寫給.NET開發者的Python教程(一):C# vs Python: 語言特性、Conda和Jupyter Notebook環境

msp的昌偉哥哥發表於2020-07-05
PythonC#

承接上篇，本文會從語言特性、開發環境和必備工具來帶領大家進入Python的世界。

 

語言特性

 

首先一起看下C#和Python在語言特性層面的對比，他們作為截然不同的兩類物件導向高階語言，在語言層面上有何異同。

 

 

 

 

注：本系列均採用.NET Core為C#程式碼的執行環境，Python則為Python 3

 

上表對部分語言特性簡單做了對比,C#作為一門編譯型靜態語言，和Python這樣的解釋性動態語言，雖然差異較大，但同為面向向物件的高階語言，Python的很多概念仍然是無關程式語言的。

 Python的特性概括來講如下：

  • 包含大量的基礎型別，如：數字（int, float,long）、字串（ASCII和Unicode）、集合（list)和字典等
  • 支援物件導向程式設計，支援類和多繼承
  • 支援程式碼模組和庫
  • 支援異常捕獲。允許丟擲異常獲得更清晰的錯誤資訊
  • 動態型別，但有限支援強型別。不相容的型別一起運算（例如字串和整形相加）會導致丟擲異常，幫助快速定位錯誤。
  • 支援高階程式設計特性，例如generator（類似C#的迭代器）,列表生成式等
  • 自動記憶體管理。不必從程式碼手動管理記憶體

 

現在來看個LeetCode上經典問題兩數之和的例子，粗略感受下語法差異。這兩段程式碼都要從陣列nums裡面，找出相加和等於target的兩個整數，用陣列的形式返回：

Python

class Solution:
    def twoSum(self, nums, target):
        dict={}
        for i in range(len(nums)):
            n=nums[i]
            t=target-n
            if t in dict:
                return [dict[t],i]
            dict[n]=i
        return None

C#

public class Solution {
    public int[] TwoSum(int[] nums, int target) {
        var dict=new Dictionary<int,int>();
        for(var i=0;i<nums.Length;i++){
            var t=target-nums[i];
            if(dict.ContainsKey(t)){
                return new int[]{dict[t],i};
            }else{
                dict[nums[i]]=i;
            }
        }
        return null;
    }
}

 

同樣的一段邏輯，藉助一個字典快速找出兩個目標數字。但是從程式碼結構上來看，至少有以下幾點差異：

  1. Python程式碼不以;號換行
  2. Python以縮排來確定程式碼層級，這個槽點比較多（遊標卡尺梗）
  3. Python不使用public之類的訪問修飾符
  4. Python不要求宣告物件型別（可以主動宣告），動態型別
  5. Python使用def定義方法，同時不要求宣告返回值型別（可以主動宣告）
  6. 迴圈語句和條件語句與C#語法不同，使用:號宣告程式碼塊，後續會詳細介紹

這也是大多熟悉C語言系語法的開發人員不習慣Python的原因，其獨特的語法需要我們先熟悉。

 

Think in Python

編寫Pyhton程式碼的思考方式和我們編寫C++/C#時是完全不一樣的，對於其它語言的開發人員下面的幾個建議是非常棒的：

  • python.org的文件非常棒，簡潔明瞭。好訊息是官方文件有中文版，不用破費錢包去買書了也不用擔心英文看不懂，官方文件完全夠了
  • 儘早掃一遍內建的庫和函式名，熟悉這些內建函式，可以大大減少你的程式碼量！
  • 丟掉大部分花括號和分號，Python裡大部分場景都不會用到
  • Python的字串也是不可變的，每次改動都會建立一個新的字串物件。這點和C#一致
  • Python不支援函式過載。但函式引數為動態型別且可傳遞動態數量的引數，因此可以達到接近函式過載的效果
  • Python沒有指標，一切都是物件引用
  • 至少閱讀一次官方教程，然後瀏覽下函式庫參考文件（至少看一下目錄，你遇到的大部分問題裡面可能會有可以幫到你的）

 

 

 

 

Conda和開發環境

 對.NET開發人員而言，Conda（Anaconda）是個陌生的工具，但它可謂是目前機器學習必備的開發環境。Anaconda是一套資料科學工具包，在全球擁有 2000 多萬使用者，是單臺機器上進行Python/R 資料科學和機器學習開發最簡單的方法。它是世界上最流行的Python分發平臺，包含了使用數千個開源包和庫，個人版是開源免費的。

我們的目標是讓C#開發者也能使用Python進行機器學習開發，因此採用Anaconda作為Python開發環境。下面開始安裝Anaconda,這裡我們安裝Windows版：https://repo.anaconda.com/archive/Anaconda3-2020.02-Windows-x86_64.exe

目前Anaconda預設可選的Python版本有兩個，分別是3.7和2.7。鑑於2.7已經不再更新，因此對於新程式的開發，採用Python 3更合適。

安裝過程沒什麼難度，這裡建議勾選“將Anaconda新增到Path環境變數”。這樣可以直接使用conda命令，熟練後在PowerShell裡直接操作命令列會非常方便。

 

PyCharm是一款流行的功能強大的IDE，這裡提供了針對Anaconda的免費社群版，推薦使用。同時強烈安利微軟的VSCode，對Anaconda的整合也做得很棒。

一旦安裝完成，在開始選單中即可看到Anaconda Navigator和Jupytor Notebook等應用。Anaconda Navigator是一個視覺化管理conda環境的應用，可以管理Python環境、切換包來源和安裝工具。所有功能均可以通過命令列操作，熟練之後使用CLI命令會效率更高。

 

由於Conda原始源在國內速度較慢，建議切換到國內源。這裡推薦華中科技大學的conda源，新增方法如下：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

此外，如您電腦此前無python環境，此時預設的python環境將會成為conda的環境。

 

 

 關於conda的教程我這裡不再贅述，大家可以自行查閱Conda文件以瞭解。

 

Jupyter Notebook

 

和Conda一樣，Jupyter Notebook同樣是機器學習必不可缺的一款Python視覺化互動程式設計軟體。它允許我們像記筆記一樣，將文字和程式碼混合到一起，並能將程式碼執行結果視覺化展示，提供非常直觀的開發體驗。

 

Jupyter Notebook目前支援超過40多種程式語言，包括Python和C#；同時允許將notebook匯出為多種格式，包括HTML、圖片, 視訊, LaTeX, 和自定義MIME型別的檔案.；此外很多大資料工具和語言都整合了它，例如Apache Spark, Python, R 、Scala、pandas, scikit-learn, ggplot2, TensorFlow等等。

conda預設就包含了Jupyter Notebook因此可以直接啟動，這會開啟一個瀏覽器視窗，這就是Jupyter notebook的入口。在這裡可以操作檔案，編寫notebook。

 

 

 

 點選右上角New按鈕，即可建立新筆記本。此時要為筆記本選擇一個Kenerl（執行環境），我這裡整合了C#的外掛，因此可以看到.NET執行環境：

 

這裡我分別建立一個Python筆記本notebook-py.和一個C#筆記本notebook-c#,分別執行上面的示例程式碼，效果如下：

 

 

 

 

關於如何安裝C#外掛到Jupyter Notebook,請檢視微軟官方部落格：

https://devblogs.microsoft.com/dotnet/net-core-with-juypter-notebooks-is-here-preview-1/

 

總結

 

最後，本章就先介紹Pyhton和必備元件就先到這裡了，後續將詳細介紹Python的核心語法，歡迎訂閱。

本文的notebook均可在Github獲取到，歡迎下載?： https://github.com/ChangweiZhang/Python-Tour-For-dotnet

 

相關文章