powershell.exe ma przełącznik pozwalający go uruchomić w trybie zgodności z niższą wersją.
pozwala to na przykład, tak jak na obrazku powyżej, przetestować, czy jakieś polecenie, którego z powodzeniem używamy w wyższej wersji powershella zadziała również na niższej. W tym przykładzie okazało się, że show-command nie jest rozpoznawane w powershell 2.0.
Ale czy aby na pewno zawsze to działa? Czytaj dalej »
Zacznij od najprostszej rzeczy, tzn wywołaj
New-CimSession
bez parametrów. Powinieneś dostać sesję do swojego lokalnego komputera
Możesz też próbować łączyć się do lokalnego komputera podając jego nazwę lub „localhost”
Potem
Enter-PSSession <nazwa komputera> -Credential (Get-Credential)
Każdy obiekt ma swój typ i pewne właściwości. Jedną z tych właściwości jest informacja, czy obiekt można wywołać (dziwnie to brzmi po polsku „jest wywoływalny” więc będę używał „is callable”). Oczywiście funkcje są przykładem obiektów wywoływalnych. Zobacz:
def f_just_print_1():
return 1
print('is function callable? ', callable(f_just_print_1))
x=123
print('is integer callable? ',callable(x))
Jak to uruchomisz to zobaczysz, że funkcja jest callable a liczba nie - logiczne.
Ale funkcja coś zwraca. W naszym przypadku zwraca liczbę. Czy liczba jest callable?
print('is result of function callable? ',callable(f_just_print_1()))
Jak uruchomisz ten przykład to zobaczysz, że nie. Funkcja się wywołała, zwróciła liczbę a liczba już nie jest callable. Nadal logiczne.
Ale – co by było, gdyby funkcja zwróciła obiekt funkcji? To bardzo dziwne, ale popatrz na taki prosty przykład:
def DoOperation(OperationType):
def PLUS(a,b):
return a+b
def MINUS(a,b):
return a-b
if OperationType == 'ADD':
return PLUS
else:
return MINUS
Mamy funkcję, która jako argument przyjmuje napis OperationType
Czy to co zwraca funkcja DoOperation jest callable?
print('is this callable? ',callable(DoOperation('ADD')))
Jeśli uruchomisz powyższą linijkę to zobaczysz, że tak. To skoro wynik zwracany przez funkcję można wywołać to co się stanie przy takim zapisie:
print('result of operation ADD: ',DoOperation('ADD')(3,1))
print('result of operation SUBSTRACT: ',DoOperation('SUBSTRACT')(3,1))
Oczywiście można by to zrobić też tak:
myNewFunction = DoOperation('ADD')
print('result is ',myNewFunction(3,1))
ale ten zapis rozciąga się na 2 linijki, a notacja o którą pytasz jest bardziej kompaktowa.
O funkcji callable:
https://www.programiz.com/python-programming/methods/built-in/callable
Inny przykład bazujący na definicji klasy i wywołania metody klasy:
https://stackoverflow.com/questions/111234/what-is-a-callable-in-python
Różnie programiści korzystają z tej notacji. Znajdziesz ją między innymi w Keras:
https://keras.io/getting-started/functional-api-guide/
zwróć uwagę na komentarz:
# a layer instance is callable on a tensor, and returns a tensor w tym fragmencie: from keras.layers import Input, Dense from keras.models import Model # This returns a tensor inputs = Input(shape=(784,)) # a layer instance is callable on a tensor, and returns a tensor x = Dense(64, activation='relu')(inputs) x = Dense(64, activation='relu')(x) predictions = Dense(10, activation='softmax')(x) # This creates a model that includes # the Input layer and three Dense layers model = Model(inputs=inputs, outputs=predictions) model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy']) model.fit(data, labels) # starts training
Jak wiele rzeczy w PowerShellu można to zrobić na dziesiątki sposobów. Poniżej kilka propozycji:
a to tylko kilka propozycji, bo tablicę można jeszcze zainicjować wczytując zawartość pliku, zapisując w zmiennej wynik innego polecenia zwracającego większą liczbę obiektów itp.
Pierwszy z pokazanych powyżej sposobów jest chyba również najprostszy. $t1 składa się z liczb od 1 do 5
Drugi przypadek jawnie podkreśla, że chodzi o listę. Mówi o tym nawias i znak@ przed nim. Zapis ten jest szczególnie przydatny jeżeli lista ma być pusta @() lub jednoelementowa @(1). Bez tej notacji nic nie można by powiedzieć o tym, że coś jest pustą listą albo listą jednoelementową.
Trzeci przypadek, to właściwie powtórzenie drugiego z tym, że tutaj elementy listy to napisy. Optycznie taka lista prezentuje się tak samo, ale poszczególne elementy listy mają różne typy, a co za tym idzie również właściwości i metody
Python, a zwłaszcza moduł PANDAS pozwala na analizę danych. Skąd wziąć jakieś przkładowe pliki do analizy, które na dodatek będą miały fajne znacznie. Np z github:
https://github.com/AddisonGauss/NbaData2015-2016
https://github.com/thiloklein/thiloklein.github.io/tree/master/R/WB
https://catalog.data.gov/dataset?res_format=CSV&tags=food
https://github.com/danielmarcelino/Datasets (fortune1000)
https://github.com/umbrae/reddit-top-2.5-million/tree/master/data
Ale czasami ciekawe dane na swój temat lub na temat prowadzonej dizałalności organizaje publikują same:
https://data.cityofchicago.org/Health-Human-Services/for-csv/j8a4-a59k/data
https://www.google.com/finance/historical?q=GOOGL&output=csv
1. Najpierw uruchamiasz anaconda prompt, a w nim wykonujesz:
jupyter notebook –generate-config
2. Ta komenda wyświetli nazwę pliku konfiguracyjnego
3. Teraz wyedytuj ten plik w notatniku u mnie:
notepad „C:\Users\rafal\.jupyter\jupyter_notebook_config.py”
4. W tym pliku szukasz wpisu:
#c.NotebookApp.notebook_dir
Odkomentowujesz znak # z przodu i podajesz ścieżkę dostępu do katalogu, który ma być domyślnie owierany. U mnie:
c.NotebookApp.notebook_dir = 'C:\\Users\\student\\Python-02-PL\\Examples’
5. Zapisujesz plik i uruchamiasz jupyter notebook jeszcze raz.
Przy okazji zobacz ile tam jest opcji 🙂
W skrypcie próbowałem skorzystać z pydot. Linijka
import pydot
kończyła się błędem o braku tej biblioteki. Pestka!
pip install pydot
