Hướng dẫn run python with input file - chạy python với tệp đầu vào

Question

Gửi đầu ra đến một tệp rất giống với việc lấy đầu vào từ một tệp.

Nội dung chính Show

Tổng quan hướng dẫn
Chạy tập lệnh Python:
Sử dụng giao diện dòng lệnh
Sử dụng máy tính xách tay Jupyter
Ưu điểm của việc làm như vậy là có được quyền truy cập dễ dàng hơn vào các biến bên trong tập lệnh Python có thể được xác định tương tác. & NBSP;
Tham gia khóa học gặp sự cố email 7 ngày miễn phí của tôi ngay bây giờ (với mã mẫu).
Một tùy chọn khác là chạy tập lệnh Python từ IDE. Điều này yêu cầu một dự án được tạo đầu tiên và tập lệnh Python có phần mở rộng .py được thêm vào nó. & NBSP;
Đọc thêm
Bản tóm tắt
Nhận một xử lý trên Python để học máy!

Bạn mở một tệp để viết theo cách bạn làm để đọc, ngoại trừ với chế độ 'w' thay vì chế độ 'r'.

Bạn ghi vào một tệp bằng cách gọi write trên đó giống như cách bạn đọc bằng cách gọi read hoặc readline.

Đây là tất cả được giải thích trong phần đọc và viết các tập tin của hướng dẫn.

Vì vậy, nếu mã hiện tại của bạn trông như thế này:

with open('input.txt', 'r') as f:
    while True:
        line = f.readline()
        if not line:
            break
        print(line)

Bạn chỉ cần làm điều này:

with open('input.txt', 'r') as fin, open('output.txt', 'w') as fout:
    while True:
        line = fin.readline()
        if not line:
            break
        fout.write(line)

Nếu bạn đang tìm cách cho phép người dùng vượt qua các tên tệp trên dòng lệnh, hãy sử dụng sys.argv để lấy tên tệp hoặc sử dụng

with open('input.txt', 'r') as fin, open('output.txt', 'w') as fout:
    while True:
        line = fin.readline()
        if not line:
            break
        fout.write(line)

0 để phân tích đối số dòng lệnh phức tạp hơn.

Ví dụ: bạn có thể thay đổi dòng đầu tiên thành điều này:

import sys
with open(sys.argv[1], 'r') as fin, open(sys.argv[2], 'w') as fout:

Bây giờ, bạn có thể chạy chương trình như thế này:

python script.py input_file.txt outputfile.txt

Cập nhật lần cuối vào ngày 21 tháng 6 năm 2022

Chạy các tập lệnh Python của bạn là một bước quan trọng trong quá trình phát triển bởi vì theo cách này mà bạn sẽ tìm hiểu xem mã của bạn có hoạt động như bạn dự định không. Ngoài ra, đó thường là trường hợp chúng ta cần truyền thông tin cho tập lệnh Python để nó hoạt động.

Trong hướng dẫn này, bạn sẽ khám phá nhiều cách chạy và truyền thông tin khác nhau đến kịch bản Python.

Sau khi hoàn thành hướng dẫn này, bạn sẽ biết:

Cách chạy tập lệnh Python bằng giao diện dòng lệnh, sổ ghi chép Jupyter hoặc môi trường phát triển tích hợp (IDE) & NBSP;
Cách truyền thông tin đến tập lệnh Python bằng & NBSP; sys.argv & nbsp; lệnh bằng cách mã hóa các biến đầu vào trong sổ ghi chép Jupyter hoặc thông qua việc sử dụng tương tác của đầu vào () & nbsp; chức năng. & nbsp;sys.argv command by hard-coding the input variables in the Jupyter Notebook or through the interactive use of the input() function.

Bắt đầu dự án của bạn với cuốn sách mới Python for Machine Learning, bao gồm các hướng dẫn từng bước và các tệp mã nguồn Python cho tất cả các ví dụ. with my new book Python for Machine Learning, including step-by-step tutorials and the Python source code files for all examples.

Bắt đầu nào.

Hướng dẫn run python with input file - chạy python với tệp đầu vào

Chạy và chuyển thông tin cho một python scriptphoto của Andrea Leopardi, một số quyền được bảo lưu.
Photo by Andrea Leopardi, some rights reserved.

Tổng quan hướng dẫn

Hướng dẫn này được chia thành hai phần; họ đang:

Chạy kịch bản Python
- Sử dụng giao diện dòng lệnh
- Sử dụng sổ ghi chép Jupyter
- Sử dụng môi trường phát triển tích hợp (IDE)
Đầu vào Python

Chạy tập lệnh Python:

Sử dụng giao diện dòng lệnh

Sử dụng sổ ghi chép Jupyter

Sử dụng môi trường phát triển tích hợp (IDE)

Đầu vào Pythonpython command in your command-line interface will initiate a Python interactive session. You will see that a message appears informing you of the Python version that you are using.

Chạy tập lệnh Python:

Giao diện dòng lệnh được sử dụng rộng rãi để chạy mã Python. & NBSP;

Hãy để thử nghiệm một vài lệnh bằng cách mở ra một dấu nhắc lệnh hoặc cửa sổ đầu cuối, tùy thuộc vào hệ điều hành mà bạn đang làm việc. & NBSP;

Bất kỳ câu lệnh nào bạn viết trong giao diện dòng lệnh của bạn trong một phiên tương tác sẽ được thực thi ngay lập tức. Ví dụ: gõ 2 + 3 trả về giá trị 5:

Sử dụng một phiên tương tác theo cách này có lợi thế của nó vì bạn có thể kiểm tra các dòng mã Python một cách dễ dàng và nhanh chóng. Tuy nhiên, đó không phải là lựa chọn lý tưởng nếu chúng ta quan tâm hơn đến việc viết các chương trình dài hơn, như trường hợp nếu chúng ta đang phát triển một thuật toán học máy. Mã cũng biến mất khi phiên tương tác bị chấm dứt. & NBSP;

Một tùy chọn thay thế sẽ là chạy kịch bản Python. Hãy bắt đầu với một ví dụ đơn giản trước. & NBSP;

Trong một trình soạn thảo văn bản (chẳng hạn như Notepad ++, Visual Studio Code hoặc văn bản siêu phàm), nhập câu lệnh & nbsp; in ("Hello World!") & nbsp; và lưu tệp vào test_script.py & nbsp; hoặc bất kỳ tên nào khác mà bạn chọn miễn là bạn bao gồm một phần mở rộng .py. & nbsp;print("Hello World!") and save the file to test_script.py or any other name of your choice as long as you include a .py extension.

Bây giờ, quay trở lại giao diện dòng lệnh của bạn và nhập lệnh Python, theo sau là tên của tệp tập lệnh của bạn. Trước khi bạn làm như vậy, bạn có thể cần thay đổi đường dẫn để trỏ đến thư mục chứa tệp tập lệnh. Chạy tệp tập lệnh sau đó sẽ tạo ra đầu ra sau:python command, followed by the name of your script file. Before you do so, you might need to change the path to point to the directory that contains the script file. Running the script file should then produce the following output:

Bây giờ, chúng ta hãy viết một tệp tập lệnh tải mô hình Keras được đào tạo trước và đưa ra dự đoán cho hình ảnh này của một con chó. Đó thường là trường hợp chúng tôi cũng cần truyền thông tin cho tập lệnh Python dưới dạng các đối số dòng lệnh. Với mục đích này, chúng tôi sẽ sử dụng & nbsp; sys.argv & nbsp; lệnh để chuyển đến tập lệnh đường dẫn hình ảnh và số lượng dự đoán hàng đầu để trả về. Chúng tôi có thể có nhiều đối số đầu vào như mã yêu cầu, trong trường hợp đó chúng tôi sẽ tiếp tục đọc các đầu vào từ danh sách đối số. & nbsp;sys.argv command to pass to the script the image path and the number of top guesses to return. We could have as many input arguments as the code requires, in which case we would keep on reading the inputs from the argument list.

Tệp tập lệnh mà chúng tôi sẽ chạy hiện chứa mã sau:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

Nhập khẩusys

Nhập khẩu Asnpnumpy asnp

FromTensorFlow.Keras.Phablations Nhập khẩuvgg16tensorflow.keras.applications importvgg16

FromTensorFlow.Keras.Applications.VGG16 IMPINTPROCESS_INPUT, DECODE_PREDICTIONS tensorflow.keras.applications.vgg16 importpreprocess_input,decode_predictions

FromTensorFlow.Keras.Preprocessing Nhập khẩutensorflow.keras.preprocessing importimage

# Tải mô hình VGG16 được đào tạo trước trên bộ dữ liệu ImageNet

vgg16_model=vgg16.VGG16(weights='imagenet')=vgg16.VGG16(weights='imagenet')

# Đọc đối số dòng lệnh được chuyển cho trình thông dịch khi gọi tập lệnh

image_path=sys.argv[1]=sys.argv[1]

top_guesses=sys.argv[2] =sys.argv[2]

# Tải hình ảnh, được thay đổi kích thước theo kích thước mục tiêu mô hình

img_resized=image.load_img(image_path,target_size=(224,224))=image.load_img(image_path,target_size=(224, 224))

# Chuyển đổi hình ảnh thành một mảng

img=image.img_to_array(img_resized)=image.img_to_array(img_resized)

# Thêm vào một chiều

img=np.expand_dims(img,axis=0)=np.expand_dims(img, axis=0)

# Tỷ lệ các giá trị cường độ pixel

img=preprocess_input(img)=preprocess_input(img)

# Tạo dự đoán cho hình ảnh thử nghiệm

pred_vgg=vgg16_model.predict(img)= vgg16_model.predict(img)

# Giải mã và in 3 dự đoán hàng đầu

print('Prediction:',decode_predictions(pred_vgg,top=int(top_guesses)))('Prediction:',decode_predictions(pred_vgg,top=int(top_guesses)))

Trong mã trên, chúng tôi đọc các đối số dòng lệnh bằng cách sử dụng

with open('input.txt', 'r') as fin, open('output.txt', 'w') as fout:
    while True:
        line = fin.readline()
        if not line:
            break
        fout.write(line)

1 và

with open('input.txt', 'r') as fin, open('output.txt', 'w') as fout:
    while True:
        line = fin.readline()
        if not line:
            break
        fout.write(line)

2 cho hai đối số đầu tiên. Chúng ta có thể chạy tập lệnh bằng cách sử dụng lệnh

with open('input.txt', 'r') as fin, open('output.txt', 'w') as fout:
    while True:
        line = fin.readline()
        if not line:
            break
        fout.write(line)

3 theo sau là tên của tệp tập lệnh và chuyển tiếp nó làm đối số cho đường dẫn hình ảnh (sau khi hình ảnh đã được lưu vào đĩa) và số lượng dự đoán hàng đầu mà chúng ta sẽ thích dự đoán:

Python Pretrained_Model.py Dog.jpg3pretrained_model.py dog.jpg3

Ở đây, presrained_model.py là tên của tệp script và hình ảnh dog.jpg đã được lưu vào cùng một thư mục cũng chứa tập lệnh Python. & NBSP;

Ba dự đoán hàng đầu được tạo ra như sau:

Dự đoán: [[('N02088364', 'Beagle', 0.6751468), ('N02089867', 'Walker_Hound', 0.1394801), ('N02089973'

Nhưng có thể có nhiều hơn trong dòng lệnh. Ví dụ: dòng lệnh sau đây sẽ chạy tập lệnh trong chế độ tối ưu hóa trên mạng, trong đó biến gỡ lỗi

with open('input.txt', 'r') as fin, open('output.txt', 'w') as fout:
    while True:
        line = fin.readline()
        if not line:
            break
        fout.write(line)

4 được đặt thành các câu lệnh

with open('input.txt', 'r') as fin, open('output.txt', 'w') as fout:
    while True:
        line = fin.readline()
        if not line:
            break
        fout.write(line)

5 và

with open('input.txt', 'r') as fin, open('output.txt', 'w') as fout:
    while True:
        line = fin.readline()
        if not line:
            break
        fout.write(line)

6 bị bỏ qua:

Và sau đây là khởi chạy tập lệnh với mô -đun Python, chẳng hạn như trình gỡ lỗi:

python-mpdbtest_script.py-mpdbtest_script.py

Chúng tôi sẽ có một bài viết khác về việc sử dụng trình gỡ lỗi và trình biên dịch.

Sử dụng máy tính xách tay Jupyter

Chạy tập lệnh Python từ giao diện dòng lệnh là một tùy chọn đơn giản nếu mã của bạn tạo ra đầu ra chuỗi và không nhiều khác. & NBSP;

Tuy nhiên, khi chúng tôi đang làm việc với hình ảnh, thường mong muốn tạo ra một đầu ra trực quan. Chúng tôi có thể kiểm tra tính chính xác của bất kỳ quá trình tiền xử lý nào được áp dụng cho hình ảnh đầu vào trước khi đưa nó vào mạng thần kinh hoặc trực quan hóa kết quả mà mạng thần kinh tạo ra. Notebook Jupyter cung cấp một môi trường điện toán tương tác có thể giúp chúng tôi đạt được điều này.

Một cách để chạy tập lệnh Python thông qua giao diện Notebook Jupyter là chỉ cần thêm mã vào một ô trên máy tính xách tay. Nhưng điều này có nghĩa là mã của bạn ở bên trong sổ ghi chép Jupyter và không thể được truy cập ở nơi khác, chẳng hạn như sử dụng dòng lệnh như trên. Một cách khác là sử dụng lệnh Run Magic, được tiền tố bởi & nbsp; %& nbsp; tính cách. Thử gõ mã sau vào ô trong Notebook Jupyter:run magic command, prefixed by the % character. Try typing the following code into a cell in Jupyter Notebook:

%Chạy Pretrained_model.py Dog.jpg3run pretrained_model.py dog.jpg3

Ở đây, chúng tôi một lần nữa chỉ định tên của tệp tập lệnh Python là presrained_model.py, & nbsp; theo sau là đường dẫn hình ảnh và số lượng dự đoán hàng đầu là các đối số đầu vào. Bạn sẽ thấy rằng ba dự đoán hàng đầu được in bên dưới ô tạo ra kết quả này. & NBSP;

Bây giờ, hãy để nói rằng chúng tôi muốn hiển thị hình ảnh đầu vào để kiểm tra xem nó đã được tải theo kích thước mục tiêu mô hình. Với mục đích này, chúng tôi sẽ sửa đổi mã một chút như sau và lưu nó vào tập lệnh Python mới, Pretrained_model_image.py:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

Nhập khẩusys

Nhập khẩu Asnpnumpy asnp

Nhập khẩuMatplotlib.Pyplot Aspltmatplotlib.pyplot asplt

FromTensorFlow.Keras.Phablations Nhập khẩuvgg16tensorflow.keras.applications importvgg16

FromTensorFlow.Keras.Applications.VGG16 IMPINTPROCESS_INPUT, DECODE_PREDICTIONS tensorflow.keras.applications.vgg16 importpreprocess_input,decode_predictions

FromTensorFlow.Keras.Preprocessing Nhập khẩutensorflow.keras.preprocessing importimage

# Tải mô hình VGG16 được đào tạo trước trên bộ dữ liệu ImageNet

vgg16_model=vgg16.VGG16(weights='imagenet')=vgg16.VGG16(weights='imagenet')

# Đọc các đối số được chuyển cho trình thông dịch khi gọi tập lệnh

image_path=sys.argv[1]=sys.argv[1]

top_guesses=sys.argv[2] =sys.argv[2]

# Tải hình ảnh, được thay đổi kích thước theo kích thước mục tiêu mô hình

img_resized=image.load_img(image_path,target_size=(224,224))=image.load_img(image_path,target_size=(224, 224))

# Chuyển đổi hình ảnh thành một mảng

img=image.img_to_array(img_resized)=image.img_to_array(img_resized)

# Hiển thị hình ảnh để kiểm tra xem nó có được thay đổi chính xác không

plt.imshow(img.astype(np.uint8)).imshow(img.astype(np.uint8))

# Thêm vào một chiều

img=np.expand_dims(img,axis=0)=np.expand_dims(img,axis=0)

# Tỷ lệ các giá trị cường độ pixel

img=preprocess_input(img)=preprocess_input(img)

# Tạo dự đoán cho hình ảnh thử nghiệm

pred_vgg=vgg16_model.predict(img)=vgg16_model.predict(img)

# Giải mã và in 3 dự đoán hàng đầu

print('Prediction:',decode_predictions(pred_vgg,top=int(top_guesses)))('Prediction:',decode_predictions(pred_vgg, top=int(top_guesses)))

Chạy tập lệnh Python mới được lưu thông qua giao diện Notebook Jupyter hiện hiển thị hình ảnh pixel $ 224 \ Times 224 $, ngoài ra còn in ba dự đoán hàng đầu:

%Chạy Pretrained_model_image.py Dog.jpg3run pretrained_model_image.py dog.jpg3

Chạy kịch bản Python trong sổ ghi chép Jupyter

Ngoài ra, chúng ta có thể cắt giảm mã thành phần sau (và lưu nó vào một tập lệnh Python khác, Pretrained_model_inputs.py):

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

# Tải mô hình VGG16 được đào tạo trước trên bộ dữ liệu ImageNet

vgg16_model=vgg16.VGG16(weights='imagenet')=vgg16.VGG16(weights='imagenet')

# Tải hình ảnh, được thay đổi kích thước theo kích thước mục tiêu mô hình

img_resized=image.load_img(image_path,target_size=(224,224))= image.load_img(image_path,target_size=(224,224))

# Chuyển đổi hình ảnh thành một mảng

img=image.img_to_array(img_resized)=image.img_to_array(img_resized)

# Hiển thị hình ảnh để kiểm tra xem nó có được thay đổi chính xác không

plt.imshow(img.astype(np.uint8)).imshow(img.astype(np.uint8))

# Thêm vào một chiều

img=np.expand_dims(img,axis=0)= np.expand_dims(img,axis=0)

# Tỷ lệ các giá trị cường độ pixel

img=preprocess_input(img)=preprocess_input(img)

# Tạo dự đoán cho hình ảnh thử nghiệm

pred_vgg=vgg16_model.predict(img) =vgg16_model.predict(img)

# Giải mã và in 3 dự đoán hàng đầu

print('Prediction:',decode_predictions(pred_vgg,top=top_guesses))('Prediction:',decode_predictions(pred_vgg,top=top_guesses))

Chạy tập lệnh Python mới được lưu thông qua giao diện Notebook Jupyter hiện hiển thị hình ảnh pixel $ 224 \ Times 224 $, ngoài ra còn in ba dự đoán hàng đầu:-i option after the %run magic:

%run-ipretrained_model_inputs.pyrun-ipretrained_model_inputs.py

Chạy kịch bản Python trong sổ ghi chép Jupyter

Ngoài ra, chúng ta có thể cắt giảm mã thành phần sau (và lưu nó vào một tập lệnh Python khác, Pretrained_model_inputs.py):

Và xác định các biến đầu vào trong một trong các ô của chính máy tính xách tay Jupyter. Chạy tập lệnh Python theo cách này sẽ yêu cầu chúng tôi cũng sử dụng & nbsp; -i & nbsp; tùy chọn sau & nbsp; %chạy & nbsp; ma thuật:

Ưu điểm của việc làm như vậy là có được quyền truy cập dễ dàng hơn vào các biến bên trong tập lệnh Python có thể được xác định tương tác. & NBSP;

Khi mã của bạn phát triển, việc kết hợp việc sử dụng Trình chỉnh sửa văn bản với Jupyter Notebook có thể cung cấp một cách thuận tiện về phía trước: Trình chỉnh sửa văn bản có thể được sử dụng để tạo các tập lệnh Python, mà mã cửa hàng có thể được sử dụng lại, trong khi Jupyter Notebook cung cấp môi trường điện toán tương tác để khám phá dữ liệu dễ dàng hơn. & nbsp;

Bạn muốn bắt đầu với Python để học máy?

Tham gia khóa học gặp sự cố email 7 ngày miễn phí của tôi ngay bây giờ (với mã mẫu).

Nhấp để đăng ký và cũng nhận được phiên bản Ebook PDF miễn phí của khóa học.

Sử dụng môi trường phát triển tích hợp (IDE)

Một tùy chọn khác là chạy tập lệnh Python từ IDE. Điều này yêu cầu một dự án được tạo đầu tiên và tập lệnh Python có phần mở rộng .py được thêm vào nó. & NBSP;

Nếu chúng tôi phải coi Pycharm hoặc Visual Studio Code là IDE của sự lựa chọn, điều này sẽ yêu cầu chúng tôi tạo một dự án mới và sau đó chọn phiên bản phiên dịch Python mà chúng tôi muốn làm việc. Sau khi thêm tập lệnh Python vào dự án mới được tạo, điều này có thể được chạy để tạo đầu ra. Sau đây là ảnh chụp màn hình của Run Visual Studio Code trên MacOS. Tùy thuộc vào IDE, cần có một tùy chọn để chạy mã có hoặc không có trình gỡ lỗi.sys.argv command or by hard-coding the input variables in Jupyter Notebook before running the script.

Một tùy chọn khác là lấy đầu vào từ người dùng thông qua đầu vào () & nbsp; chức năng. & nbsp;input() function.

Xem xét mã sau:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

Nhập khẩu Asnpnumpy asnp

Nhập khẩuMatplotlib.Pyplot Aspltmatplotlib.pyplot asplt

FromTensorFlow.Keras.Phablations Nhập khẩuvgg16tensorflow.keras.applications importvgg16

FromTensorFlow.Keras.Applications.VGG16 IMPINTPROCESS_INPUT, DECODE_PREDICTIONS tensorflow.keras.applications.vgg16 importpreprocess_input,decode_predictions

FromTensorFlow.Keras.Preprocessing Nhập khẩutensorflow.keras.preprocessing importimage

# Tải mô hình VGG16 được đào tạo trước trên bộ dữ liệu ImageNet

vgg16_model=vgg16.VGG16(weights='imagenet')=vgg16.VGG16(weights='imagenet')

# Hỏi người dùng cho các đầu vào thủ công

Image_path = input ("Nhập đường dẫn hình ảnh:")=input("Enter image path: ")

top_guesses = input ("Nhập số lượng phỏng đoán hàng đầu:")= input("Enter number of top guesses: ")

# Tải hình ảnh, được thay đổi kích thước theo kích thước mục tiêu mô hình

img_resized=image.load_img(image_path,target_size=(224,224))=image.load_img(image_path,target_size=(224, 224))

# Chuyển đổi hình ảnh thành một mảng

img=image.img_to_array(img_resized)=image.img_to_array(img_resized)

# Thêm vào một chiều

img=np.expand_dims(img,axis=0)=np.expand_dims(img, axis=0)

# Tỷ lệ các giá trị cường độ pixel

img=preprocess_input(img)=preprocess_input(img)

# Tạo dự đoán cho hình ảnh thử nghiệm

pred_vgg=vgg16_model.predict(img)= vgg16_model.predict(img)

# Giải mã và in 3 dự đoán hàng đầu

print('Prediction:',decode_predictions(pred_vgg,top=int(top_guesses)))('Prediction:',decode_predictions(pred_vgg,top=int(top_guesses)))

Ở đây, người dùng được nhắc nhập thủ công đường dẫn hình ảnh (hình ảnh đã được lưu vào cùng một thư mục chứa tập lệnh Python và do đó, chỉ định tên hình ảnh là đủ) và số lượng dự đoán hàng đầu để tạo. Cả hai giá trị đầu vào đều thuộc chuỗi loại; Tuy nhiên, số lượng dự đoán hàng đầu sau đó được sử dụng cho một số nguyên khi điều này được sử dụng. & NBSP;

Không có vấn đề nếu mã này được chạy trong giao diện dòng lệnh, trong Notebook Jupyter hoặc trong một IDE Python, nó sẽ nhắc người dùng về các đầu vào cần thiết và sau đó tạo ra số lượng dự đoán mà người dùng yêu cầu. & NBSP;

Đọc thêm

Phần này cung cấp nhiều tài nguyên hơn về chủ đề nếu bạn đang muốn đi sâu hơn.

Sách

Nguyên tắc cơ bản của Python, 2018.
Bản thiết kế máy Python, 2019.

Bản tóm tắt

Trong hướng dẫn này, bạn đã phát hiện ra nhiều cách chạy và truyền thông tin khác nhau đến một kịch bản Python.

Cụ thể, bạn đã học được:

Cách chạy tập lệnh Python bằng giao diện dòng lệnh, sổ ghi chép Jupyter hoặc môi trường phát triển tích hợp (IDE)
Cách truyền thông tin đến tập lệnh Python bằng cách sử dụng sys.argv & nbsp; lệnh bằng cách mã hóa các biến đầu vào trong máy tính xách tay Jupyter hoặc thông qua việc sử dụng tương tác của đầu vào () & nbsp; hàm sốsys.argv command by hard-coding the input variables in Jupyter Notebook or through the interactive use of the input() function

Bạn có câu hỏi nào không?

Đặt câu hỏi của bạn trong các ý kiến dưới đây, và tôi sẽ cố gắng hết sức để trả lời.

Nhận một xử lý trên Python để học máy!

Tự tin hơn để viết mã trong Python

... Từ việc học các thủ thuật trăn thực tế

Khám phá cách trong ebook mới của tôi: Python cho học máy
Python for Machine Learning

Nó cung cấp các hướng dẫn tự học với hàng trăm mã làm việc để trang bị cho bạn các kỹ năng bao gồm: gỡ lỗi, hồ sơ, gõ vịt, trang trí, triển khai, và nhiều hơn nữa ...self-study tutorials with hundreds of working code to equip you with skills including:
debugging, profiling, duck typing, decorators, deployment, and much more...

Cho bạn xem hộp công cụ Python ở mức cao cho các dự án của bạn
Your Projects

Xem những gì bên trong

programming python Input file Python Python file input

Hướng dẫn run python with input file - chạy python với tệp đầu vào

Tổng quan hướng dẫn

Chạy tập lệnh Python:

Sử dụng giao diện dòng lệnh

Sử dụng máy tính xách tay Jupyter

Ưu điểm của việc làm như vậy là có được quyền truy cập dễ dàng hơn vào các biến bên trong tập lệnh Python có thể được xác định tương tác. & NBSP;

Tham gia khóa học gặp sự cố email 7 ngày miễn phí của tôi ngay bây giờ (với mã mẫu).

Một tùy chọn khác là chạy tập lệnh Python từ IDE. Điều này yêu cầu một dự án được tạo đầu tiên và tập lệnh Python có phần mở rộng .py được thêm vào nó. & NBSP;

Đọc thêm

Sách

Bản tóm tắt

Nhận một xử lý trên Python để học máy!

Tự tin hơn để viết mã trong Python

Cho bạn xem hộp công cụ Python ở mức cao cho các dự án của bạnYour Projects

Bài Viết Liên Quan

Quảng Cáo

Có thể bạn quan tâm

Toplist được quan tâm

Quảng cáo

Xem Nhiều

Quảng cáo

Chúng tôi

Điều khoản

Trợ giúp

Mạng xã hội

Cho bạn xem hộp công cụ Python ở mức cao cho các dự án của bạn
Your Projects