NASDAQ’ı kazıma

Yapay sinir ağlarını eğitmek pahalıdır - NVIDIA’ya yatırım yap! En iyi zamanı bulmak için hisse verisi topla.

stock('NVDA') bağlam yöneticisi NASDAQ’a bağlanır ve .price() metodunu çağırarak en güncel fiyatı alabileceğin bir nesne döndürür. stock('NVDA') ile bağlanmak ve fiyat verisinin 10 zaman adımını NVDA.txt dosyasına yazarak kaydetmek istiyorsun.

For döngüsünde alt çizgi kullanıldığını göreceksin. Bu kafanı karıştırıyorsa endişelenme. Kolayca i indeksiyle değiştirilebilir. Ancak bu indeksi kullanmayacağımız için, ek bellek harcamayan bir sahte değişken olan _ kullanıyoruz.

Bu egzersiz

Python'da Fonksiyon Yazımı

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

stock('NVDA') bağlam yöneticisini kullan ve sonucu nvda değişkenine ata.
open('NVDA.txt', 'w') ile bir dosyayı yazma için aç ve zaman içindeki fiyatı kaydedebilmek için dosya nesnesini f_out değişkenine ata.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Use the "stock('NVDA')" context manager
# and assign the result to the variable "nvda"
____ ____ ____ ____:
  # Open "NVDA.txt" for writing as f_out
  ____ ____ ____ ____:
    for _ in range(10):
      value = nvda.price()
      print('Logging ${:.2f} for NVDA'.format(value))
      f_out.write('{:.2f}\n'.format(value))

Kodu Düzenle ve Çalıştır

Bu egzersiz

Python'da Fonksiyon Yazımı

kursunun bir parçasıdır

IntermediárioNível de habilidade

4.8+

Kursa Ücretsiz Başlayın

The goal of this course is to transform you into a Python expert, and so the first chapter starts off with best practices when writing functions. You'll cover docstrings and why they matter and how to know when you need to turn a chunk of code into a function. You will also learn the details of how Python passes arguments to functions, as well as some common gotchas that can cause debugging headaches when calling functions.

Exercise 1: Docstrings Exercise 2: Crafting a docstring Exercise 3: Retrieving docstrings Exercise 4: Docstrings to the rescue!Exercise 5: DRY and "Do One Thing"Exercise 6: Extract a function Exercise 7: Split up a function Exercise 8: Pass by assignment Exercise 9: Mutable or immutable?Exercise 10: Best practice for default arguments

If you've ever seen the "with" keyword in Python and wondered what its deal was, then this is the chapter for you! Context managers are a convenient way to provide connections in Python and guarantee that those connections get cleaned up when you are done using them. This chapter will show you how to use context managers, as well as how to write your own.

Exercise 1: Context manager'ları kullanmak Exercise 2: Kedilerin sayısı Exercise 3: Kedilerin hızı Exercise 4: Context manager yazma Exercise 5: timer() bağlam yöneticisi Exercise 6: Salt-okunur open() bağlam yöneticisi Exercise 7: İleri konular Exercise 8: Bağlam yöneticisi kullanım alanları Exercise 9: NASDAQ’ı kazıma

Geçerli Egzersiz

Exercise 10: Çalışma dizinini değiştirme

Decorators are an extremely powerful concept in Python. They allow you to modify the behavior of a function without changing the code of the function itself. This chapter will lay the foundational concepts needed to thoroughly understand decorators (functions as objects, scope, and closures), and give you a good introduction into how decorators are used and defined. This deep dive into Python internals will set you up to be a superstar Pythonista.

Exercise 1: Functions are objects Exercise 2: Building a command line data app Exercise 3: Reviewing your co-worker's code Exercise 4: Returning functions for a math game Exercise 5: Scope Exercise 6: Understanding scope Exercise 7: Modifying variables outside local scope Exercise 8: Closures Exercise 9: Checking for closure Exercise 10: Closures keep your values safe Exercise 11: Decorators Exercise 12: Using decorator syntax Exercise 13: Defining a decorator

Now that you understand how decorators work under the hood, this chapter gives you a bunch of real-world examples of when and how you would write decorators in your own code. You will also learn advanced decorator concepts like how to preserve the metadata of your decorated functions and how to write decorators that take arguments.

Exercise 1: Real-world examples Exercise 2: Print the return type Exercise 3: Counter Exercise 4: Decorators and metadata Exercise 5: Preserving docstrings when decorating functions Exercise 6: Measuring decorator overhead Exercise 7: Decorators that take arguments Exercise 8: Run_n_times()Exercise 9: HTML Generator Exercise 10: Timeout(): a real world example Exercise 11: Tag your functions Exercise 12: Check the return type Exercise 13: Great job!