Документ. 1 Обзор среды программирования и введение в Python 4 1 Python 4

• Название: 1 Обзор среды программирования и введение в Python 4 1 Python 4
• Дата: 28.06.2022
• Размер: 0.55 Mb.
• Имя файла: Документ.docx
• Тип: Реферат; #619393

Содержание

Введение 3

1 Обзор среды программирования и введение в Python 4

1.1 Python 4

1.2 Преимущества и недостатки Python 5

2 Практическое изучение языка Python 8

2.1 Алгоритм k-means 8

2.2 Алгоритм k_NN 9

2.3 Математическая статистика 9

2.4 Шифр A1Z26 11

Вывод 13

Приложение А (справочное) Листинг реализации алгоритма k-means 14

Приложение Б (справочное) Листинг реализации алгоритма k_NN 15

Приложение В (справочное) Листинг Математическая статистика 17

Приложение Г (справочное) Листинг реализации шифра A1Z26 20

Приложение Д (справочное) Библиографический список 21

Введение 2

#run.py 14

import numpy as np import matplotlib.pyplot as plt from k_means import kmeans X = np.array([ [4, 4], [3, 3], [5, 3], [2, 3], [5, 5], [3, 2], [2, 4], [4, 5], [5, 4], [2, 2]]) m, n= X.shape ans = kmeans(2, X) print(ans) plt.plot(X[:,0], X[:,1], 'bx', ans[:,0], ans[:,1], 'r*', markersize=20) plt.grid() plt.show() 14

Введение

Учебная практика дает студентам получить новые практические и теоретические знания, которые могут помочь в дальнейшем учебном процессе.

На этой практике будет изучен язык программирования Python, ориентированный на повышение производительности разработчика и читаемости кода.

Целью учебной практики является изучение основ языка программирования Python путем разработки приложений и реализации криптографического алгоритма.

Python – высокоуровневый язык программирования, используемый в различных сферах IT для разработки приложений самого разнообразного назначения.
1 Основы Python и обзор среды программирования

Различные языки программирования обычно доминируют в какой-то отрасли, для работы в которой они хорошо подходят. Но это не значит, что программист ограничен использовать строго определённый инструмент, поэтому любой язык общего назначения, такой как Python, может применять для создания чего-угодно.

Но данный язык имеет несколько различных сред разработки, например PyCharm, PyDev, Geany и Spyder.

1.1 Python

Python – современный язык программирования высокого уровня. Он представляет собой интерпретируемый объектно-ориентированный язык и интерактивную среду для разработки программ. С его помощью можно разрабатывать приложения с графическим интерфейсом, работать с базами данных, создавать Web-сайты. Python может использоваться для написания прикладных приложений, машинного обучения и многого другого.

Язык программирования Python обладает ясным и понятным синтаксисом и хорош для программирования математических вычислений. Python реализован практически во всех операционных системах и большинство его модулей распространяется бесплатно.

Python начал разрабатываться во второй половине 80-х гг. прошлого века. Автором Питона стал программист из Нидерландов по имени Гвидо ван Россум. Изначально язык должен был стать объектно-ориентированным. Фактически, это был язык сценариев (скриптовый язык). В феврале 1991 года Россум опубликовал исходный код языка в одной из новостных групп.

Основными факторами успеха Python стали удачный выбор места презентации в популярном и массовом профессиональном сообществе в сочетании с действительно простым кодом и широкими возможностями.

Впоследствии Гвидо создал специализированный портал PEP, где идет регулярное обсуждение по развитию и улучшению продукта. В 2008 года появилось большое обновление языка – Python 3.0. В этой версии были устранены многие ключевые недоработки в архитектуре ядра. Что было важно – новая версия продукта сохранила полную совместимость с более старыми вариантами.

Описания типов переменных в Python нет. Это означает, что при присваивании переменной значения интерпретатор автоматически относит переменную к одному из типов данных.

Python содержит такие структуры данных как:

1) Список (list) – похожи на одномерные массивы (список, включающий списки – многомерный массив).

2) Кортеж (tuple) – неизменяемый список.

3) "Массивы" в Python могут содержать данные любого типа, то есть в одном массиве может могут находиться числовые, строковые и другие типы данных [1].

1.2 Преимущества и недостатки Python

Рассмотрим преимущества и недостатки языка программирования Python:

1) В Python не надо заранее объявлять тип переменной, что очень удобно при разработке



2) Хорошая поддержка модульности. Вы можете легко написать свой модуль и использовать его в других программах.

3) Встроенная поддержка Unicode в строках. В Python необязательно писать всё на английском языке, в программах вполне может использоваться ваш родной язык.

4) Поддержка объектно-ориентированного программирования. При этом его реализация в Python является одной из самых понятных.

5) Автоматическая сборка мусора, отсутствие утечек памяти.

6) Интеграция с C/C++, если возможностей Python недостаточно.

7) Понятный синтаксис, способствующий ясному отображению кода. Система функций позволяет создавать код, в котором будет легко разобраться другому человеку в случае необходимости. Также вы сможете научиться читать программы и модули, написанные другими людьми.

8) Огромное количество модулей Python3. В некоторых случаях для написания программы достаточно найти подходящие модули и правильно их скомбинировать. Таким образом, можно работать с уже готовыми элементами, выполняющими различные действия.



2 Практическое изучение языка Python

Язык Python на сегодняшний день считается самым универсальным языком программирования. Используя Python, можно программировать почти все. На нём активно программирует большинство IT-компаний.

2.1 Алгоритм k-means

Предположим, требуется сформировать две группы студентов (УТ-11 и УТ-12) для обучения на специальности. Известны оценки абитуриентов за тесты по физике и математике. Требуется реализовать алгоритм k-means, с помощью которого выделить два кластера, описывающих формируемые группы студентов.

Алгоритм k-means:

1. Задается количество кластеров k, которые требуется обнаружить.

2. Центры кластеров изначально инициализируются случайным образом.

3. Каждый из объектов приписывается к ближайшему кластеру.

4. На основании объектов, вошедших в каждый кластер, центры кластеров пересчитываются.

5. Шаги 3 и 4 повторяются до тех пор, пока центры кластеров не стабилизируются, то есть на очередной итерации объекты будут принадлежать тем же кластерам, что и до этого.

Листинг программы представлен в приложении А.

Результат работы программы предоставлен на рисунке 1.


Рисунок 1– решение первого задания
2.2 Алгоритм k_NN

В задании по введенным данным роста и веса определить к какому виду относится особь. Каждый вид характеризуется определенным средним значением роста и веса.

В основе kNN лежит следующее правило: объект считается принадлежащим тому классу, к которому относится большинство его ближайших соседей. Под «соседями» здесь понимаются объекты, близкие к исследуемому в том или ином смысле. Для применения метода kNN в пространстве признаков объектов должна быть введена некоторая функция расстояния. Работа программы – классификация особей с помощью реализованного алгоритма предоставлена на рисунке 2.


Рисунок 2 – решение второго задания




Листинг программы представлен в приложении Б.

2.3 Математическая статистика

В задании нужно выполнить несколько заданий представленных ниже:

1) Создать в Python переменную, массив, матрицу с заданными, случайными целочисленными, нулевыми, единичными значениями.

2) Импортировать переменную (матрицу) из текстового структурированного файла (файл создать вручную: разделители столбцов – пробелы).

3) Загрузить одномерные данные из каталога data/1D из файла с расширением .mat согласно варианту. Оценить параметры одномерной случайной величины. Команды сохранить в скрипт.

4) Вывести графики одномерных случайных величин и их плотности распределения. Команды сохранить в скрипт. Подобрать вид распределения одномерной случайной величины и его параметры. На одном графике отобразить случайную величину, уровень среднего значения и дисперсию.

5) Построить и вывести на графике автокорреляцию заданной одномерной случайной величины. Команды сохранить в скрипт.

6) Импортировать из каталога data/NDфайл *.mat с многомерными данными согласно варианта. Первые 5 столбцов считать входными значениями, последний 6 столбец – выходная величина, для которой требуется установить зависимость от входных величин.

7) Построить матрицу корреляции для всех входных и выходных величин. Сделать выводы о зависимости/независимости выходной величины от каждой из входных компонент. Отобразить точечный график для случайных величин, коэффициент корреляции для которых по модулю больше 0.8.

На рисунке 3 представлены графики, которые были получены по окончанию выполнения задания, а на рисунке 4 представлен результат работы программы.

Листинг программы представлен в приложении В.

Рисунок 3 – Графики, полученные в ходе работы


Рисунок 4 – Результат работы программы



2.4 Шифр A1Z26

Задание: Реализовать криптографический алгоритм (Шифр A1Z26) при помощи языка Python, не используя библиотечные функции связанные непосредственно с шифрованием. Разработанная программа должна осуществлять шифрование и дешифрование текста в соответствии с вариантом. В приложении должна быть возможность ввода текста (вручную или загрузка из файла – на усмотрение разработчика), ключа (если этого требует алгоритм) и зашифрованного текста.

Шифр подстановки— это метод шифрования, в котором элементы исходного открытого текста заменяются зашифрованным текстом в соответствии с некоторым правилом. Элементами текста могут быть отдельные символы (самый распространённый случай), пары букв, тройки букв, комбинирование этих случаев и так далее.

Шифрование/дешифрование исходных данных

Алгоритм шифрования: каждая буква заменяется своим порядковым номером в алфавите.

Процесс расшифрования: нужно прописывать цифры таким образом, чтобы они были отделены друг от друга чертой, дефисом или пробелом, главное, чтобы не были слитные цифры.

Листинг индивидуального задания представлен в приложении Г.

Номера букв латинского алфавита представлены на рисунке 5.




Рисунок 5 – Нумерация латинского алфавита


Вывод

Данная практическая работа сыграла огромную роль в приобретении практических навыков. В ходе выполнения практики был изучен такой язык программирования, как Python. Он оказался прост в применении и понимание, что облегчило выполнение практической работы. Также были закреплены все полученные теоретические знания по изученной дисциплине, что пригодится в дальнейшем.

В ходе летней учебной практики были выполнены следующие задачи:

1) Ознакомление со средой разработки.

2) Изучение базовых возможностей языка программирования Python.

3) Изучение алгоритмов k-means, k_NN, основные программные свойства и методы Математической статистики.

4) Разработка криптографического алгоритма шифрования.

5) Повторение основ оформления научно-исследовательских работ в соответствии с СТП ВятГУ 101-2004 [2].

Приложение А

(справочное)

Листинг алгоритма k-means

# k_means.py

import numpy as np

def dist(A, B):

V = A - B

V2 = np.power(V, 2)

r = np.sqrt(np.sum(V2))

return r

def class_of_each_point(X, centers):

m = len(X)

k = len(centers)

distances = np.zeros((m, k))

for i in range(m):

for j in range(k):

distances[i, j] = dist(centers[j], X[i])

return np.argmin(distances, axis=1)
def kmeans(k, X):
m, n = X.shape
curr_iteration = prev_iteration = np.zeros(m)
centers = np.random.random((k, n))

centers = centers * (np.max(X, axis=0) - np.min(X, axis=0)) +
+ np.min(X, axis=0)

curr_iteration = class_of_each_point(X, centers)
while True:

prev_iteration = curr_iteration

for i in range(k):

sub_X = X[curr_iteration == i, :]

if len(sub_X) > 0:

centers[i, :] = np.mean(sub_X, axis=0)

curr_iteration = class_of_each_point(X, centers)

if np.all(prev_iteration == curr_iteration):

break
return centers
#run.py

import numpy as np
import matplotlib.pyplot as plt
from k_means import kmeans

X = np.array([
[4, 4],
[3, 3],
[5, 3],
[2, 3],
[5, 5],
[3, 2],
[2, 4],
[4, 5],
[5, 4],
[2, 2]])

m, n= X.shape
ans = kmeans(2, X)
print(ans)
plt.plot(X[:,0], X[:,1], 'bx', ans[:,0], ans[:,1], 'r*', markersize=20)
plt.grid()
plt.show()


Приложение Б

(справочное)

Листинг алгоритма k_NN
# kNN.py
import numpy as np

import math
def k_nearest(X, k, obj):
Xn = X[:, 0:-1]

Xnstd = np.std(Xn,axis=0)

Xn = (Xn-Xnmean)/Xnstd

objn = (obj-Xnmean)/Xnstd

dist_arr =[dist(x, objn) for x in Xn]

dist_arr =np.argsort(dist_arr)

nearest_classes = X[dist_arr[:k], -1]

unique, counts = np.unique(nearest_classes, return_counts=True)

object_class = unique[np.argmax(counts)]
return object_class

def dist(p1, p2):

return math.sqrt(sum((p1 - p2)**2))

# run.py
import numpy as np
from kNN import k_nearest
X = np.array([
[33, 21, 1],
[43, 13, 1],
[18, 22, 1],
[38, 34, 1],
[62, 118, 2],
[59, 137, 2],
[95, 131, 2],
[83, 110, 2],
[185, 155, 3],
[193, 129, 3],
[164, 135, 3],
[205, 131, 3],
[145, 55, 4],
[168, 35, 4],
[135, 47, 4],
[138, 66, 4]
])

height = int(input("Введите рост:"))
weight = int(input("Введите вес:"))

obj = np.array([height, weight])

k = 3
object_class = k_nearest(X, k, obj)

monkeys = {1: 'lemur', 2: 'schimpanze', 3: 'gorilla', 4: 'orangutan'}
print(monkeys[object_class])




Приложение В

(справочное)

Листинг Математическая статистика
#script.py
import numpy as np

import matplotlib.pyplot as plt

import scipy.io

import pprint

def task_1():

a = 10

print(a)

b = [1, 2, 3]

print(b)

c = np.array([[1, 2, 3], [4, 5, 6]])

print(c)

d = np.random.randint(2, 6, (5, 5))

print(d)

e = np.zeros((2, 2))

print(e)

f = np.ones((2, 3))

print(f)
def task_2():



array = np.loadtxt('C:/Users/m0t0s/test.txt', dtype=np.int32)

pprint.pprint(array)
def task_3():

data=scipy.io.loadmat
('C:/Users/m0t0s/Practice_Day_Three_Edition/data/1D/var5.mat')

data = data['n']

print(np.max(data))

print(np.min(data))

print(np.median(data))

print(np.mean(data))

print(np.var(data))

print(np.std(data))
return data
def task_4(data):

plt.plot(data)

plt.show()

mean = np.mean(data) * np.ones(len(data))

var = np.var(data) * np.ones(len(data))

plt.plot(data, 'b-', mean, 'r-', mean-var, 'g--', mean+var, 'g--')

plt.grid()

plt.show()

plt.hist(data, bins=20)

plt.grid()

plt.show()
def autocorrelate(a):

n = len(a)

cor = []

for i in range(n//2, n//2+n):

a1 = a[:i+1] if i< n else a[i-n+1:]

a2 = a[n-i-1:] if i< n else a[:2*n-i-1]

cor.append(np.corrcoef(a1, a2)[0, 1])

return(cor)
def task_5(data):

print(data.shape)

data = np.ravel(data)

print(data.shape) # (1000, )

cor = autocorrelate(data)

plt.plot(cor)

plt.show()

def task_67():

data = scipy.io.loadmat

('C:/Users/m0t0s/Practice_Day_Three_Edition/data/ND/var3.mat')

data = data['mn']

n = data.shape[1]

corr_matrix = np.zeros((n,n))

for i in range(n):

for j in range(n):

column1 = data[:,i]

column2 = data[:,j]

corr_matrix[i, j] = np.corrcoef(column1, column2)[0, 1]

np.set_printoptions(precision=2)

print(corr_matrix)

plt.plot(data[:, 2], data[:, 5], 'b.')

plt.grid()

plt.show()

if __name__ == '__main__':

print('Задание #1')

task_1()

print('Задание #2')

task_2()

print('Задание #3')

data = task_3()

print('Задание #4')

task_4(data)

print('Задание #5')

task_5(data)

print('Задание #6 и #7')

task_67()
Приложение Г

(справочное)

Листинг Шифра A1Z26

def A1Z26_code(codestring):
rezult = ""
codestring = codestring.lower()
codestring = "".join(codestring.split())
for x in range(0, len(codestring)):
char = ord(codestring[x]) - 96
if char > 0 and char <= 26: rezult += str(char) + " "
return rezult


def A1Z26_decode(decodestring):

rezult = ""
data = decodestring.split()

for char in data:
char = chr(int(char) + 96)
rezult += char
return rezult


select= input("Введите 0 если хотите зашифровать или 1 для расшифровки:")

if select == '0':
codestring = input("Введите текст на английском, цифры и пробелы будут проигнорированы:")
print("Результат шифрования:")
print(A1Z26_code(codestring))
if select == '1':
decodestring = input("Введите зашифрованную фразу разделяя цифры пробелами:")
print("Результат расшифровки:")
print(A1Z26_decode(decodestring))
Список используемой литературы.
1) Доля П.Г. Введение в научный Phyton [Текст]: учебное пособие/П.Г. Доля – Харьков: Харьковский Национальный Университет, 2017. – 43с.

2)Гэддис Т. Начинаем программировать на Python. – 4-е изд.: Пер. с англ. – СПб.: БХВ-Петербург, 2019. – 768 с.

3) СТП ВятГУ 101-2017 Общие требования к оформлению текстовых документов// Киров: ВятГУ, 2017.