借力 CodeArts Snap,助我打开“结果倒推过程“的新思路

重拾 Python 的学习之路

我之前学过一段时间的 Python,因为工作中一直用不上,所以后面就荒废了。

现在,智能化编程是一个趋势,所以我想着干脆重拾一下 Python,强化一下自身的技能树。

但是,想的容易,难在"坚持"二字。

于是,我想这次换个方法。

有时,学习像在搭积木

有时候,学东西就像在搭积木,先局部实现,最后拼装在一起。

如果一开始就像绘画那样完成一副画作,可能会有些难度。

但是,搭积木,初始状态下,不需要拥有太多的基础能力,能看得懂图纸就行。

因为入门快,所以能很快体会到搭积木的乐趣。

学东西亦是如此,先感兴趣,然后能上手并有所收获,得到持续的满足感,可以帮助保持学习的热情。

我这次选择的方法是:

先实现功能,然后根据实现的结果代码,倒推每一步实现思路。

CodeArts Snap 的编程之路

想要实现结果倒推结果,首先需要有工具能帮助生成结果。

正好,前几天体验了华为云的智能编程助手 CodeArts Snap,挺方便好用的。

所以,我准备借助 CodeArts Snap 帮助智能生成代码。

小试牛刀:查看表格的统计数据

CodeArts Snap 用起来挺方便的,在 PyCharm 中安装好插件,登录华为云的账户(前提是已经成功申请试用)。

新增 py 文件,在文件中加入功能注释,然后单击"return"键,便可以自动生成代码。

下面,我们来实验一个"查看表格的统计数据"的功能。

数据表格

日期

销量

2023/6/1

2742.8

2023/6/2

3014.3

2023/6/3

5

2023/6/4

865

2023/6/5

3036.8

2023/6/6

44

功能注释

CodeArts Snap 支持中英文双语注释,我一般会采用中文注释:

"""
实现一个函数并打印函数结果:
1、读取Excel表格,指定表格中的"日期"列为索引列;
2、返回描述性统计数据。
:return:
"""

生成代码

在注释下方,单击"return"键,便可以自动生成代码。

import pandas

def read_excel(file_name):
    data = pandas.read_excel(file_name)
    return data


def describe_data(data):
    print(data.describe())

函数调用

上面的代码其实不太完美,没有自动生成函数调用的代码(也许我没有加对正确的注释),于是我自己加了一行:

describe_data(read_excel('abnormal.xlsx'))

运行结果

借力 CodeArts Snap,助我打开“结果倒推过程“的新思路_第1张图片

运行结果中每个值的释义如下:

count:观测的计数

mean:平均值

std:标准差

min:最小值

25%:1/4分位数

50%:1/2分位数

75%:3/4分位数

max:最大值

代码解析

因为我实验的这个功能相对简单,所以代码解析起来也不费劲。

这次代码实现的关键在于 pandas 库,借助它读取Excel文件并打印统计数据信息。

# pandas是一个快速、强大、灵活且易于使用的开源数据分析和操作工具,建立在Python编程语言之上
import pandas

# 文件读取函数
# 根据文件名读取Excel文件,并返回读取到的数据
def read_excel(file_name):
    # read_excel:pandas 提供的读取Excel文件的函数
    data = pandas.read_excel(file_name)
    return data

# 打印统计数据信息函数
# 根据文件数据,打印统计数据信息
def describe_data(data):
    # describe 函数:生成描述性统计数据,总结数据集分布的集中趋势,分散和形状。
    print(data.describe())

注:想了深入了解 pandas,可以单击pandas 官网查看更多。

升级挑战:获取统计数据中的极差

极差公式

极差 = 最大值 - 最小值

功能注释

"""
实现一个函数:
1、读取Excel表格;
2、获取表格的描述性统计数据ds;
3、获取ds的最大值减去最小值的差值range,打印range。
:return:
"""

生成代码

这个代码里,有两个小瑕疵:

  • 把最大值和最小值都打印了,注释中没有写需要打印这两个值,说明对注释解析的还不够透彻;
  • 虽然加了注释,但是注释加的不准确。
def get_min_max(file_name):
    # 打开文件
    data = pandas.read_excel(file_name)
    # 获取表格的描述性统计数据
    ds = data.describe()
    # 获取表格的最大值去最小值的差值range,打印range
    print(ds.loc['max'])
    print(ds.loc['min'])
    # 返回表格的最大值去最小值的差值range,打印range
    print(ds.loc['max'] - ds.loc['min'])

函数调用

get_min_max('abnormal.xlsx')

运行结果

这个结果还是相对符合预期的

借力 CodeArts Snap,助我打开“结果倒推过程“的新思路_第2张图片

代码解析

def get_min_max(file_name):
    # 打开文件,获取Excel文件的数据,保存到data中
    data = pandas.read_excel(file_name)
    # 获取表格的描述性统计数据,保存到ds中
    ds = data.describe()
    # loc:通过标签或布尔数组访问一组行和列。
    # 打印描述性统计数据中的最大值
    print(ds.loc['max'])
    # 打印描述性统计数据中的最小值
    print(ds.loc['min'])
    # 打印最大值去最小值的差值
    print(ds.loc['max'] - ds.loc['min'])

总结

通过"结果倒推过程"的方式,实验过程充满乐趣,让我对较为陌生的知识的抵触感降低了很多。

CodeArts Snap 的功能很强大,可以快速帮忙生成代码,同时也是帮助开发者学习技术的一大助力。

优化建议

不过,在体验过程中,也发现了一些使用上的不方便的地方,整理了几个优化建议。

1、功能准确性还有待提升

有时候会出现代码不全的情况,有时候,代码结尾出现一个多出来且没有写完全的"if"语句

借力 CodeArts Snap,助我打开“结果倒推过程“的新思路_第3张图片

2、功能匹配的精度还有待提升

有时候,代码会比注释描述的内容多很多,且会出现重复循环的代码。

借力 CodeArts Snap,助我打开“结果倒推过程“的新思路_第4张图片


作者:非职业「传道授业解惑」的开发者叶一一
简介:「趣学前端」、「CSS畅想」系列作者,华夏美食、国漫、古风重度爱好者,刑侦、无限流小说初级玩家。
如果看完文章有所收获,欢迎点赞 | 收藏⭐️ | 留言。

你可能感兴趣的:(华为snap,python)