty ve funkcích
Při definici funkce můžeme definovat tzv. keyword argumenty. Z pravidla by to měly být vždy poslední
argumenty v definici funkce. K čemu slouží? Funkce může mít mnoho parametrů a abychom je vždy nemusely
zadávat všechny, tak si je pojmenujeme (keyword). Když poté chceme funkci zavolat, musíme paraterm
explicitně vyjmenovat a nastavit mu hodnotu.
# pseudo funkce, takto se nekreslí
def draw_triangle(a, b, c, isfilled=False, pattern=None):
pass
# Můžeme funkci zavolat bez specifikování keyword argumentu protože už má
defaultní hodnotu
draw_triangle(1, 2, 3) # vykreslí jen čáry
# Defualtní hodnotu ale můžeme zaměnit za aktuální, když při volání funkce
# použijeme tento keyword argument a hodnotu mu nastavíme
draw_triangle(1, 2, 3, isfilled=True, pattern="stripes") # vykreslí trojúhelník,
který bude vyšrafovaný
ISKM80 Python pro neprogramátory.md 2023-09-10
11 / 49
Platnost proměnných aneb scope
Abychom v kódu měli pořádek, mají některé proměnné pouze omezenou platnost. V programování se tomu
říká scope. Pokud například v naší fuknci nadefinujeme proměnnou jméno, tak s ní můžeme pracovat pouze v
dané funkci. Mimo ni nám to fungovat nebude.
def greet()
name = "Patrik"
print(name)
# pokus použít proměnnou z funkce mimo ni
print(name) # NameError: name 'name' is not defined
To stejné platí i pro cykly, podmínky a jiné. Pozor, v podmínkách toto neplatí. Napříč if a else částmi je
stejný scope.
name = "Jan"
if name == "Patrik":
print(name)
surname = "Procházka"
else:
print(name)
print(surname) # vyhodí error, že proměnná neexistuje.
To znamená, že můžeme v různých úrovních používat stejné pojmenovaní proměnných.
name = "Patrik"
def greet():
name = "Jan"
print(f"Jméno ve funkci je {name}")
# zavoláme funkci greet, která incializuje vlastní proměnnou name, ale nezmění tu
v globálním scopu
greet()
# Můžeme vidět, že proměnná name v globálním scopu se nezměnila
print(f"Jméno mimo funkci je {name}")
# Výstup v konzoli bude:
# Jméno ve funkci je Jan
# Jméno mimo funkci je Patrik
ISKM80 Python pro neprogramátory.md 2023-09-10
12 / 49
Vstup uživatele do programu
Protože Python funguje v konzoli, je možné naprogramovat interakci s uživatelem. Oproti jiným jazykům je
toto v Pythonu opravdu jednoduché. Python nabízí funkci input(), která zastaví program a čeká na vstup
uživatele, který musí být potvrzen entrem. Funkce input nám vrací to, co zadal uživatel, a když si to uložíme
do proměnné, můžeme s tím nadále v našem programu pracovat.
Funkci input můžeme zadat řetězec znaků jako parametr a tento řetězec se poté ukáže na řádku, který čeká
na vstup od uživatele. Můžeme tak uživatele informovat o tom, co od něj očekáváme.
name = input("Jak se jmenuješ?: ")
print(f"Uživatel se údajně jmenuje: {name}")
Datové typy
Datových typů jsme se již dotkli, ale teď se na ně podíváme podrobněji, protože v práci s daty jsou nedílnou
součástí. Například při používání knihovny pandas můžete ušetřit spoustu paměti a času, pokud pro dataset,
se kterým pracujete, určíte typy pro jednotlivé sloupce.
Datové typy dělíme na primitivní a komplexní. Komplexní datový typ je většinou složen z více primitivních
anebo jeho obsah je více hodnot stejného i rozdílného primitivního typu.
Primitivní datové typy
string – řetězec znaků, při deklaraci hodnoty používáme "", můžeme použít i '', ale standard jsou
dvojité uvozovky
int – celočíselná hodnota jako například 12
float – desetinné číslo 1.2 – POZOR: desetinná čísla píšeme VŽDY s tečkou
boolean – logická hodnota (v informatice bráno jako 1 nebo 0) – v Pythonu True nebo False
string = "Řetězec znaků"
integer = 12
decimal = 1.2
boolean = True
ISKM80 Python pro neprogramátory.md 2023-09-10
13 / 49
Komplexní datové typy
Python obsahuje minimálně 9 komplexních datových typů. Ukážeme prozatím jen dva, u dalších jen zmíním
jejich význam a některé jsou vynechané úplně.
list – seznam různých hodnot, které se mohou lišit datovým typem. Mixování vícero datových typů v
jednom listu je ale tzv. anti-pattern. Není doporučeno to používat, program je pak nepředvídatelný.
range – speciální druh listu hodnot, které nám generuje Python v zadaném rozmezí. Je to trochu
matoucí, protože range() je zároveň funkce, ale i datový typ.
set – další speciální druh listu, který ale obsahuje pouze unikátní hodnoty. Set lze vytvořit z listu, k tomu
se ale dostaneme.
dict – slovník, v informatice též jako dictionary, je datová struktura, která data ukládá ve formátu klíčhodnota,
v informatice jako key-value pair.
tuple – také list, ale je immutable. To znamená, že po jeho inicializaci nemůžeme měnit hodnoty uvnitř.
my_list = [1, 1, 2, 2, 3, 3]
my_range = range(1, 10)
my_set = {1, 2, 3}
my_dict = { "name": "Patrik", "age": 30 }
my_tuple = (1, 1, 2, 2, 3, 3)
ISKM80 Python pro neprogramátory.md 2023-09-10
14 / 49
Mezitypové převádění
Mezitypové převádění je často používané, protože občas můžeme mít číslo zapsané jako string. Už u
logických hodnot jsme si ukázali, jak můžeme jiné datové typy převést na typ boolean, a to pomocí funkce
bool(), kdy jako parametr předáme hodnotu nebo proměnnou, kterou chceme na daný datový typ převést.
Na mezitypové převody existují tyto funkce:
int() – pro převod na celé číslo
float() – pro převod na desetinné číslo
str() – pro převod na řetězec
bool() – pro převod na logickou hodnotu
string = "Ahoj"
string_number = "10"
integer = 12
decimal = 1.2
# převod čísel na string je jednoduchý, jde to vždy
print(str(integer))
print(str(decimal))
# při převodu stringu na číslo ale musíme vědět, zda string obsahuje hodnotu,
kterou můžeme na číslo převést.
print(int(string_number))
print(float(string_number))
# error
print(int(string))
ISKM80 Python pro neprogramátory.md 2023-09-10
15 / 49
String aka řetězec znaků
V Pythonu je řetězec považován za primitivní datový typ, ale je tomu opravdu tak? Python umožňuje s řetezci
dělat psí kusy. Můžeme například řetězce sčítat, chcete-li spojovat. To ale není všechno, my v Pythonu
můžeme řetězce i násobit 😅. Dále pomocí cyklu můžeme vypsat jednotlivé znaky v řetězci.
Důležitý je tu pojem znak – jedno písmeno – protože string v Pythonu není nic jiného než seznam jednotlivých
znaků. To znamená, že řetězec můžeme vnímat i jako list.
# Harakiri s řetězci
# ["A", "h", "o", "j"]
my_string = "Ahoj"
# Výpis jednotlivých znaků z řetezce 🧨
for letter in my_string:
print(letter)
my_second_string = "světe"
# Sčítání řetězců? Není problém
print(my_string + my_second_string)
# Násobení řetězců 🚀
print("Čus " * 3)
Víceřádkové řetězce
Někdy je potřeba do proměnné uložit delší řetězec, který je třeba vizuálně oddělený prázdným řádkem. V
Pythonu není problém, jen musíme při deklaraci používat dvojité uvozovky troje místo jedněch. Poté co v
Python kódu zadáme do těchto trojitých uvozovek bude i na výstupu.
long_and_formatted_string = '''Ahoj světe,
snažím se učit Python a myslím, že mi to jde.
Díky!'''
# Formátování je stejné, jako jsme to napsali při deklaraci.
print(long_and_formatted_string)
ISKM80 Python pro neprogramátory.md 2023-09-10
16 / 49
Zjištění délky řetězce
Dále se velmi často může hodit délka řetezce. Jak už asi tušíte, v Pythonu to není žádný problém. Máme na to
pomocnou funkci len(), která nám řekne, jak je daný řetězec dlouhý. A nejen řetězec, len() lze použít třeba i
na list, a že si toho užijeme.
my_string = "Ahoj!"
print(len(my_string)) # 5
Ověření, zda je znak nebo jiný řetězec obsažen v jiném
Další operace, kterou lze na řetězci dělat je "vyhledávání v nich". V uvozovkách je kvůli nadsázce, není to totiž
jako vyhledávání na Googlu. Tuto operaci lze dělat v podmínkách, ke kterým se pomale dostáváme, ale také i
ve funkci print() na které si to ukážeme.
Tuto operaci můžeme i negovat pomoci klíčového slova not
substring = "Ahoj"
long_string = "Ahoj světe, učím se Python"
another_string = "Zatím to jde ok..."
print(substring in long_string) # True
print(substring in another_string) # False
# Můžeme operaci znegovat pomocí klíčového slova `not`
print(substring not in another_string) # True
ISKM80 Python pro neprogramátory.md 2023-09-10
17 / 49
Numerické datové typy
Opakování je matka moudrosti, a proto znovu opakuji, že máme tři numerické datové typy v Pythonu. My
budeme používat pouze dva, a to:
int – celočíselné hodnoty
float – desetinná čísla
Čísla jsou ve většině programovacích jazycích jednoduché a přímočaré. V Pythonu můžeme převádět mezi
typy int a float, jak se nám zlíbí (ukážeme si později). Je však potřeba dávat pozor na to, že když desetinné
číslo převedeme na celé číslo, nefunguje tam žádné zaokrouhlování a hodnota za desetinnou tečkou se
odmaže.
my_decimal = 12.67
print(int(my_decimal)) # 12
ISKM80 Python pro neprogramátory.md 2023-09-10
18 / 49
Logická hodnota – Boolean
Další jednoduchý datový typ a tentokrát napříč programovacími jazyky. Výsledky logických operací jsou typu
boolean a logické výrazy vždy končí ve stavu True nebo False.
Menší trik, který se používá s hodnotami boolean v programovacích jazycích, je vyhodnocování, jestli
proměnná primitivního typu obsahuje hodnotu. Dost často se toto používá, pokud potřebujete pracovat s
proměnnou, ve které je nějaká hodnota. K praktickému používání se dostaneme u podmínek.
print(bool("Ahoj")) # True
print(bool(1)) # True
# Zatímco
print(bool("")) # False
print(bool(0)) # False
# A platí to i u komplexních datových typů
print(bool(())) # False
print(bool([])) # False
print(bool({})) # False
ISKM80 Python pro neprogramátory.md 2023-09-10
19 / 49
Aritmetické operace
V Python kódu je možné počítat jak jednoduché operace pomocí příkazů, tak i složitější matematické úlohy
většinou za pomoci knihoven třetích stran.
My si ukážeme ty jednoduché. Mezi ně řadíme:
sčítání (+)
odčítání (-)
násobení (*)
dělení (/)
modulo (zbytek po celočíselném dělení) (%)
mocniny (**)
celočíselné dělení (//)
a = 10
b = 4
print(a+b) # 14
print(a-b) # 6
print(a*b) # 40
print(a/b) # 2.5
print(a%b) # 2
print(a**b) # 10000
print(a//b) # 2
Pěkně přímočaré, není potřeba nic navíc. Pokud chceme například do proměnné x, která má hodnotu 5, při
inicializaci příčíst hodnotu proměnné y, tak to uděláme takto:
x = 5
y = 4
x = x + y # po tomto příkazu bude hodnota uložená v x 9
Můžeme vidět, že zápis tak jednoduché věci je docela zdlouhavý, a proto existují i zkrácené zapisy pro
aritmetické operace.
x = x + y lze zapsat i jako x += y. Platí to pro všechny operace, které jsme si teď ukázali.
Je také možné si všimnout, že výsledek dělení je vždy typu decimal (float).
ISKM80 Python pro neprogramátory.md 2023-09-10
20 / 49
Logické operace a jiné operátory
Programování jako takové je nabité logikou, a proto snad v každém programovacím jazyku existují logické
operátory. Logické operátory mají využití v podmínkách, které nás čekají níže.
Nebudeme se zaobírat správnými pojmenováními, abychom se z toho nezbláznili.
Základními operátory jsou větší, menší, rovná se, a jejich kombinace. Pokud takovou operaci napíšeme v kódu,
výsledkem takové operace je vždy hodnota boolean, tedy True nebo False. Pokud z této operace dostanete
něco jiného, tak je někde chyba.
x = 5
y = 4
print(x < y) # False
print(x > y) # True
print(x == y) # False
print(x <= y) # False
print(x >= y) # True
print(x != y) # True
Logické operace
Logické operace jsou věda sama o sobě. Pamatujete si výrokovou logiku?
V Pythonu se nachází 3 logické operátory
logické "a" (and)
logické "nebo" (or)
logická negace (not)
Zapomoci logických operací můžeme řetězit podmínky v našem programu. V matematice jsme například
určovali hodnotu čísla v podmínách nějak takto: 0 < x < 10 toto ale nemůže v pythonu napsat, protože by
se nám program nesputil a vyhodil nám chybu. Jsou to dvě podmínky v jednom. Když chceme takovou
podmínku napsat v Pythonu, musíme obě podmínky spojit logickým "ano" and.
Když si podmínku 0 < x < 10 můžeme rozložit na dvě podmínky:
x musí být větší než 0
A ZÁROVEŇ je x menší jak 10
Obě tyto podmínky už umíme zapsat v Pythonu a jen je spojíme logickým "a" and.
x = 9
print( x > 0 and x < 10 ) # True
ISKM80 Python pro neprogramátory.md 2023-09-10
21 / 49
Pokud podmínky řetězíme, tak je potřeba brát v potaz tyto pravidla:
Abychom dostali True za pomoci and , tak musí být všechny podmínky spojené logickými operátory
True. True and True and True je výsledně True, zatím co True and False and True je výsledně
False
Při používání logické operace or nám stačí pro výsledné True, aby byla alespoň jedna podmínka ze
všech s výsledkem True. True or False or False je výsledně True, zatím co False or False or
False je výsledně False.
Operátory is a in
Tyto dva operátory s sebou přináší trochu zamotání všeho, co jsme se doteď naučili. Respektive jeden z nich a
to is. Operátor is porovnává dva objekty, jestli jsou stejné.
x = 5
y = 5
print(x is y) # True
i = [1, 2, 3]
j = [1, 2, 3]
print(i is j) # False ?!
a = "ahoj"
b = "ahoj"
print(a is b) # True ?!
Jednoduché datové typy lze porovnávat pomoci operátu is ale NEDOPORUČUJI TO! Je to proti konvencím a
operátor is je velmi specifický a jeho použití také. U komplexních datových typů se porovnává místo v paměti
ne hodnoty jako takové.
Zatím co operátor in se vám bude hodit a používá se v Pythonu často. Lze s jaho pomocí vyhledávat v
řetězcích i komplexních datových typek.
x = {1,2,3} # Set
print(1 in x) # True
x = [1,2,3] # List
print(1 in x) # True
x = (1,2,3) # Tuple
print(1 in x) # True
Operátor in se dá používat i pro práci se slovníky (dict), ale k tomu možná později.
ISKM80 Python pro neprogramátory.md 2023-09-10
22 / 49
Operátory is nebo in lze kombinovat a otáčet podmínku pomoci not.
není - is not
není v - not in
Krásně to reflektuje angličtinu, ale dělá binec v syntaxi programovacího jazyka 🙃
ISKM80 Python pro neprogramátory.md 2023-09-10
23 / 49
Podmínky
Podmínky jsou nedílnou součástí programování. Slouží k větvení programů podle zadaných podmínek, které
jsme si ukazovali. Podmínku definujeme pomocí klíčového slova if a následuje podmínka, která musí ve
výsledku dát hodnotu boolean. V jádru jsou podmínky velmi jednoduché, jako když položíte otázku, na
kterou se odpovídá ano či ne.
Po podmínce následuje dvojtečka, stejně jako u definice funkce. Prvně píšeme blok kódu, který se vykoná,
když je podmínka vyhodnocena pozitivně. Může, ale nemusí následovat blok else, který zachytí ostatní
případy vyhodnocení podmínky. A opět blok kódu, který se má v tomto případě vykonat. POZOR! Bloky kódu
v obou větvích podmínky musí být řádně odsazeny, jinak se nám Python kód nespustí!
i_love_kisk = True
# Definice podmínky a "otázky", na kterou se dá odpovědět ano či ne
if i_love_kisk == True:
# Blok kódu, pokud je odpověď kladná
print("Tak se vidíme na KISK párty!")
else:
# Klíčové slovo else se vykoná ve všech ostatních případech
print("Přijď na KISK párty a změníš názor 🚀")
Více podmínek aneb if...else if...else
Python nám také umožňuje spojit více podmínke dohromady, když potřebuje vyhodnotit více stavů. Za první
if blok přidáme blok s další podmínkou za pomoci klíčového slova elif. Toto je jedna z mála věcí, která je na
Python syntaxi divná, většina programovacích jazyků má klauzuli else if, ale Python chtěl být speciální 🙃.
my_age = 18
if my_age < 18:
print("Alkohol by mi prodat neměli")
elif my_age == 18:
print("Je to těsný, ale můžu si v klidu kupovat")
else:
print("Naprostá pohodička")
Když skládáte více podmínek, musíte si dávat pozor na to, jak je skládáte. Protože se můžete i u tak
jednoduchého příkladu dostat do bodu, že nebudete mít ošetřeny všechny stavy.
ISKM80 Python pro neprogramátory.md 2023-09-10
24 / 49
brand = "Peugeot"
year = 2000
if brand == "Peugeot":
print("Francouz... ale aspoň je pohodlnej")
# Tato podmínka nikdy nenastane, protože všechny Peugoty zachytí podmínka první.
elif brand == "Peugeot" and year < 2000:
print("Kámo, čas na změnu")
elif year < 2012 and brand is not "Peugeot":
print("Hmmm...")
else:
print("Užívej moderní káru")
Říka se tomu problém největší specifity. To znamená, že podmínka, která je nejvíce specifická by měla být
první, respektive měly by podmínky být poskládány od nejsložitějších po nejjednodušší.
Ternární operátory
Ternární operátor je zkrácený zápis podmínek na jeden řádek (většinou). Toto zase musím v Pythonu pochválit.
Ze syntaktického hlediska je to zase jako věta v angličtině. Vezměme v potaz úvodní příklad ohledně
náklonosti ke KISKu.
i_love_kisk = True
if i_love_kist == True:
print("Tak se vidíme na KISK párty!")
else:
print("Přijď na KISK párty a změníš názor 🚀")
Takovou jednoduchou podmínku, která má pouze if else skladbu můžeme zapsat i pomoci ternárního
operátoru.
print("Tak se vidíme na KISK párty!") if i_love_kist == True else print("Přijď na
KISK párty a změníš názor 🚀")
Možná je to trochu nepřehledná, ale v podstatě je to poskládané takto:
Příkaz, co se má provést, POKUD je tento výrok pravdivý NEBO se provede tento
příkaz
ISKM80 Python pro neprogramátory.md 2023-09-10
25 / 49
Cykly
Cyklus nám může posloužit, když potřebujeme něco udělat několikrát. Máme dva druhy cyklu – for a while.
Mějme na paměti, že cyklus se nemusí vždy opakovat tolikrát, kolikrát bylo zamýšleno. Můžeme v cyklu mít
podmínku, která nám například najde nějaký prvek, a poté zavolat příkaz break, který cyklus ukončí, a
následuje další příkaz po cyklu.
fruits = ["apple", "kiwi", "banana"]
for fruit in fruits:
print(fruit)
print("Konec cyklu")
for x in range(2, 6):
print(x)
Cyklus for
Tento cyklus slouží k iterování v daném rozmezí opakování. Můžeme použít range, nebo pomoci cyklu for
procházet datové struktury jako list, tuple, nebo set.
Syntaxe definice cyklu for je zase podobná angličtině. Například pokud chceme iterovat nad listem, tak
definici v anglické věte víceméně přepíšeme do Pythonu.
for fruit in fruit_basket do something
fruit_basket = ["apple", "orange", "banana", "watermelon"]
for fruit in fruit_basket:
print(fruit)
Za klíčovým slovem for definujeme proměnnou, která se bude používat v bloku kódu, který se vykonává při
každé iteraci cyklu. Můžeme si ji pojmenovat jak chceme, ale mějte na paměti, že pojmenováváme proměnné
smysluplně.
Pomoci cyklu můžeme i procházet řetězce písmeno po písmenu.
my_string = "Patrik"
for char in my_string:
print(char)
ISKM80 Python pro neprogramátory.md 2023-09-10
26 / 49
Specialita cyklu for je, že ho můžeme vnořovat do sebe. Můžeme tedy mít cyklus v cyklu.
adjectives = ["red", "big", "tasty"]
fruits = ["apple", "banana", "cherry"]
# Pro jednu interakci vnějšího cyklu musí být ukončeno vše uvnitř cyklu
for adj in adjectives:
for fruit in fruits:
print(adj, fruit)
Stejně jako u fukncí a podmínek, ani cykly nemohou být inicializovány s prázdným tělem. Opět ale můžeme
využít klíčové slovo pass.
for i in range(1, 10):
pass
Cyklus while
Tento cyklus má v inicializaci podmínku, která vyhodnocuje, zda se má kód v těle cyklu ještě provádět. Většinu
případů dokáže, kdy potřebuje cyklus, dokáže zastát cyklus for, ale někdy je z logiky věci lepší použít cyklus
while.
fruits = ["apple", "banana", "kiwi", "watermelon"]
index = 0
while index < len(fruits):
if fruits[i] == "kiwi":
print("Aaaaa, kyselý!!")
break
else:
print("Mňam")
index += 1
print("Mám rád sladké, no")
Pokud u cyklu while používáme v incializační podmínce index, musíme ho vždy ručně modifikovat, jinak by se
nám mohlo stát, že se nám spustí nekonečná smyčka.
while cyklus je dobrý například pokud potřebujeme souvisle zpracovávat vstup od uživatele a pouze některé
interakce by měly program ukončit.
ISKM80 Python pro neprogramátory.md 2023-09-10
27 / 49
# Takový programátorský hack, kdy udržet while cyklus bežet donekonečna
while True:
# načteme vstup uživatele
user_input = input("Tak co?: ")
# vyhodnotíme, zda uživatel nezadal nějaké exit slovo
if str.lower(user_input) in ["konec", "q", "pryč"]:
print("Tak čau!!")
# ukončíme while cyklus
break
# Provokujeme dál...
print(f"{user_input}... Aha, a dál?")
Specialitou while cyklu je možnost za něj navázet else, protože při inicializaci cyklu zadáváme podmínku
number = 1
while number < 10:
print(number)
number += 1
else:
print(f"{number} už není méně než 10")
ISKM80 Python pro neprogramátory.md 2023-09-10
28 / 49
Datové struktury
nebo také komplexní datové typy. Narozdíl od jednoduchých datových typů jsou ty komplexní uloženy v
paměti rozdílně.
Když inicializujeme list pomocí příkazu x = [1, 2, 3], tak se nám do x uloží odkaz do paměti, kde je
uloženo pole. Z toho důvodu jsme dostávali False, když jsme zkoušeli porovnávat dvě zdánlivě identická pole
pomocí operátoru is. Každé pole ukazovalo do jiného kousku paměti, a to nám porovnával operátor is.
Na toto je potřeba si dávat pozor, když budeme s datovými strukturami pracovat. S tím, co jsme se zatím
naučili, víme, že můžeme z proměnné a kopírovat hodnotu do proměnné b tím, že napíšeme a = b, ale co se
stane, když zkusíme to stejné u nějaké datové struktury?
a = [1, 2, 3] # Incializujeme list
b = a # "Zkopírujeme" list a do proměnné b
a[0] = 5 # Změníme první prvek listu a na číslo 5
print(b) # Co se nám vypíše?
print(a is b) # True
Vypíše se nám [5, 2, 3]. A proč? Protože když jsme zkoušeli zkopírovat list z a do b, tak jsme proměnné b
nepředali hodnoty z listu, ale pouze adresu na místo v paměti, kde je uložen list a. To znamená, že jsme v tu
chvíli měli v proměnných a i b uloženou stejnou adresu, a proto nám vyjde porovnání a is b jako True.
S tímto chováním přichází spousta věcí, které si musíme hlídat, když chceme s takovými strukturami pracovat,
a proto programovací jazyky nabízí spoustu fukcí, které nám práci s těmito strukturami ulehčí. Představíme si
ty základní funkce, které můžeme používat, a k čemu slouží.
Společné znaky datových struktur
Mějme list [1, 2, 3, 4, 5]. Už jsme si řekli, že datové struktury nám umožní ukládat více hodnot do jedné
proměnné, které spolu mohou, ale nemusí souviset. Ale co když z takového listu chceme přečíst pouze jednu
hodnotu, nebo ji změnit? Od toho existuje index. Index je ukazatel na pozici v listu. Index nabývá hodnot od 0
do ..., to záleží na velikosti listu, ale z pravidla je to počet prvků v listu - 1. Mínus jedna protože
začínáme od hodnoty 0, ale délka je 1 pokud je v listu pouze jeden prvek, který se nachází na indexu 0.
V Pythonu můžeme zadat i zápornou hodnotu indexu a tato funkcionalita se může hodnit -> na indexu
-1 najdeme poslední položku seznamu atd.
[1, 2, 3, 4, 5, 6] List
_0__1__2__3__4__5_ Indexy prvků
V Pythonu i jiných programovacích jazycích se používá k přístupu k hodnotám v listu pomoci hranatých
závorek [], které jsou hned za názvem proměnné. Do hranatých závorek uvádíme hodnotu indexu, na který
chceme přistoupit.
ISKM80 Python pro neprogramátory.md 2023-09-10
29 / 49
my_list = [1, 2, 3, 4, 5, 6]
# ✅
my_list[3]
# ❌
my_list [3]
# NEGATIVNÍ INDEX
# Když chceme přistoupit na poslední položku v seznamu,
# tak máme dvě možnosti:
my_list[len(my_list) - 1] # moc dlouhé
my_list[-1] #
Tento přístup platí i pro Tuple a Dictionary. Ale aby to nebylo jednoduché, tak u Dictionary je to trochu
jiné, ale k tomu se dostaneme. U struktury typu Set takto k hodnotám přistupovat nemůžeme!
Samozřejmě do sebe můžeme jednotlivé jednotlivé listy zanořovat. I u těchto vnořených listů můžeme
přistupovat pomoci indexu k jednotlivým prvkům. Začínáme vždy s indexem vnějšího a pokračujeme dál.
my_class = [["Pepa", "Jan", "Patrik"], ["Jana", "Anna", "Lenka"]]
# ✅
my_class[0][2] # Patrik
# ❌
my_class[0,2] # Error
Přistupování k hodnototám v zadanám rozsahu indexu. Stejně jako u range() platí, že první číslo platí a druhé
určuje hranici, ale už je vynecháno.
# indexy 0 1 2 3 4 5 6 7 8
my_list = [1, 2, 3, 4, 5, 6, 7, 8, 9]
# vypíšeme _____[3, 4, 5]____________
my_list[2:5]
ISKM80 Python pro neprogramátory.md 2023-09-10
30 / 49
List
List je často používaná datová struktura a nabízí spoustu metod pro práci s ním.
Přídání prvku do listu
Metoda append()
Append je jedna z metod, pomoci které můžeme přidávat prvky do listu. Metoda append() má jeden
parametr. V tomto parametru předáme objekt, který chceme do listu přidat. Objekt, protože pomoci metody
append můžeme přidat primitivní hodnotu, ale i další list, či jinou datovou strukturu.
# Přidání nového prvku do listu
girls = ["Jana", "Anna"]
girls.append("Lenka")
my_class = [["Pepa", "Jan", "Patrik"]]
my_class.append(girls)
# Přídání další ho listu do listu listů 😅
my_class.append([1, 2, 3])
# Výsledný list
[['Pepa', 'Jan', 'Patrik'], ['Jana', 'Anna', 'Lenka'], [1, 2, 3]]
Metoda insert()
Metoda insert přijímá dva parametry, první parametr je index, na který chceme do listu něco vložit a druhý je
objekt, co chceme vložit.
Je možné vkládat i datové struktury, ale pokud třeba chcete spojit dvě pole, bude se hodit další metoda
extend.
# indexy _0, 1, 2, 3, 4, 5, 6, 7, 8_
my_list = [1, 2, 3, 5, 6, 7, 8, 9, 0]
my_list.insert(3, 4)
# Výsledný list
[1, 2, 3, 4, 5, 6, 7, 8, 9, 0]
ISKM80 Python pro neprogramátory.md 2023-09-10
31 / 49
Metoda extend
Extend slouží na slučování nejen listů. Umožňuje totiž sloučit list s tuplem nebo list se setem. Používat ji
nebudeme, ale hodit se může.
numbers = [1, 2, 3, 4, 5]
more_numbers = [6, 7, 8, 9, 0]
numbers.extend(more_numbers)
# Výsledný list
[1, 2, 3, 4, 5, 6, 7, 8, 9, 0]
Mazání prvků z listu
Metoda pop a remove
Pro mazání z listů v Pythonu existují dvě metody, a to pop a remove. Obě metody příjimají jeden parametr, ale
chování je rozdílné.
pop nám odstraní prvek ze zadaného indexu. Je možné parametr nezadat a tím neurčit index na kterého
chceme odstranit položku. Výchozí chování způsobí, že bude smazána poslední položka v listu.
numbers = [1, 2, 3, 4]
numbers.pop()
# stav listu
[1, 2, 3]
numbers.pop(1)
# konečný stav listu
[1, 3]
Zatím co remove odstraní z pole prvek, který má stejnou hodnotu jako parametr. POZOR!, odstraňuje pouze
první prvek, na který narazí.
fruits = ["banana", "apple", "kiwi", "watermelon", "banana"]
fruits.remove("banana")
# Výsledný list - všimněte si, že byla odstraněna
# pouze první hodnota, která je shodná s parametrem.
["apple", "kiwi", "watermelon", "banana"]
ISKM80 Python pro neprogramátory.md 2023-09-10
32 / 49
Metoda clear
Jak už název napovídá, tak tato metoda smaže všechny prvky v listu.
my_list = [1, 2, 3, 4, 5, 6]
my_list.clear()
# Výsledek
[]
Další užitečné metody pro list
Metoda sort
Seřadí pole vzestupně, pokud chceme sestupně, tak musíme nastavit parametr reverse na True.
my_numbers = [9, 0, 1, 6, 2, 3, 6, 5, 4]
my_numbers.sort()
# Výsledek
[0, 1, 2, 3, 4, 5, 6, 6, 9]
# Řazení sestupně pomoci parametru reverse
my_numbers.sort(reverse=True)
# Výsledek
[9, 6, 6, 5, 4, 3, 2, 1, 0]
Metoda reverse
Tato metoda jednoduše přehází hodnoty v listu do opačného pořadí.
numbers = [1, 2 ,3]
numbers.reverse()
# Výsledek
[3, 2, 1]
ISKM80 Python pro neprogramátory.md 2023-09-10
33 / 49
Metoda count
Tato metoda spočítá kolikrát se hodnota zadaná jako parametr objevuje v listu. Tento počet výskytů je jako
návratová hodnota a proto ji musíme uložit do nějaké proměnné, jinak o výsledek této funkce přijdeme.
fruits = ["banana", "apple", "kiwi", "banana", "watermelon"]
number_of_bananas = fruits.count("banana")
print(number_of_bananas) # 2
ISKM80 Python pro neprogramátory.md 2023-09-10
34 / 49
Set
Jak už bylo řečeno, tak set je datová struktura, která obsahuje pouze unitkátní hodnoty. Práce se setem ale
není tak jednoduchá jako s listem. Set také nedispunuje takovým množstvím metod jako list. Na ukázku jich tu
máme jen pár. Další zádrhel setu je, že nemůže přistupovat k prvkům jako u listu přes hranaté závorky a index,
na který chceme přistoupit. Musíme buď projít celý set pomoci cyklu a nebo použijeme podmínku pro zjištění,
zda se prvek, který chceme, nachází v setu.
K čemu je tedy takový set dobrý? Dost často potřebuje získat pouze unikátní hodnoty v datech (například z
listu) a než abychom si museli psát složitou fuknci, tak si z listu jednoduše vytvoříme set.
Set se nedá seřadit ani upravovat nějak napřímo. Pro jeho editaci musíme striktně pracovat jen s metodami.
billion_numbers = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]
distinct_values = set(billion_numbers)
print(distinct_values)
# Unikátní hodnoty všechny pohromadě
{1, 2, 3, 4, 5}
# Výpis hodnot ze setu po jedné
for value in distinct_values:
print(value)
# Nebo si můžeme pomoci operátoru in zjistit, zda se hodnota v setu nachází
print(6 in distinct_values) # False
Jak můžeme vidět, pokud si vypíšeme set pomoci funkce print, tak hodnoty jsou ve složených závorkách a
ne v hranatých. Pozor ale když si chcete vytvořit pouze prázdný set a hodnoty do něj přidat později, tak ho
vytvoříme pomoci tzv. constructoru.
# Správně ✅
my_empty_set = set()
# Špatně ❌
my_empty_set = {}
{} tento zápis nám vytvoří prázdný dictionary, k tomu se dostaneme následně.
ISKM80 Python pro neprogramátory.md 2023-09-10
35 / 49
Přídávání hodnot do setu
Pro přidání do setu nám poslouží dvě metody - add a update.
Rozdíl mezi nimi je, že add nám přidá novou hodnotu, jednu. update dokáže přidat do setu hodnoty z dalšího
pole a rovnou z nich vybere pouze unikátní hodnoty.
my_healthy_food = set(["banana", "apple"])
my_healthy_food.add("kiwi")
# Výsledek
{'apple', 'kiwi', 'banana'}
# Přidání listu pomoci metody update
vegetables = ["carrot", "carrot", "potatoe", "tomatoe"]
my_healthy_food.update(vegetables)
# Výsledek
{'carrot', 'tomatoe', 'potatoe', 'apple', 'kiwi', 'banana'}
Mazání hodnot ze setu
Stejně jako list, tak i set má metodu remove, která funguje naprosto stejně.
Stejně tak metoda clear, která smaže hodnoty ze setu.
ISKM80 Python pro neprogramátory.md 2023-09-10
36 / 49
Tuple
Tuplem se úplně zabývat nebude, je to specifická datová struktura podobná listu. Můžeme na položky
přistupovat pomoci hranatých závorek. Položky se v tuplu nachází v pořadí v jakém byly inicializovány, ale
narozdíl od listu je modifikace tuplu složitá a ze správnosti věci by se dít neměla. Tuple nám může sloužit
například jako konstantní výčet hodnot.
ISKM80 Python pro neprogramátory.md 2023-09-10
37 / 49
Dictionary
Datová struktura, která obsauje objekty ve formátu klíč: hodnota, respektive key-value pair. Co to
znamená? Rychlé přistupování k objektům pomoci klíče. Můžeme iterovat nad klíči nebo můžeme iterovat nad
hodnotami. Dictionary je mocná datová struktura, která se používá hojně ve všech programovacích jazycích.
Jeho zápis a práce s ním je ale složitější než například s listem, protože je o něco komplexnější než list, set
nebo tuple.
Jak již bylo zmíněno, dictionary inicializuje pomoci složených závorek.
my_car = {
# následně vytvoříme key-value pair
"brand": "Peugeot", # jednotlivé key-value pairy od sebe oddělujeme čárkou
"year": 2000,
"is_electric": False,
"defects": ["old", "rusty", "slow"]
}
Jak můžeme vidět, do hodnot můžeme v rámci jednoho objektu ukládat různé datové typy, i ty komplexní. Co
se týče klíčů, tak ty mohou být string nebo integer (celé číslo).
Přistupování k hodnotám dictionary je možné pomoci hranatých závorek, do kterých zadáme klíč, pro který
chceme znát jeho hodnotu. Proto key-value pair. Každý klíč má přiřazenou hodnotu. Klíče nemůže
existovat bez hodnoty a naopak.
print(my_car["brand"]) # Peugeot
# Lze také použít metodu get
print(my_car.get("brand")) # Peugeot
Pomoci stejného zápisu můžeme měni hodnoty pro zadaný klíč
my_car["year"] = 2001
# Lze využít metodu update
my_car.update({"year": 2001})
Pokud potřebujeme z dictionary dostat data, máme několik způsobů.
ISKM80 Python pro neprogramátory.md 2023-09-10
38 / 49
Metoda keys
Pokud chceme dostat z dictionary jeho klíče, můžeme na objektu zavolat metodu keys().
print(my_car.keys())
# Výstup
dict_keys(['brand', 'model', 'year'])
Metoda values
Pokud ale chceme z dictionary dostat všechny jeho hodnoty, tak se nám bude hodit metoda values()
print(my_car.value())
# Výstup
dict_values(['Peugeot', 2000, False, ['old', 'rusty', 'slow']])
Metoda items
Tato metoda je trochu specifická, vrací nám list tuplů, kde první hodnota je klíč, druhá hodnota je příslušná
hodnota. Díky tomu, že je to tuple, tak se key-value pairy nedají editovat.
print(my_car.items())
# Výstup
dict_items([('brand', 'Peugeot'), ('year', 2000), ('is_electric', False),
('defects', ['old', 'rusty', 'slow'])])
Tyto tři metody mají specifickou vlastnost. Můžete si všimnout, že to není obyčejný list, ale dict_keys,
dict_values a dict_items. Tyto tři speciální "struktury" slouží jako pohled, ajťácky view, na list hodnot. Nad
těmito strukturami se dá normálně iterovat pomoci cyklů, ale nejde k nim přistupovat pomoci hrantých
závorek a indexu, jak je tomu u listů.
# Procházení jednotlivých klíču v cyklu ✅
for key in my_car.keys():
print(key)
# Nefunguje ❌
print(my_car.keys()[1]) # error
ISKM80 Python pro neprogramátory.md 2023-09-10
39 / 49
Kombinování datových struktur dohromady
Ano, aby to bylo jednoduché, tak můžeme jednotlivé struktury kombinovat do sebe.
List v listu už jsme viděli, ale také můžeme mít list objektů (dictionaries), list tuplů atd. Některé kombinace
například nedávají smysl.
Za nejčastěji používané bych považoval list objektů a vnořené objekty.
# list objektů
my_family = [
{ "name": "Jana", "role": "wife" },
{ "name": "Viktor", "role": "brother"},
]
print(my_family)
# [{'name': 'Jana', 'role': 'wife'}, {'name': 'Viktor', 'role': 'brother'}]
# Zanořené objekty do sebe
my_device = {
"name": "Macbook Pro"
"display": {
"size": 13,
"unit_of_measure": "inch",
"is_retina": True,
"resolution": {
"width": 2560,
"height": 1600
}
}
}
# Jak vypíšeme hodnotu z vlastnosti display, rozlišení, výška?
print(my_device["display"]["resolution"]["height"]) # 1600
ISKM80 Python pro neprogramátory.md 2023-09-10
40 / 49
Knihovny aneb modules
Python jako takový nabízí funkcionalitu, ale můžeme používat i vestavěné moduly, které nám například
pomohou s matematickými výpočty – modul math. Také existuje modul, který nám pomáhá s výběrem
náhodných čísel – random. Pak je tu modul collections, který si představovat nebudeme, ale pro informaci
nabízí práci s datovými strukturami na steroidech.
I pandas, numpy nebo matplotlib jsou moduly. Tyto tři už jsou mnohem rozsáhlejší než výše zmiňované dva.
Jak se s moduly pracuje? Jejich import by měl být vždy na začátku kódu. K připojení modulu do kódu slouží
klíčové slovo import, případně from specifický import.
import random
print(random.randint(1, 10)) # Vypíše náhodné číslo od 1 do 10
Můžeme vidět, že se používá tečka pro přístup k metodě modulu. Jedná se o "tečkovou notaci" (dot
notation).
Pokud víme, že potřebujeme jen jednu metodu z celého modulu, můžeme import optimalizovat.
from random import randint
print(randint(1, 10)) # Vypíše náhodné číslo od 1 do 10
Ve všech možných příkladech si můžeme všimnout, že pandas se referencuje jako pd. Každému
importovanému modulu můžeme přiřadit alias pomocí klíčového slova as.
# nastavíme alias pomocí klíčového slova "as"
import pandas as pd
# všude v kódu poté používáme alias "pd"
pd.DataFrame()
ISKM80 Python pro neprogramátory.md 2023-09-10
41 / 49
NumPy a Pandas
Tyto dvě knihovny jsou jedny z nejpoužívanějších k práci nejen s daty. Python je ale využíván i pro vývoj
větších systémů, kde je potřeba zajistit, že kód nemá žádné vedlejší efekty, tak se pro práci s daty nepoužívají
vestavěné datové typy, ale datové struktury z knihovny NumPy, případně z jiných knihoven, které se na to
specializují.
Například v klasickém Python listu můžeme mít různé datové struktury a typy najednou. To je strašně
neefektivní pokud potřebujeme dělat jakékoliv matematické operace. Takový list zazýváme nehomogenní.
NumPy má datové typy, které vám zaručí homogennost dat, které v této kolekci naleznete a proto jsou
operace nad touto strukturou rychlé.
V NumPy se náhrada za Python list jmenuje Array (mimochodem, array (pole) se používá ve většine
programovacích jazyků).
Klávesové zkraty, které se můžou hodit
alt + shift + šipka nahoru kopíruje řádek nad současný řádek
alt + shift + šipka dolu kopíruje řádek pod současný řádek
ctrl + / - zakomentování současného řádku a zárověn zakomentování výběru
## N-dimenzionální pole
Než se ponoříme do práce s NumPy a Pandas, tak je dobré se rozšířit pojmy, které je dobré znát.
N-dimenzionální cokoliv, ale většinou se jedná o pole/array/list. N zastává počet dimenzí.
# 1d list
one_d_list = [1, 2, 3, 4, 5, 6]
# 2d list, často také nazýván matice
two_d_list = [[1, 2, 3], [4, 5, 6]]
# 3d list najdete níže
NumPy datové typy
NumPy narozdíl od Pythonu nabízí více datových typů, které nám umožní mít ještě přesnější matematické
výpočty, pokud potřebujeme mnoho desetinných čísel.
Jak jsme si již řekli, tak Python nám nabízí vestavěné datové typy:
string
int, float, complex
bool
set, tuple, range, dict, list
ISKM80 Python pro neprogramátory.md 2023-09-10
42 / 49
Tyto datové typy jsou dostatečné na základní operace nad daty, ale pokud je otřeba složitějších
matematických operací nad desetinnými čísly, tak je dobré využít knihovny NumPy a typů z ní. Například:
np.longdouble, který je nepřesnější, co Python nabízí, ale také paměťově nejnáročnější.
Dobré je si uvědomit i limitace, které přináší reprezentace desetinných čísel počítačem.
Více informací zde Floating Point Arithmetic: Issues and Limitations
Statistické funkce v NumPy
NumPy nabízí spoustu statistických funckí.
aritmetický průměr mean (nanmean ignoruje NaN hodnoty)
vážený průměr average
medián median (nanmedian ignoruje NaN hodnoty)
odchylky
histogram
Odkaz na na dokumentaci, kde se dozvíte více k jednotlivým funkcím.
ISKM80 Python pro neprogramátory.md 2023-09-10
43 / 49
Pandas
Jedna z nejpoužívanějších knihoven pro práci s daty. Proč tomu tak je? Pandas totiž nabízí spoustu
funkcionalit, které práci s daty ulehčují. Například vlastní datové struktury jako Series a Dataframe.
Podíváme se na obě, protože jsou nedílenou součástí práce s Pandas. Zároveň Series je podřazená
DataFrame, a tak je potřeba je znát obě.
Jak si představit workflow s NumPy, Pandas a Matplotlib?
Máme data, která si potřebujeme rerezentovat, analyzovat, upravit v Pythonu. Pomoci Pandas si načteme CSV
soubor, vytvoříme si z načtených dat DataFrame. Zpracujeme data pomoci funkcionalit, co nám Pandas nabízí.
Tyto fukncionality můžeme dolpnit možnostmi, které nabízí NumPy, a provádět matematické, statistické nebo
jiné operace jednoduše, bez odborné znalosti matematiky nebo statistiky. Pořád ale musíte chápat, co která
funkce dělá a jaký je její use-case.
Když máme data zpracovaná, tak na řadu přichází Matplotlib. Je to knihovna, která nám poskytuje několik
možností, jak vizualizovat data. Nabízí různé druhy grafů. Tyto různé druhy grafů mají specifickou potřebu
formátu dat a zde se nám zase hodí Pandas, protože díky Pandas je manipulace s daty jednoduchá.
Zní to jednoduše, ale je za tím hodně práce. Nebojte se řešit věci pokus omyl. Ctrl + Z se hodí!
Pandas - Series
Datový typ Series si můžeme představit jako list z Pythonu, ale nabízí funkcionalitu navíc. Index v Series
nemusí být vždy jako u listu, tedy numerická řada čísel, začínající od 0. Můžeme indexovat písmeny, nebo čím
je potřeba. Cokoliv Series předáme jako parametr pro index, to bude sloužit pro indexování. Je nutné ale
myslet na to, že pokud chceme mít vlastní index, je potřeba mít připravenou dostatečné množství hodnot pro
index, abychom mohli zaindexovat každou hodnotu.
import numpy as np
import pandas as pd
# Defulatně se index chová jako index pro pole
s = pd.Series(np.random.randn(5))
print(s)
# ale můžeme index určit sami. Je potřeba mít ale dostatečný počet hodnot
s = pd.Series(np.random.randn(5), index=["a", "b", "c", "d", "e"])
print(s)
Objekt Series můžeme vytvořit i z dictionary. Dejme tomu, že máme jako dictionary uloženy data ze
soutěže, kde soutěžící sbírali body.
ISKM80 Python pro neprogramátory.md 2023-09-10
44 / 49
results = {
"Patrik": 20,
"Jana": 30,
"Josef": 34,
"Barbora": 33,
"Jakub": 32
}
s = pd.Series(results)
print(s)
I v tomto případě můžem poskytnout parametru index vlastní hodnoty. Víme, že bylo přihlášeno 6 závodníků,
ale dostavilo se jen 5, kteří opravdu závodili. Jaký bude výsledek?
registered = ["Patrik", "Jana", "Josef", "Daniel", "Barbora", "Jakub"]
results = {
"Patrik": 20,
"Jana": 30,
"Josef": 34,
"Barbora": 33,
"Jakub": 32
}
s = pd.Series(results, index=registered)
print(s)
Pokud máme v index hodnoty, pro které nemáme data, tak u nich bude NaN.
NaN (not a number) je v Pandas standardní označení chybějící hodnoty.
Pokud potřebujeme z objektu Series dostat jen data, bez indexů a ostatních příkras, můžeme se k nim dostat
pomoci vlastnosti array ze Series objektu.
ISKM80 Python pro neprogramátory.md 2023-09-10
45 / 49
registered = ["Patrik", "Jana", "Josef", "Daniel", "Barbora", "Jakub"]
results = {
"Patrik": 20,
"Jana": 30,
"Josef": 34,
"Barbora": 33,
"Jakub": 32
}
s = pd.Series(results,
index=registered,
name="Výsledky") # Pomoci parametru name si můžeme pojemenovat data
při výpisu
print(s)
# Nad tímto polem můžeme zavolat další funkce, které nám nabízí Pandas.
arr = s.array
print(arr)
print(arr.mean()) # Průměrná hodnota z pole
print(arr.median()) # Medián z pole
print(arr.argmax()) # Index položky s maximální hodnotou - vrací index prvního
výskytu maximální hodnoty
print(arr.argmin()) # Index položky s minimální hodnotou - vrací index prvního
výskytu minimální hodnoty
# Také si toto pole můžeme z Pandas objektu převést na NumPy objekt a používat zde
zase funkce, které nabízí NumPy
arr_as_numpy = s.array.to_numpy(copy=True) # v NumpPy se datový typ array jmenuje
ndarray
print(arr_as_numpy)
for e in arr_as_numpy:
print(e)
# Také je možnost Series objekt převést přímo na Python list
arr_as_list = s.to_list()
print(arr_as_list)
Pandas - DataFrame
DataFrame je hlavní datová struktura Pandas. Je nadřazená Series. DataFrame můžeme chápat jako datový
typ dictionary ale na steroidech.
Když si pomoci Pandas načtete soubor CSV, výsledek této funkce bude uložen jako DataFrame.
Jedná se o dvoudimenziální datovou strukturu, je to matice hodnot. Nejjednodušší bude si reprezentaci
DataFrame představit jako Excel soubor. Sloupce jsou nějak pojmenované a každý řádek má také své číslo. To
je matice. Hodnotu pak máme uloženou například na pozici A2.
ISKM80 Python pro neprogramátory.md 2023-09-10
46 / 49
Pokud budeme pokračovat s našimi soutěžícími, ale uděláme ze soutěže turnaj o více disciplínách, už
nemůžeme použít pro reprezentaci dat objekt Series. Potřebujeme DataFrame.
registered = ["Patrik", "Jana", "Josef", "Daniel", "Barbora", "Jakub"]
results = {
# Klíč slouží jako sloupec a zároveň jako název sloupce
"Running": pd.Series(np.random.randint(1, 40, 6), index=registered),
"Jumping": pd.Series(np.random.randint(1, 40, 6), index=registered),
"Swimming": pd.Series(np.random.randint(1, 40, 6), index=registered),
}
df = pd.DataFrame(results)
print(df)
Práce se sloupci v DataFrame
Jak už víme z předchozích lekcí, můžeme s datovými strukturami různě manipulovat.
Můžeme sloupce přidávat, mazat, počítat s nimi.
registered = ["Patrik", "Jana", "Josef", "Daniel", "Barbora", "Jakub"]
results = {
# Klíč slouží jako sloupec a zároveň jako název sloupce
"Running": pd.Series(np.random.randint(1, 40, 6), index=registered),
"Jumping": pd.Series(np.random.randint(1, 40, 6), index=registered),
"Swimming": pd.Series(np.random.randint(1, 40, 6), index=registered),
}
df = pd.DataFrame(results)
df["Result"] = df["Running"] + df["Jumping"] + df["Swimming"] # Vytvoříme nový
sloupec, který obsahuje součet všech disciplín
print(df)
df.pop("Swimming")
# Je potřeba přepočítat výsledky
df["Result"] = df["Running"] + df["Jumping"]
print(df)
## Metoda assing
Metoda assign nám umožňuje vytvářet nové sloupce, kterým jako hodnotu můžeme předat přes lambda
funkci. V předchozím příkladu jsme si ukázali, jak se dá vypočítat sloupec result, je to super, ale tento sloupec
pak není reaktivní a nepřepočítá se, pokud nějaký sloupec z dat vymažme. Pokud jej ale přidáme pomoci
metody assign, tak se přepočítá při každém vypsání DataFrame.
ISKM80 Python pro neprogramátory.md 2023-09-10
47 / 49
Metoda vrací kopii DataFrame s novými sloupci.
registered = ["Patrik", "Jana", "Josef", "Daniel", "Barbora", "Jakub"]
results = {
# Klíč slouží jako sloupec a zároveň jako název sloupce
"Running": pd.Series(np.random.randint(1, 40, 6), index=registered),
"Jumping": pd.Series(np.random.randint(1, 40, 6), index=registered),
"Swimming": pd.Series(np.random.randint(1, 40, 6), index=registered),
}
df_2 = pd.DataFrame(results)
df_2.assign(Result=lambda x: x.Running + x.Jumping + x.Swimming)
print(df_2) # Proč tam sloupec není? Protože jsme si neuložili návratovou hodnotu
funkce assign do proměnné
res = df_2.assign(Result=lambda x: x.Running + x.Jumping + x.Swimming)
print(res)
Výpis hodnot pomoci metod Head a Tail
Funkce print je možný způsob, jak vypisovat hodnoty z DataFrame, ale v Google Colab můžeme využít
hezkého zobrazení tabulek, když využijeme metody head a tail.
Metoda Head
Slouží pro vypsání počtu záznmů od začátku datasetu.
Metoda Tail
Slouží pro vypsání počtu záznamů od konce datasetu.
Když metodám nedáme parametr, vypisují defaultně 5 řádků.
Operace nad řádky a sloupci
Jako dalši funkcionalitu Pandas nabízí možnost agregovat nad celým DataFrame nebo nad jednotlivými
sloupci. Neplést prosím s metodou assign.
sum() - metoda sečte hodnoty ve sloupci
mean() - metoda vypočítá aritmetický průměr z hodnot ve sloupci
Máme možnost ale tyto metody zavolat i nad jednotlivými sloupci.
df["some_colum"].sum()
df["some_colum"].mean()
# výsledek volání je hodnota pro daný sloupec
ISKM80 Python pro neprogramátory.md 2023-09-10
48 / 49
Možnost určit operaci pomoci metody agg().
Agregaci, kterou chceme provést, je možné také zadat pomoci metody agg(), které jako parametr předáme
odkaz na funkci nebo název předdefinované funkce.
def my_function():
return "Bazinga!!!"
# Sum pomoci metody agg
df.agg(np.sum)
df.agg("sum")
# Mean pomoci metody agg
df.agg(np.mean)
df.agg("mean")
# Vlastní funkce
df.agg(my_function)
Více informací v dokumentaci.
Výběr sloupců pro zpracování nebo výpis
Pokud chceme pracovat nebo vypsat jen jednotlivé sloupce, tak je můžeme definovat pomoci přístupu přes
hranaté závorky a názvu sloupcu, se kterým máme v úmyslu pracovat.
# Jeden sloupec ze všech
print(df["column_1"])
# více sloupců zároveň
print(df["column_1", "column_2", "column_5"])
Řazení dat podle hodnot
Pandas nabízí možnost řadit hodnoty v DataFrame podle zvoleného sloupce.
# Definujeme podle jakého sloupce chceme řadit
df1.sort_values(by="column_name")
# Můžeme řadit i nad více sloupci zároveň
df1.sort_values(by=["col_1", "col_2"])
Práce s chybějímící nebo NaN hodnotami je v řazení v Pandas v pohodě, protože nám s tím Pandas pomůže. U
metody sort_values existuje parametr na_position, který určuje, kam takové hodnoty ve výsledku zařadit.
Možnosti jsou na začátek nebo na konec dat. Ve výchozím nastavení je to na konec dat, ale lze přes paramater
na_position="first" nastavit, že mají být na začátku.
ISKM80 Python pro neprogramátory.md 2023-09-10
49 / 49
# Seřadí hodnoty a všechny nečíslené nebo chybějící hodnoty budou na začátku
výsledku.
df1.sort_values(by="column_name", na_position="first")
Práce s CSV
Co je CSV. Jedná se o textovou reprezentaci dat, jednotlivé hodnoty jsou od sebe oddělené oddělovačem.
Oddělovač může být čárka, středník, tabulátor, aj.
Většinou CSV soubor obsahuje na prvním řádku názvy sloupců a data jsou až od druhého řádku. Výhodou je,
že tento soubor otevře jakýkolik textový editor. Excel nám umožňuje CSV reprezentaci převést do klasické
Excel podoby pomoci vestavěné funkcionality v záložce "Data".
ID,Jméno,Přijmení,Věk,Email
1,Patrik,Procházka,29,
2,Jana,Procházková,24,
3,Joe,Doe,49,joedoe@email.com
V učebních materiálech najdete CSV soubor s daty o populaci amerických měst. Stejně tak v každém Google
Colab sešitu najdete v záložce soubory, složku sample_data, ve které jsou nějaká vzorová data ve formátu
CSV.
Načtení CSV souboru do Pythonu
Python samotný nabízí funkcionalitu, jak pracovat se soubory ze souborového systému počítač. Tento přístup
je ale zdlouhavý a v případě mnoha dat může být i neefektivní. Pandas nabízí funkcionalitu, která nám umožní
data jednoduše nahrát a vytvořit z nich DataFrame se kterým můžeme ihned pracovat.
import pandas as pd
data_from_csv = pd.read_csv("/content/sample_data/california_housing_test.csv") #
platí pro Google Colab! V každém prostředí fungují importy jinak.
print(data_from_csv)