Computer >> บทช่วยสอนคอมพิวเตอร์ >  >> การเขียนโปรแกรม >> Python
Python
  1. Base64 Data Encoding ใน Python

    โมดูล base64 แปลงข้อมูล Binary เป็น subset ของ ASCII เหมาะสำหรับส่งผ่านโปรโตคอลข้อความธรรมดา (email, URL, HTTP POST) ตาม RFC 3548 รองรับ Base16, Base32, Base64, Ascii85, Base85 อินเทอร์เฟซสมัยใหม่ (Modern Interface) ฟังก์ชันคำอธิบาย b64encode(data)เข้ารหัส bytes-like object เป็น Base64 คืนค่า byt

  2. Encode/Decode ไฟล์ BinHex4 ด้วย Python (binhex)

    โมดูล binhex เข้ารหัสและถอดรหัสไฟล์ในรูปแบบ BinHex4 รูปแบบนี้ใช้แทนไฟล์ Macintosh ใน ASCII จัดการเฉพาะ Data fork ฟังก์ชันหลัก ฟังก์ชันคำอธิบาย binhex.binhex(input, output)เข้ารหัสไฟล์ binary input เป็น BinHex output (filename หรือ file-like object) binhex.hexbin(input, output)ถอดรหัสไฟล์ BinHex i

  3. แปลงระหว่าง Binary และ ASCII ด้วย Python (binascii)

    โมดูล binascii แปลงระหว่างข้อมูล Binary และการเข้ารหัส ASCII ต่างๆ ฟังก์ชันระดับต่ำเขียนใน C เร็ว ใช้โดยโมดูลระดับสูง เช่น uu, base64, binhex ฟังก์ชันหลัก (ขึ้นต้นด้วย a2b_* หรือ b2a_*) ฟังก์ชันคำอธิบาย a2b_uu(string)แปลง 1 บรรทัด uuencoded กลับเป็น binary b2a_uu(data)แปลง binary เป็น ASCII uuenc

  4. รายการ Keywords ในภาษา Python Programming

    โมดูล keyword ในไลบรารีมาตรฐานของ Python ช่วยตรวจสอบว่าสตริงใดเป็น keyword ของภาษา Python ฟังก์ชันหลัก keyword.iskeyword(s): คืนค่า True ถ้า s เป็น keyword ของ Python keyword.kwlist: คืนค่า sequence ของ keywords ทั้งหมดที่ interpreter กำหนด (รวม keywords ที่จะเพิ่มในอนาคต) ตัวอย่างการใช้งาน kw

  5. Data Analysis และ Visualization ใน Python ด้วย Pandas

    Python มีไลบรารีวิเคราะห์และแสดงข้อมูลมากมาย: NumPy, Pandas, Matplotlib, Seaborn บทความนี้เน้น Pandas ไลบรารีโอเพนซอร์สบน NumPy ทำ Data Analysis และ Visualization ได้รวดเร็ว การติดตั้ง pip install pandas # หรือ conda install pandas Pandas DataFrames DataFrame คือเครื่องมือหลักของ Pandas import n

  6. Data Visualization ด้วยกราฟหลากหลายรูปแบบใน Python

    Python มีไลบรารี Data Visualization ที่ใช้ง่าย รองรับข้อมูลน้อยหรือมาก: Matplotlib: พื้นฐาน ควบคุมรายละเอียดได้หมด Pandas: Plot ตรงจาก DataFrame Plotly: Interactive, web-based Seaborn: Statistical visualization สวยงาม ข้อมูลตัวอย่าง: ประชากรอินเดีย 2019 แยกตาม Variant CountryYearVariantValue

  7. Web Scraping ด้วย Python และ Scrapy

    Scrapy เป็นเฟรมเวิร์กยอดนิยมสำหรับสร้างเว็บครอลเลอร์/สแครพเปอร์ ใช้ high-level APIs ทำให้ scraping ง่ายและมีประสิทธิภาพ การติดตั้ง pip install Scrapy # หรือถ้ามี Anaconda conda install -c conda-forge scrapy รองรับ Python 2 และ 3 หลังติดตั้งจะมีคำสั่ง scrapy ในเทอร์มินัล เริ่มโปรเจกต์ใหม่ $ scrap

  8. Deploy Scrapy Spider บน ScrapingHub

    Scrapy Spider คืออะไร? Scrapy Spider เป็นคลาสที่ให้ความสามารถในการตามลิงก์เว็บไซต์และดึงข้อมูลจากหน้าเว็บ เป็นคลาสหลักที่ Spider อื่นๆ ต้องสืบทอดมา ScrapingHub คืออะไร? ScrapingHub เป็นแอปพลิเคชันโอเพนซอร์สสำหรับรัน Scrapy spiders บนคลาวด์ แปลงเนื้อหาเว็บเป็นข้อมูลที่ใช้งานได้ แม้เว็บซับซ้อนก็ดึงข้

  9. ดัชนีความอ่านง่าย (Readability Index) ใน Python NLP

    Natural Language Processing (NLP) ศึกษาการสร้างและทำความเข้าใจภาษามนุษย์โดยอัตโนมัติ หนึ่งหัวข้อสนุกคือ Readability (ความอ่านง่าย) ว่าข้อความยากหรือง่ายในการอ่านและเข้าใจเพียงใด Readability Index คือค่าตัวเลขบ่งชี้ความยากง่ายของข้อความ มีหลายสูตรทดสอบ แต่ละสูตรเหมาะกับภาษา/วัตถุประสงค์ต่างกัน ตารา

  10. Convolution (การคอนฟลูชัน) ใน Python สำหรับการประมวลผลภาพ

    การจดจำภาพในอดีตใช้วิธีง่ายๆ เช่น Linear Regression และเปรียบเทียบความคล้ายคลึง ผลลัพธ์ไม่ดี แม้งานง่ายๆ เช่น อ่านตัวอักษรมือเขียนก็ยาก Convolutional Neural Networks (CNNs) จำลองการทำงานของสมองมนุษย์ในการมองเห็นภาพ ได้ผลดีกว่ามาก ภาพรวม CNN คอมพิวเตอร์มองภาพเป็นอาร์เรย์ 2 มิติของตัวเลข (pixels) ใช้

  11. พล็อต Google Maps ด้วยแพ็กเกจ Folium ใน Python

    Folium เป็นไลบรารี Python อันทรงพลัง สร้างแผนที่แบบ Leaflet ได้หลากหลายรูปแบบ แผนที่แบบโต้ตอบ (interactive) เหมาะสำหรับสร้างแดชบอร์ด การติดตั้ง $ pip install folium แผนที่พื้นฐาน import folium # location: [latitude, longitude], zoom_start: ระดับซูม (ค่ายิ่งใหญ่ = ใกล้ขึ้น) # tiles: รูปแบบแผนที่

  12. การประมวลผลภาพ (Image Processing) ใน Python

    Python มีไลบรารีประมวลผลภาพมากมาย: OpenCV: Computer vision แบบ real-time, 2D/3D features, face/gesture recognition, robotics NumPy & SciPy: จัดการและประมวลผลภาพระดับต่ำ scikit-image: อัลกอริทึมประมวลผลภาพมากมาย PIL/Pillow: ปฏิบัติการพื้นฐาน: thumbnail, resize, rotate, convert format การติดตั้ง $

  13. สตีกาโนกราฟี (Steganography) บนภาพด้วย Python

    Steganography คือเทคนิคการซ่อนข้อมูลไว้เบื้องหลัง ไม่เหมือน Cryptography ที่เข้ารหัสข้อมูล (เช่น SHA1, MD5) สตีกาโนกราฟีเน้นการซ่อนข้อมูล (ไฟล์, ภาพ, ข้อความ, วิดีโอ) ไว้ภายในไฟล์อื่น เพื่อไม่ให้สังเกตเห็น เราจะสร้างโปรแกรม Python เรียบง่ายที่ซ่อนข้อความในภาพโดยไม่มีการเปลี่ยนแปลงที่มองเห็นได้ มี 2

  14. Formatted String Literals (f-strings) ใน Python

    Python 3.6+ มีวิธีจัดรูปแบบสตริงใหม่เรียกว่า f-strings (PEP 498) ใช้ตัวอักษร f นำหน้าสตริง ทำให้ใส่ตัวแปรและนิพจน์ได้โดยตรงในสตริง อ่านง่ายและเร็วกว่ารูปแบบเก่า ตัวอย่างพื้นฐาน name = Rajesh age = 13 * 3 fString = fMy name is {name} and my age is {age} print(fString) # ใช้ F พิมพ์ใหญ่ก็ได้ print(FM

  15. พิมพ์ข้อความด้วยฟอนต์ของตัวเองใน Python ด้วย pyfiglet

    เราสามารถแสดงข้อความแบบ ASCII art ได้หลายรูปแบบด้วย Python ใช้โมดูล pyfiglet แปลงสตริงธรรมดาเป็นศิลปะ ASCII แบบต่างๆ การติดตั้ง $ pip install pyfiglet ตัวอย่างการใช้งาน ตัวอย่าง 1: ใช้ฟังก์ชัน figlet_format print(ascii_banner) _ _ _____ _ _ ___ ______ _______ _ _ ___ _ _ | | | | ____| | | | /

  16. Part-of-Speech Tagging และการลบ Stop Words ด้วย NLTK ใน Python

    แนวคิดหลักของ Natural Language Processing (NLP) คือให้เครื่องทำการวิเคราะห์หรือประมวลผลข้อความโดยไม่ต้องมีการแทรกแซงจากมนุษย์ ระดับหนึ่ง เช่น เข้าใจความหมายบางส่วนของข้อความ Stop Words คืออะไร? ขณะประมวลผลข้อความ คอมพิวเตอร์ต้องกรองคำที่ไม่สำคัญหรือมีประโยชน์น้อยออกไป ใน NLTK เรียกคำเหล่านี้ว่า sto

  17. โมดูล Newspaper สำหรับดึงข้อมูลและจัดการบทความจากเว็บไซต์ข่าว

    เราสามารถดึงเนื้อหาจากหน้าเว็บหลากหลายโดเมนได้ เช่น การขุดข้อมูล การเรียกข้อมูล สำหรับเว็บไซต์หนังสือพิมพ์และนิตยสาร เราจะใช้ไลบรารี newspaper3k การติดตั้ง $ pip install newspaper3k $ pip install lxml $ pip install Pillow # ดาวน์โหลด NLP corpora $ curl https://raw.githubusercontent.com/codelucas/ne

  18. จำแนกตัวเลขมือเขียนด้วย Logistic Regression ใน PyTorch

    เราจะใช้ PyTorch ฝึกโมเดล CNN จำแนกตัวเลขมือเขียนจากชุดข้อมูล MNIST ซึ่งมีภาพขาวดำ 28x28 พิกเซล 70,000 ภาพ (60,000 train, 10,000 test) การติดตั้ง $ pip install torch torchvision matplotlib โหลดข้อมูล MNIST import torch import torchvision n_epochs = 3 batch_size_train = 64 batch_size_test = 1000

  19. รันสคริปต์ Python จาก Node.js ด้วย child_process.spawn()

    Node.js และ Python เป็นภาษายอดนิยม แต่ Node.js อ่อนในการคำนวณเชิงตัวเลขและวิทยาศาสตร์ (AI, ML, Deep Learning) ในขณะที่ Python มีไลบรารีครบครัน สามารถรวมทั้งสองได้โดยรัน Python ในพื้นหลังและส่งผลกลับมายัง Node.js วิธีการ ใช้ child_process ของ Node.js สร้าง child process ด้วย spawn() รัน Python scrip

  20. Conway's Game of Life ด้วย Python

    นักคณิตศาสตร์ชาวอังกฤษ สร้าง Game of Life ในปี 1970 ซึ่งเป็นชุดกฎที่จำลองการเติบโตของอาณานิคมสิ่งมีชีวิต แม้จะดูไม่มีระเบียบแต่ก็มีรูปแบบที่สวยงาม เกมนี้เป็นกริด 2 มิติ ประกอบด้วยเซลล์ มีชีวิต (on) และ ตาย (off) กฎของ Game of Life Overpopulation (ประชากรหนาแน่น): เซลล์ตาย หากรอบๆ มีเซลล์มีชีวิตมาก

Total 9001 -คอมพิวเตอร์  FirstPage PreviousPage NextPage LastPage CurrentPage:89/451  20-คอมพิวเตอร์/Page Goto:1 83 84 85 86 87 88 89 90 91 92 93 94 95