Grundlegende Syntax

Lernziele

• Studierenden können Variablen zuweisen, auswerten und Kontrollstrukturen definieren
• Studierende können einfache Algorithmen mit Python umsetzen

Sequenz und Kommentare

• Code wird zeilenweise interpretiert
• Wenn Sie Code direkt im Interpreter eingeben, wird das Ergebnis der letzten Zeile auch ohne print() ausgegeben → REPL
• Kommentare werden nicht interpretiert

Kommentare

• Einzeilige Kommentare mit #

# This is a single-line comment
1+2
# > 3

• Mehrzeilige Kommentare mit """ oder '''

"""
This is a
multi-line comment
"""
1+2
# > 3

Names

Names

• was über einen Namen (Zeichenkette) aufgerufen werden kann
• Variablen, Funktionen, Klassen, Module, etc.
• wenn unbekannt folgt ein NameError

Befehle und Funktionsnamen

• z.B. Teil des Standardumfangs der Sprache oder eigene Funktionen: print(1)
• : solche Schlüsselwörter (print, list) im Namespace können überschrieben werden → unerwartete Fehler

Variablennamen

• Names können auf Variablen eines bestimmten Datentyps enthalten

message = "Hello, Python World!"
print(message)

Datentypen

• In C nur statische Typisierung (static typing) kennen gelernt → Datentypen müssen vorher deklariert werden
• Python nutzt dynamische Typisierung (dynamic typing)

Dynamic Typing

• Variablentypen müssen nicht vorher deklariert werden

a_variable = 42              # = als Operator für Zuweisung
print(type(a_variable))      # type() als Befehl für die Ausgabe des Typs
# > <class 'int'>            # Rückgabe

• Variablen und können sich dynamisch während der Ausführung verändern

a_variable = 'This is a string now.'
type(a_variable)
# > <class 'str'>            # Der Name a_variable enthält nun einen Sting

• Es können so genannte Type Hints gesetzt werden → signalisiert den Typ der Variable nur für den Programmierer

a_variable: int = 42

Datentypen

Datentypen in Python

• Text Type: str
• Numeric Types: int, float, complex
• Sequence Types: list, tuple, range
• Mapping Type: dict (später mehr)
• Boolean Type: bool
• None Type: NoneType → z.B. nützlich, wenn Variable angelegt aber noch noch nicht initialisiert wird

Vollständige Liste an Datentypen

• Python Docs Built-in Types
• Python Docs Datatypes

Datentypen

"NoneType" in C++

• in C++ gibt es keinen expliziten NoneType (aber nullptr für Zeiger)
• Deklaration ohne Initialisierung in C++

int myNum; // Declare a variable without initializing it
int* myPtr = nullptr;

NoneType in Python

• in Python gibt es den expliziten NoneType
• Initialisierung mit None in Python

my_num = None

• Type hinting in Python

my_num: int = None

Datentypen

>>> print(name + " " + birth_year)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: can only concatenate str (not "int") to str

Casting

• Umwandeln des Datentyps einer Variablen
• durch Voransetzen des Typs und Klammern

print(name + " " + str(birth_year))

Strings Zusammenfügen

• direkt: first_name + " " + last_name
• format-statement mit Platzhaltern: "{} {}".format(first_name, last_name)
• mittels "F-String": F"{first_name} {last_name} says hello!"

Aufgabe

• Schreiben Sie ein kurzes Programm in der Datei robot_run.py
• Dieses speichert robot_name, robot_type, distance_to_wall_cm und speed_cm_s in Variablen
• Errechnet time_to_hit_the_wall_s
• Gibt Roboter-Name, Typ, sowie Zeit bis Einschlag mittels print() aus

Musterlösung - robot_run.py

• Erste Section in der Datei robot_run.py

Datentypen

Boolesche Ausdrücke

• Variablen mit Inhalt True oder False
• Zuweisung: game_active = True
• Vergleich:
  • Gleichheit: ==
  • Ungleichheit !=
  • Größer, kleiner etc.: >, >=,<, <=

Boolesche Operationen

• and: beide Bedingungen müssen wahr sein
• or: mindestens eine Bedingung muss wahr sein
• not: Negation

Aufgabe

Passen Sie das Programm so an, dass anzeigt wird, ob sich der Roboter näher als cm zur Wand befindet

Musterlösung - robot_run.py

• Zweite Section in der Datei robot_run.py

Kontrollstrukturen

Gültigkeitsbereiche

• Anstelle von Klammern werden in Python Einrückungen (whitespace) genutzt, um den Gültigkeitsbereich zu definieren
• Standard für die Einrückung ist vier Leerzeichen bzw. ein Tabstopp
• Scope kann nicht beliebig geöffnet werden

if-Bedingungen

• <conditional_test> muss in einer booleschen Variable resultieren

if <conditional_test>:
  do the first thing
  do the second thing
else:
  do something different
do after the conditional

Aufgabe

• Passen Sie das Programm so an, dass der Roboter durch die Variable emergency_stop = True gestoppt wird, wenn er näher als zur Wand ist und dies auch geprinted wird.
• Ist er näher als wird nur eine Warnung geprintet. In allen anderen Fällen wird nur der Abstand ausgegeben.

Musterlösung - robot_run.py

• Dritte Section in der Datei robot_run.py

Datentypen - Listen

• Enthalten eine Folge beliebiger Daten → ähnlich zu Arrays in C
• gekennzeichnet durch eckige Klammern

  a_list = [1, "zwei" , 3.6]
  

• beliebige Datentypen (str, float, int, etc.) in Liste kombinierbar
• Listen sind mit einem Index durch-nummeriert, dieser startet bei 0
• genaueres zur Funktionsweise von Listen später

Datentypen - Listen

temperature_data = [25.4, 26.1, 24.8, 27.3, 25.9]

Manipulation von Listen

• Vollständig in den Python Docs
• Anlegen leerer Listen: temperature_data = []
• Aufruf eines bestimmten Elements: temperature_data[2]
• Mehrere Elemente als Subliste: temperature_data[0:2]
• Hinzufügen: temperature_data.append(26.7)
• Entfernen: del temperature_data[1]

Datentypen - Listen

• Python versucht möglichst effizient mit Speicherplatz umzugehen → Listen werden nur kopiert, wenn dies explizit angegeben wird
• Neuer Name zeigt auf den Speicherort der alten Liste:

  old_list = [1, 2, 3]
  new_list = old_list
  print(hex(id(new_list))) #> 0x14189ec2000
  print(hex(id(old_list))) #> 0x14189ec2000
  

• Gilt analog auch für verwandte Datentypen (Dictionaries, pandas DataFrames etc.)

Kopieren von Listen

• Explizit mittels copy() → new_list = old_list.copy()
• Slicing (aller) Elemente → new_list = old_list[:]
• list()-Konstruktor → new_list = list(old_list)

Datentypen - Listen

• Lässt sich auch direkt an den Listen zeigen

Zweiter Name für bestehende Liste

list_a = [1,2,3]
list_b = list_a
list_b.append(4)

print(list_b) #> [1,2,3,4]
print(list_a) #> [1,2,3,4]

Zweiter Name für eine neue Liste

list_a = [1,2,3]
list_b = list_a.copy()
list_b.append(4)

print(list_b) #> [1,2,3,4]
print(list_a) #> [1,2,3]

Datentypen - Tupel

• Ähnlich wie Listen → enthalten eine Folge beliebiger Daten
• oft gekennzeichnet durch runde Klammern, oder nur durch Kommas

  a_tuple = (1, "zwei" , 3.6)
  another_tuple = 4, "sieben", 19.3
  print(a_tuple[1]) #> zwei
  print(another_tuple[2]) #> 19.3
  

• Daten können nicht verändert werden → immutable

  a_tuple[1] = 10
  #> TypeError: 'tuple' object does not support item assignment
  

• Werden häufig für Funktionen verwendet, die mehrere Werte zurückgeben sollen → gibt ein tuple zurück, welches die Werte enthält

Datentypen - Dictionaries

• Enthalten Schlüssel-Wert-Paare → Key-Value-Pairs
• Definiert Zuordnung eines Wertes zu einem Schlüssel → Schlüssel muss einzigartig sein
• Praktisch alle Datentypen können als key oder value verwendet werden
• gekennzeichnet durch geschweifte Klammern

  a_dict = {"key1": "value1", "key2": 35}
  print(a_dict["key1"]) #> value1
  print(a_dict["key2"]) #> 35
  print(a_dict["not_exist"]) #> KeyError: 'not_exist'
  

• genaueres zur Funktionsweise von Dictionaries später

Hilfreiche Funktionen

• Vollständig in den Python Docs
• keys(): gibt alle Schlüssel zurück
• values(): gibt alle Werte zurück
• items(): gibt alle Key-Value-Paare zurück

Kontrollstrukturen

• Beispiel: Iterieren über einen Zahlenbereich

for-Schleifen in C

for(int i = 1; i < 11; ++i){
  printf("%d ", i);
}

for-Schleifen in Python

• die Zählvariable wird dabei automatisch gesetzt

  for i in range(0, 11, 1): # eine range ist ein Datentyp für Folgen in Integers
    print(i)
  

• Häufiger wird über iterierbare Datentypen (z.B. Listen, Strings, Dictionaries, etc.) iteriert → Analog zu "for each" in C++

  for number in [1,2,3,4,5,6,7,8,9,10]:
    print(number)
  

• enumerate() gibt zusätzlich den Index zurück

  for index, letter in enumerate(["a","b","c"]):
    print(f"Element {index} is {letter}")
  

Kontrollstrukturen - for-Schleifen

• Manchmal wird für einen iterierbaren Typ nur ein Index benötigt → Wert bei enumerate() kann ignoriert werden

  for index, _ in enumerate(["a","b","c"]):
    print(f"Element {index}")
  

• zip() erlaubt das Iterieren über mehrere Listen gleichzeitig

  for a, b in zip([10, 21, 32], ["a", "b", "c"]):
    print(f"{a} is {b}")
  #> 10 is a
  #> 21 is b
  #> 32 is c
  

• for-Schleifen erlauben auch die Nutzung des else-Statements → wird ausgeführt, wenn die Schleife normal beendet wird

  for i in range(0, 11, 1):
    print(i)
  else:
    print("End of loop")
  

Kontrollstrukturen

• Beispiel: Ausgabe aller ganzen Zahlen von 0-1000, die durch 13 gerade teilbar sind

while-Schleifen in C

int n = 0;
while(n < 1000){
  if(n % 13 == 0){
    printf("%d ", n);
  }
  n++;
}

while-Schleifen in Python

n = 0
while(n <= 1000):
  if (n % 13 == 0):
    print(n)
  n = n + 1

Kontrollstrukturen - Iterations-/Schleifenabbruch

• In Python analog wie in C/C++ mit break und continue

break

• terminiert Schleife sofort

  for i in range(5):
    if i == 3:
      break
    print(i)
  #> 0 1 2
  

continue

• terminiert Iteration & springt direkt in die nächste

  for i in range(5):
    if i == 3:
      continue
    print(i)
  #> 0 1 2 4
  

Stil

• Wie in allen Programmiersprachen gibt es auch in Python Konventionen für den Code-Stil
• Diese sind in Python Enhancement Proposal (PEP) 8 festgehalten
• Linter wie pylint oder flake8 können helfen, den Code-Stil zu überprüfen & einzuhalten

Hausübung

• Es wurden mit einem triaxialen Beschleunigungssensor Messdaten aufgenommen
• Die Daten sind in einer Liste gespeichert
• Im bereitgestellten Jupyter Notebook sollen Sie die Daten auswerten
  1. Umwandlung des Datentyps
  2. Bestimmung des Betrags der Beschleunigung
  3. Bestimmung der Mittelwerte
  4. Glättung mittels gleitendem Mittelwert
  5. Bestimmung des Mean Squared Error (MSE) zwischen Original- und geglätteten Daten