Python - Esercizi

Gianfranco Lombardo, Ph.D

gianfranco.lombardo@unipr.it
Exercise: Repetita iuvant

● Provate a riscrivere (senza copiare) l’esempio “Example: Select an option”

● Chiedere all’utente di inserire una scelta finchè non inserisce una scelta corretta
● Poi, provate a modificare il codice nel seguente modo:
○ Option 1: Calcola area e perimetro di un rettangolo
○ Option 2: Calcolare l’area di un triangolo
○ Option 3: Somma i due valori per ottenere un diametro, calcola il raggio (diametro/2) e poi
l’area del cerchio (3.14*raggio^2)
● Stampate i risultati a video con print

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Exercise: Registry

● Chiedere all’utente nome e cognome in una singola richiesta di input e la data di nascita in un
secondo input ( Si richiedono nuovi dati di utenti finché lo user non inserisce “0” per terminare
● Like: >>> Insert name and lastname: Mario Rossi
● >>> Insert the age of Mario Rossi: 34

○ Salvate nome e cognome di ogni utente in due liste differenti ( split della stringa prima :) )
○ Calcolare l’età e inserire questo valore in un’altra lista
■ Queste tre liste devono essere allineate per costruzione (per indice)
○ Si stampi a video nome, cognome ed età di ogni utente precedentemente inserito
■ like: “Mario Rossi 34”
○ Eliminare dal registro le persone con una età maggiore a 65 anni
○ Si ristampino i dati degli utenti rimanenti

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Exercise: Cryptography

● Definite due liste:

○ plain_chars =["a","b","c","d","e","f","g","h","i","l","m","n","o","p","q","r","s","t","u","v","z"]
○ crypto_chars = list(range(0,21)) #returns a list with number between 0 and 20
○ crypto_chars.reverse() #reverse
● Chiedere all’’utente tre frasi che vuole criptare
○ Convertire le frasi in lower case(minuscolo)
○ Criptare le 3 frasi sostituendo ogni carattere in plain chars (if exist) con il corrispondente in
crypto_chars
○ Stampate le frasi criptate

My name is Mario

10y 9201016 124 10205128

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Trova il massimo

● Leggere, attraverso un ciclo, una sequenza di numeri naturali

● La sequenza termina quando l'utente inserisce un valore negativo

● Visualizzare il più grande numero pari tra quelli inseriti

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Conta 0 e 1

● Definire una funzione che conta separatamente il numero di cifre 0 ed

1 presenti in un testo

● Parametro: stringa di testo da elaborare

● Risultato: tupla dei due valori conteggiati
● Invocarla da una funzione main
● I/O con l'utente solo nella funzione main
● Nella funzione, usare un ciclo for sulla stringa

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Generazione di numeri casuali

# generate random floating point values

from random import seed
from random import randint
# seed random number generator
seed(1)
# generate random integer numbers between 0 and 10
value = randint(0, 10)

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Il gioco delle 3 carte

● All'inizio l'utente ha 10 monete

● Ad ogni turno:
○ Viene estratto a sorte un numero segreto tra 1 e 3
○ L'utente sceglie quante monete puntare e su quale numero
○ Se indovina, gli viene sommato l'importo puntato
○ Altrimenti gli viene sottratto lo stesso importo
● Il gioco termina quando l'utente perde tutto o si ritira

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

BREAK

Gianfranco Lombardo, Ph.D (gianfranco.lombardo@unipr.it)

Data structures in Python and
modules

Gianfranco Lombardo, Ph.D

gianfranco.lombardo@unipr.it
Dictionary

● Data structure for key-value items

○ my_dict = { “Alice” : “Boss”,
○ “George”: “Project manager”,
○ “Mario” : “Developer” }
● Also known as “ associative arrays” or map
● Unordered set of key / value pairs
○ Keys are unique as indices in lists and can be used to access the
associated value
○ Keys are usually string, but can be also int or any immutable type

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Dictionary

Py

>>> tel = {} #Initialize an empy dict called tel

>>> tel["mario"] = "052-87653" #add “Mario” key with his value
>>> print(tel)
{'mario': '052-87653'}

>>> my_dict = {"George":"051-43235"} #initialize my_dict with one value

>>> my_dict["Mario"] = "052-87653" #add an item to my_dict
>>> print(my_dict)
{'George': '051-43235', 'Mario': '052-87653'}

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Iterate over a dictionary

Py
my_dict = {"George":"051-43235", “Alice”: “053-74123”,”Bob”:”051-23619”}
for key in my_dict:
#remember that dictionaries are unordered!
if key==”George”:
print(“George number is “+str(my_dict[key]))

my_dict[“George”] = “3409823654” #change value

my_dict.pop(“Alice”) #remove Alice from the dictionary

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Matrix

● A matrix is an ordered tables of elements

○ Example: Chessboard, Algebra matrices, datasets
● We can see as multidimensional lists!
● Basically a main list with inside other lists with the same number of elements
a = [ ['A', 'B', 'C', 'D'],
['E', 'F', 'G', 'H'],
['I', 'L', 'M', 'N'] ]

● To access an element we need two indices:

○ row y
○ column x
○ matrix[y][x]

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Sum of columns in a matrix

Py
matrix = [[2, 4, 3, 8],
[9, 3, 2, 7],
[5, 6, 9, 1]]
rows = len(matrix) # get number of rows
cols = len(matrix[0]) # get number of columns

for x in range(cols):
total = 0
for y in range(rows):
val = matrix[y][x]
total += val
print("Column "+str(x)+ " sums to “+str(total))

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Flatten matrix as a list

Py
matrix = [2, 4, 3, 8,
9, 3, 2, 7,
5, 6, 9, 1]
rows = 3 # Cannot be guessed from matrix alone
cols = len(matrix) // rows

for x in range(cols):
total = 0
for y in range(rows):
val = matrix[y * cols + x] # 2D -> 1D
total += val
print("Col #", x, "sums to", total)

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Python external modules

● Sometimes we need functionalities and operations that are not directly

provided by Python
● Or we want to reuse some code already written by another developer
● In those cases we need to import a module in our code!
● Python is the most used language for Data science especially for the richness
of different modules
● Examples:
○ Math : for mathematical operations
○ Numpy for matrix and vectors
○ Pandas for data mining
○ Matplotlib for data visualization
○ Scikit-learn for Machine learning
○ Keras and Tensor-flow for Deep learning

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Math module

import math
y = math.sin(math.pi / 4)
print(y) # √2 / 2

from math import sin, pi

print(sin(pi / 4))

from random import randint

die1 = randint(1, 6) # like rolling a die
die2 = randint(1, 6) # like rolling a die

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

How to install a module

● Most of the modules have to be installed

● PIP is the tool already installed with Python that permits to install new
modules!
● example: pip install “name of modules”
○ pip install numpy

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

NumPy

● Efficient library that provides multidimensional array and algorithms

● It is the base of most of the machine learning and data science libraries
● Implemented in Fortran, C, C++
● To use after installation:

○ import numpy as np

● Define a vector ( or array ) in numpy:

○ a = np.array([2, 3, 4])

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Zeros, ones, ranges

>>> np.zeros(4)
array([0, 0, 0, 0])

>>> np.ones((2, 3), dtype=np.int16) # dtype can also be specified

array([[[1, 1, 1],
[1, 1, 1]], dtype=int16)

>>> np.empty((2, 3)) # uninitialized, output may vary

array([[3.73603959e-262, 6.02658058e-154, 6.55490914e-260],
[5.30498948e-313, 3.14673309e-307, 1.00000000e+000]])

>>> np.arange(10, 30, 5) # from 10, to 30, step 5

array([10, 15, 20, 25])

>>> np.linspace(0, 2, 5) # 5 numbers from 0 to 2

array([0, 0.5, 1, 1.5, 2])

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Reshape and resize

>>> a = np.arange(12) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]

>>> a = a.reshape(3, 4) # a new array
>>> a
array([[0, 1, 2, 3],
[4, 5, 6, 7],
[8, 9, 10, 11]])
>>> a.shape # Shape gets number of elements along each axes
(3, 4)

>>> a.resize(2, 6) # modifies the array itself

>>> a
array([[0, 1, 2, 3, 4, 5],
[6, 7, 8, 9, 10, 11]])

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Shuffle and choice

>>> a = np.arange( 6)
>>> np.random.shuffle(a) # modifies the array itself
array([5, 3, 2, 4, 1, 0]])

>>> np.random.choice([ "A","B"]) #Choose randomly an element in a list

>>> “B”

>>>np.random.choice([ "one", "two"], (2, 3))

>>> array([[ 'two', 'one', 'one'],
['two', 'two', 'one']])

#Generate a matrix by choosing randomly elements in the list

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Elementwise operations

● A new array holds the result

>>> a = np.array([20, 30, 40, 50])

>>> conditions= a < 35
array([True, True, False, False])

>>> b = np.arange(4)
>>> b_square = b ** 2
array([0, 1, 4, 9])
>>> c = a - b
array([20, 29, 38, 47])

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Aggregate functions

>>> b = np.arange(12).reshape(3, 4)
>>> b
array([[0, 1, 2, 3],
[4, 5, 6, 7],
[8, 9, 10, 11]])
>>> b.sum() # guess also min and max
66
>>> b.sum(axis=1) # sum of each row
array([6, 22, 38])
>>> b / b.max(axis=0) # norm each column
array([[0., 0.11, 0.2, 0.27],
[0.5, 0.55, 0.6, 0.63],
[1., 1., 1., 1. ]])

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Indexing and slicing

b = np.array([[0, 1, 2, 3],
[10, 11, 12, 13],
[20, 21, 22, 23]])
>>> b[2, 3]
23
>>> b[:, 1] # each row in the second column of b
array([1, 11, 21])
>>> b[1:3, 0:2]
array([[10, 11],
[20, 21]])

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

CSV files

● CSV files (Comma separated values) is one of the most common file format in
data science
○ It requires that the first line is an header where each field is separated
with a comma
○ The other lines are values separated by a comma
○ Basically, it represents always a table
○ Available also in Microsoft Excel

● It is possible read a CSV file with operators that with the Python open() by
splitting each line for commas or other ad-hoc modules are available like csv
or Pandas ( later in this lesson…)

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

CSV EXAMPLE

Name,Age,Job,City #Header
George,34,Waiter,Chicago
Alice,27,Developer,New York
Mario,57,Plumber, Rome
Lauren,42,Teacher,Detroit
Robert,29,Engineer,London

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

CSV module

import csv ###### without module

matrix = [] matrix = []
with open('people.csv', with open('people.csv', newline='')
newline='') as f: as f:
reader = csv.reader(f) reader = f.readlines()
for row in reader: for line in reader:
matrix.append(row) row =
print(matrix) line.replace("\r\n","").split(",")
matrix.append(row)
with open('people_2.csv', 'w', print(matrix)
newline='') as f:
writer = csv.writer(f)
for row in matrix: ………
writer.writerow(row)

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Exercise:

● Ask to the user to add 10 people information:

○ Name
○ ID
○ Age
● Save these information in a dictionary where the key is always the ID and the
value is a list [name,age]
● Then ask again to add more information for these people by asking the ID and
add to each one:
○ Salary
○ Years of work
● Finally, export the entire dictionary into registry.csv file
○ header: Name,ID,Age,Salary,Years of work

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Ships battle

● Implementare battaglia navale

● Campo da gioco 6x6 come matrice
● Colpi iniziali: 6
● Numero di navi 4
○ Ogni nave occupa una sola cella della matrice
● Analisi dei requisiti:
○ 1)Generazione mappa con solo mare (dove il mare sono degli zeri)
○ 2)Popolarla casualmente di navi (dove le navi sono degli uno)
○ 3)Meccanismo a turni con while fino a quando partita non finita
○ 3.1)Partita è finita se utente non ha più munizioni
○ 3.2)Partita è finita se non ci sono più barche
○ 3.3) Partita è finita se numero di navi > n_colpi rimasti
○ 4)Devo avere un utente che sceglie dove sparare scegliendo nei limiti
della mappa
○ 5)Controllo dopo mossa dell'utente
○ 2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)
Exercise

● Read the previous registry.csv

○ Skip the first row and save as a separate list called headers
○ Memorize the other rows in a matrix
○ Then ask to the user the name of a field:
■ Retrieve which column has to be considered from headers
■ Compute min and max for that column

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)

Chessboard

● Generate a zero vector with dimension 64 as a pseudo matrix

○ Zero means black
○ One means white
● Iterate over the matrix with two “for” and put “1” if the column is pair ( c%2 ==
0)
● Transform the list as numpy array and then reshape as a 8x8 matrix
● Print the matrix

2020 - Gianfranco Lombardo, MEng (gianfranco.lombardo@unipr.it)