总算认识python开发项目入门教程

Python面向对象跟Java的面向对象大同小异，这篇我们简单介绍一下Python面向对象。以下是小编为你整理的python开发项目入门教程  

类(class)是通俗的说就是事物的属性和行为的抽象。下面我们定义个动物类，名称和体重是动物属性，动物的叫是动物行为(方法)。然后获取类的实例。  

上面的代码有几个点需要说明一下：  

(1) self: self是个形式参数，代表本类的实例(类似于Java的this关键字)通过self可以调用本类的属性和方法。  

(2) __init__(self)：初始化方法，类似java的构造方法  

(3) shout(self): 类方法和普通方法的区别是类方法必须带一个名称为self的参数

 

创建对象python中没有new关键字，直接通过方法名参数列表，跟调用普通方法没什么区别。  

访问和赋值类的属性  

(1) 通过“.”类访问对象的属性和行为  

(2) getattr(obj, name[, default]) : 访问对象的属性。  

(3) 通过“=”号赋值  

(4)setattr(obj,name,value) : 赋值对象属性，如果属性不存在，会创建一个新属性。  

类的方法：  

(1) 实例方法：*个参数self，通过实例来访问  

(2) 类方法：*个参数cls代表当前的类，classmethod() 来创建类方法。类名和实例都可以访问。  

(3) 静态方法：其实跟普通方法差不多，没有默认参数，类名和实例都可以调用。  

int对象的创建方法

int对象的创建方法  

1.通过内置语法规则创建  

和我们平时看见的整数一样。  

2.通过int函数创建  

int函数是Python的内置函数，可以从字符串、浮点数(小数)等对象创建整数。  

当然，如果使用不当，传入的字符串中不是整数，或者传入了不恰当的类型，就会引发错误。  

我们可以看见，int函数要求传入一个数或者一个字符串。  

常用的int对象操作运算  

1.加减法  

加减法的运算与数学中相同，对于我们来说，大数字运算中它们会提供更大便利。Python是比较高级的语言，所以支持负数运算。  

Python中乘法用“*”表示，运算规则一样。  

设定一个列表

比如：a = [123,456,789]，b = 123，b in a (结果True)  

解析：b是否被a包含  

把b改为一个其他的数值，比如b = 1234  

然后b in a，结果是False，因为a里面找不到b所指向的对象(1234)  

需要注意，in后面的对象必须是元组、列表这些集合类型的对象  

但是in前面的对象可以是任何类型的对象，如图2  

对于字符串  

比如：a = 'abcd'，'c' in a (结果True)  

in还常用于循环

 

比如：a = [123,456,789]  

for x in a:  

print(x)  

注：循环后面会详细讲(可以关注下，还有其他Python相关经验)  

not in  

与in刚刚好相反，in是False的话，not in就是True  

大数据是什么

投资者眼里是金光闪闪的两个字：资产。比如，Facebook上市时，评估机构评定的有效资产中大部分都是其社交网站上的数据。  

如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。  

Target 超市以20多种怀孕期间孕妇可能会购买的商品为基础，将所有用户的购买记录作为数据来源，通过构建模型分析购买者的行为相关性，能准确的推断出孕妇的具体临盆时间，这样Target的销售*就可以有针对的在每个怀孕顾客的不同阶段寄送相应的产品优惠卷。  

Target的例子是一个很典型的案例，这样印证了维克托·迈尔-舍恩伯格提过的一个很有指导意义的观点：通过找出一个关联物并监控它，就可以预测未来。Target通过监测购买者购买商品的时间和品种来准确预测顾客的孕期，这就是对数据的二次利用的典型案例。如果，我们通过采集驾驶员手机的GPS数据，就可以分析出当前哪些道路正在堵车，并可以及时发布道路交通提醒;通过采集汽车的GPS位置数据，就可以分析城市的哪些区域停车较多，这也代表该区域有着较为活跃的人群，这些分析数据适合卖给广告投放商。

不管大数据的核心价值是不是预测，但是基于大数据形成决策的模式已经为不少的企业带来了盈利和声誉。  

从大数据的价值链条来分析，存在三种模式：  

1- 手握大数据，但是没有利用好;比较典型的是金融机构，电信行业，*机构等。  

2- 没有数据，但是知道如何帮助有数据的人利用它;比较典型的是IT咨询和服务企业，比如，埃森哲，IBM，Oracle等。  

3- 既有数据，又有大数据思维;比较典型的是Google，Amazon，Mastercard等。  

未来在大数据领域*有价值的是两种事物：1-拥有大数据思维的人，这种人可以将大数据的潜在价值转化为实际利益;2-还未有被大数据触及过的业务领域。这些是还未被挖掘的油井，金矿，是所谓的蓝海。  

Wal-Mart作为零售行业的巨头，他们的分析人员会对每个阶段的销售记录进行了全面的分析，有一次他们无意中发现虽不相关但很有价值的数据，在美国的飓风来临季节，超市的蛋挞和抵御飓风物品竟然销量都有大幅增加，于是他们做了一个明智决策，就是将蛋挞的销售位置移到了飓风物品销售区域旁边，看起来是为了方便用户挑选，但是没有想到蛋挞的销量因此又提高了很多。  

还有一个有趣的例子，1948年辽沈战役期间，司令员林彪要求每天要进行例常的“每日军情汇报”，由值班参谋读出下属各个纵队、师、团用电台报告的当日战况和缴获情况。那几乎是重复着千篇一律枯燥无味的数据：每支部队歼敌多少、俘虏多少;缴获的火炮、车辆多少，枪支、物资多少……有一天，参谋照例汇报当日的战况，林彪突然打断他：“刚才念的在胡家窝棚那个战斗的缴获，你们听到了吗?”大家都很茫然，因为如此战斗每天都有几十起，不都是差不多一模一样的枯燥数字吗?林彪扫视一周，见无人回答，便接连问了三句：“为什么那里缴获的短枪与长枪的比例比其它战斗略高?”“为什么那里缴获和击毁的小车与大车的比例比其它战斗略高?”“为什么在那里俘虏和击毙的军官与士兵的比例比其它战斗略高?”林彪司令员大步走向挂满军用地图的墙壁，指着地图上的那个点说：“我猜想，不，我断定!敌人的指挥所就在这里!”果然，部队很快就抓住了敌方的指挥官廖耀湘，并取得这场重要战役的胜利。  

这些例子真实的反映在各行各业，探求数据价值取决于把握数据的人，关键是人的数据思维;与其说是大数据创造了价值，不如说是大数据思维触发了新的价值增长。