Быстрый, мощный интерфейс на python

Интеграция фрейма данных Pandas и Python tqdm

import pandas as pd
import numpy as np
from tqdm import tqdm
# Creating random dataset.DataFrame(np.random.randint(0, 100, (10, 6)))
)

# Now you can use `progress_apply` instead of `apply`
# and `progress_map` instead of `map`
dataset.progress_apply(lambda x: x**2)

Выход-

progress bar: 100% ████████████████████████████████████████████████████████████████████| 6/6 [00:00<00:00, 2006.20it/s]

	1	2	3	4	5
8649	1764	9801	9801	3364	9
1	2209	9	7396	5929	8464	25
2	6561	441	100	1521	2916	169
3	6084	121	784	9801	7744	1296
4	7396	1	2500	81	100	7569
5	4761	4624	7056	121	25	6400
6	225	5476	6241	3249	196	7744
7	2401	4489	5625	676	36	6724
8	25	2809	4489	1369	729	8464
9	64	9801	2209	900	1225	4225

Настройка под Python

Установка расширения «Python»

Для начала работы с Python, нужно перейти на вкладку , что находится на панели слева, либо нажать . Сделав это, набираем в строке поиска «Python».

Для начала работы с Python, установите расширение от Microsoft — «Python».

VS Code поддерживает, как вторую, так и третью версию языка, однако python интерпретатор на свою машину вам придётся поставить самостоятельно.

Подробнее о том, как установить Python:

Установка Python на Windows, Linux, Mac OS

Если вы новичок и только начинаете работу с Python или же не имеете каких-то особых указаний на этот счёт, то лучшим выбором станет именно актуальная третья версия.

Вот краткий список основных возможностей расширения «Python»:

• Автодополнение кода.
• Отладка.
• Поддержка сниппетов.
• Написание и проведение тестов.
• Использование менеджера пакетов Conda.
• Возможность создания виртуальных сред.
• Поддержка интерактивных вычисления на Jupyter Notebooks.

Выбор версии интерпретатора Python

После от вас потребуется совершить выбор версии интерпретатора внутри самого редактора (обычно VS code знает, где он расположен). Для этого:

1. Откройте командную строку VSCode (Command Palette) комбинацией .
2. Начинайте печатать «Python: Select Interpreter»;
3. После, выберите нужную версию интерпретатора.

Выбор интерпретатора в VSCode

Также выбрать версию можно в панели активности в левом нижнем углу:

Выбор версии Python-интерпретатора в панели активности VS Code

Если вы хотите использовать в своем проекте:

1. Установите командой (или );
2. Выполните команду ;
3. Откройте «Command Palette», напечатайте «Python: Select Interpreter» и из списка выберите нужную версию интерпретатор.

Подробнее о pipenv:

Pipenv — современный менеджер зависимостей для Python-проектов

Что другие делают в Python?

Вы, наверное, думаете, что люди создают в Python в реальной жизни? Для начала, давайте быстренько пройдемся по крупным компаниям, которые используют данный язык.

, к примеру, использовали Python с самого начала, и сегодня он занимает место ведущих гигантов среди языков, ориентированных на серверную сторону. Гвидо ван Россум, добрый пожизненный диктатор Python (уже нет) даже работал нам на протяжении нескольких лет, наблюдая за тем, как развивается язык.

В Instagram любят Python за его простоту. Сервис известен «самым большим развертыванием веб-фреймворка Django, который полностью написан на Python».

Spotify использует язык из-за его сервисов анализа данных и бэкенда. Согласно команде разработчиков, простота использования Python позволяет достичь молниеносной скорости разработки. Spotify выполняет тонны анализов, чтобы собирать рекомендации своим пользователям, так что им нужно что-нибудь, что может выполнять такую работу быстро. Python – это решение!

Какие веб-фреймворки Python наиболее популярны?

Django — это быстрый, безопасный и масштабируемый веб-фреймворк Python, который предлагает высокий уровень и открытый исходный код. Django обладает мощной поддержкой сообщества и подробной документацией.

Фреймворк включает комплексный пакет, в котором вы получите панель управления, интерфейс базы данных и структуру каталога после создания приложения. Кроме того, он включает большое количество функций, поэтому вам не придется добавлять отдельные библиотеки. Аутентификация пользователей, механизм шаблонов, маршрутизация, миграция схемы базы данных и т.д. — все это примеры возможностей, которые предлагает фреймворк.

Django отличается гибкостью. Он позволяет работать как с минимально жизнеспособным продуктами, так и с более развитыми компаниями. Instagram, Dropbox, Pinterest и Spotify — все эти компании также используют Django.

Flask считается микрофреймворком, который представляет минималистичный веб-фреймворк. Но по сравнению с Django он не обладает такими функциями, как механизм веб-шаблонов, авторизация учетной записи и аутентификация.

Flask отличается простотой в использовании. Поэтому вы можете добавить расширения и библиотеки, которые вам нужны при написании кода.

Идея Flask заключается в том, что данная платформа предоставляет только компоненты, необходимые для создания приложения. Некоторые функции включают встроенный сервер разработки, отправку запросов Restful, обработку Http-запросов и многое другое. Flask также является распространенным и мощным веб-фреймворком, поскольку он используется крупными компаниями, такими как Netflix, Linkedin и Uber.

Другие известные фреймворки

• Pyramid
• Web2Py
• Turbogears

Возможно, вы зададите вопрос — какой же фреймворк стоит выбрать? Но мы не сможем дать вам однозначный ответ. Для начала, оцените свой уровень веб-разработчика. Если вы обладаете большим опытом, то стоит отдать предпочтение продвинутым программам. Однако, если вы начинающий разработчик, то попробуйте использовать фреймворк со встроенной технической поддержкой, например Django.

Кроме того, спросите себя, хотите ли вы создать «основополагающую» кодовую базу или же сформировать её основы? Если вы предпочитаете первый вариант, то стоит использовать Django, а если второй, то Flask. Но стоит отметить, что оба инструмента обладают одинаковой функциональностью.

Библиотеки Python для веб-разработки

Ниже представлено несколько полезных библиотек Python для веб-разработки:

• Если вам когда-нибудь понадобится поисковой робот, чтобы извлечь данные для приложения, Scrapy отлично подойдет для этого. Данная библиотека часто используется для очистки, интеллектуального анализа данных, автоматизированного тестирования и многого другого.
• Zappa — это мощная библиотека для разработки бессерверного приложения на AWS Lambda.
• Requests — это библиотека, которая позволит легко отправлять HTTP-запросы. Она используется для связи с приложением, позволяя вам получить HTML-страницы или данные.
• Dash — другая полезная библиотека для разработчиков веб-приложений, связанных с визуализацией данных. Фреймворк предлагает диаграммы, графики, информационные панели и многое другое.

1.4. Расширение встраиваемого Python¶

До сих пор встроенный Python интерпретатор не имел доступа к функциональности
от самого приложения. API-интерфейс Python позволяет расширить встроенный
интерпретатор. То есть встроенный интерпретатор расширяется с помощью процедур,
предоставляемых приложением. Пока это звучит сложно, это не так плохо. Просто
забудьте на время, что приложение запускает Python интерпретатор. Вместо
этого рассмотрите приложение как набор подпрограмм и напишите некоторый
кодовый клей, который дают Python’у доступ к этим подпрограммам, точно
так же, как вы бы написали обычное расширение Python. Например:

static int numargs=;

/* Вернуть количество аргументов командной строки приложения */
static PyObject*
emb_numargs(PyObject *self, PyObject *args)
{
    if(!PyArg_ParseTuple(args, ":numargs"))
        return NULL;
    return PyLong_FromLong(numargs);
}

static PyMethodDef EmbMethods[] = {
    {"numargs", emb_numargs, METH_VARARGS,
     "Return the number of arguments received by the process."},
    {NULL, NULL, , NULL}
};

static PyModuleDef EmbModule = {
    PyModuleDef_HEAD_INIT, "emb", NULL, -1, EmbMethods,
    NULL, NULL, NULL, NULL
};

static PyObject*
PyInit_emb(void)
{
    return PyModule_Create(&EmbModule);
}

Вставьте вышеуказанный код непосредственно над функцией .
Также перед вызовом инструкции вставьте следующие два :

numargs = argc;
PyImport_AppendInittab("emb", &PyInit_emb);

Эти две строки инициализируют переменную и создают функцию
доступную для встроенного Python интерпретатора. С этими расширениями
Python скрипт может делать такие вещи, как

import emb
print("Number of arguments", emb.numargs())

Файлы конфигурации Distutils¶

Как упоминалось выше, вы можете использовать файлы конфигурации Distutils для
записи личных предпочтений или настроек сайта для любых опций Distutils. То есть
любой параметр любой команды может быть сохранен в одном из двух или трех (в
зависимости от вашей платформы) файлов конфигурации, с которыми будет
выполняться консультация перед анализом командной строки. Это означает, что
файлы конфигурации переопределят значения по умолчанию, а командная строка, в
свою очередь, переопределит файлы конфигурации. Более того, если применяется
несколько файлов конфигурации, значения из «более ранних» файлов заменяются
«более поздними» файлами.

Расположение и имена файлов конфигурации

Имена и расположение файлов конфигурации незначительно различаются на разных
платформах. В Unix и Mac OS X три файла конфигурации (в порядке их обработки) :

Тип файла	Расположение и имя файла	Примечания
системный		(1)
личный		(2)
локальный		(3)

А в Windows это файлы конфигурации :

Тип файла	Расположение и имя файла	Примечания
системный		(4)
личный		(5)
локальный		(3)

На всех платформах «личный» файл можно временно отключить, передав параметр
–no-user-cfg.

Примечания:

1. Строго говоря, общесистемный файл конфигурации находится в каталоге, где
   установлены Distutils; в Python 1.6 и более поздних версиях Unix это так, как
   показано. Для Python 1.5.2 Distutils обычно устанавливается в
   , поэтому файл
   конфигурации системы должен быть помещён туда в Python 1.5.2.
2. В Unix, если переменная среды не определена, домашний каталог
   пользователя будет определен с помощью функции из стандартного
   модуля . Это делается функцией ,
   используемой Distutils.
3. То есть в текущем каталоге (обычно это место установки скрипта).
4. (См. также примечание (1).) В Python 1.6 и новее «префиксом установки» Python по
   умолчанию является , поэтому файл конфигурации системы обычно
   . В Python 1.5.2 префиксом по
   умолчанию был , а Distutils не входили в
   стандартную библиотеку, поэтому в стандартной установке Python 1.5.2 под
   Windows файл конфигурации системы будет .
5. В Windows, если переменная среды не определена,
   , то будут проверены и
   . Это выполняется функцией ,
   используемой Distutils.

Линейная алгебра

SciPy обладает очень быстрыми возможностями линейной алгебры, поскольку он построен с использованием библиотек ATLAS LAPACK и BLAS. Библиотеки доступны даже для использования, если вам нужна более высокая скорость, но в этом случае вам придется копнуть глубже.

Все процедуры линейной алгебры в SciPy принимают объект, который можно преобразовать в двумерный массив, и на выходе получается один и тот же тип.

Давайте посмотрим на процедуру линейной алгебры на примере. Мы попытаемся решить систему линейной алгебры, что легко сделать с помощью команды scipy linalg.solve.

Этот метод ожидает входную матрицу и вектор правой части:

# Import required modules/ libraries
import numpy as np
from scipy import linalg

# We are trying to solve a linear algebra system which can be given as:
#               1x + 2y =5
#               3x + 4y =6

# Create input array
A= np.array(,])

# Solution Array
B= np.array(,])

# Solve the linear algebra
X= linalg.solve(A,B)

# Print results
print(X)

# Checking Results
print("\n Checking results, following vector should be all zeros")
print(A.dot(X)-B)

DataFrame

DataFrame – самая важная и широко используемая структура данных, а также стандартный способ хранения данных. Она содержит данные, выровненные по строкам и столбцам, как в таблице SQL или в базе данных электронной таблицы.

Мы можем либо жестко закодировать данные в DataFrame, либо импортировать файл CSV, файл tsv, файл Excel, таблицу SQL и т.д.

Мы можем использовать приведенный ниже конструктор для создания объекта DataFrame.

pandas.DataFrame(data, index, columns, dtype, copy)

Ниже приводится краткое описание параметров:

• data – создать объект DataFrame из входных данных. Это может быть список, dict, series, Numpy ndarrays или даже любой другой DataFrame;
• index – имеет метки строк;
• columns – используются для создания подписей столбцов;
• dtype – используется для указания типа данных каждого столбца, необязательный параметр;
• copy – используется для копирования данных, если есть.

Есть много способов создать DataFrame. Мы можем создать объект из словарей или списка словарей. Мы также можем создать его из списка кортежей, CSV, файла Excel и т.д.

Давайте запустим простой код для создания DataFrame из списка словарей.

import pandas as pd
import numpy as np
df = pd.DataFrame({
    "State": ,
    "Capital": ,
    "Literacy %": ,
    "Avg High Temp(c)": 
})
print(df)

Вывод:

Первый шаг – создать словарь. Второй шаг – передать словарь в качестве аргумента в метод DataFrame(). Последний шаг – распечатать DataFrame.

Как видите, DataFrame можно сравнить с таблицей, имеющей неоднородное значение. Кроме того, можно изменить размер.

Мы предоставили данные в виде карты, и ключи карты рассматриваются Pandas, как метки строк.

Индекс отображается в крайнем левом столбце и имеет метки строк. Заголовок столбца и данные отображаются в виде таблицы.

Также возможно создавать индексированные DataFrames. Это можно сделать, настроив параметр индекса.

1.1. Очень высокоуровневое встраивание¶

Простейшей формой встраивания Python является использование интерфейса очень
высокого уровня. Этот интерфейс предназначен для выполнения сценария Python
без необходимости непосредственного взаимодействия с приложением. Это может быть
использоваться, например, для выполнения некоторой операции над файлом.:

#define PY_SSIZE_T_CLEAN
#include <Python.h>

int
main(int argc, char *argv[])
{
    wchar_t *program = Py_DecodeLocale(argv], NULL);
    if (program == NULL) {
        fprintf(stderr, "Fatal error: cannot decode argv\n");
        exit(1);
    }
    Py_SetProgramName(program);  /* необязательно, но рекомендуется */
    Py_Initialize();
    PyRun_SimpleString("from time import time,ctime\n"
                       "print('Today is', ctime(time()))\n");
    if (Py_FinalizeEx() < ) {
        exit(120);
    }
    PyMem_RawFree(program);
    return ;
}

Что если вашей идеи нет в этом списке?

Ничего страшного! Этот список вряд ли можно назвать исчерпывающим: существует огромное количество других инструментов и приложений, которые вы можете построить в Python, которые мы не рассмотрели в данной статье. Не думайте, что ваши идеи должны как-либо ограничиваться данным списком. Это просто база, с которой вы можете начать.

В этом видео вы можете почерпнуть несколько идей из других проектов, под которые Python хорошо заточен. Вы также можете ознакомиться с данным постом в блоге, автор которого подсказывает, где найти вдохновение для новых проектов Python.Наконец, вы вольны искать и находить проекты, которые вам интересны.

Шаг 1 — Настройка Python 3

Ubuntu 18.04 и другие версии Debian Linux поставляются с предустановленными средами программирования Python 3 и Python 2. Чтобы убедиться в обновлении версий, мы выполним обновление системы с помощью команды для работы с инструментом Ubuntu Advanced Packaging Tool:

Флаг показывает, что мы соглашаемся установить все элементы. В зависимости от вашей версии Linux вам может понадобиться подтвердить выбор в дополнительныхх диалогах по мере установки обновлений.

После завершения этой процедуры мы можем проверить установленную в системе версию Python 3 с помощью следующей команды:

На экране терминала будет выведена страница результатов, где вы сможете увидеть номер версии. Хотя номер версии может различаться, результат будет выглядеть примерно так:

Для управления программными пакетами Python мы установим инструмент pip, предназначенный для установки и управления пакетами программирования, которые мы можем захотеть использовать в наших проектах разработки. Дополнительную информацию о модулях и пакетах, которые можно установить с помощью pip, можно найти в документе «Импортирование модулей в Python 3».

Пакеты Python можно установить с помощью следующей команды:

Здесь может относиться к любому пакету или любой библиотеке Python, в том числе Django для веб-разработки или NumPy для научных вычислений. Если вы захотите установить NumPy, вы можете использовать команду .

Можжно установить несколько дополнительных пакетов и средств разработки, чтобы получить надежную основу для нашей среды программирования:

После настройки Python и установки pip и других инструментов мы можем настроить виртуальную среду для наших проектов разработки.

Преобразование Fourier

Анализ Fourier помогает нам выразить функцию, как сумму периодических компонентов и восстановить сигнал из этих компонентов.

Давайте посмотрим на простой пример преобразования Fourier. Мы будем строить сумму двух синусов:

# Import Fast Fourier Transformation requirements
from scipy.fftpack import fft
import numpy as np

# Number of sample points
N = 600

# sample spacing
T = 1.0 / 800.0
x = np.linspace(0.0, N*T, N)
y = np.sin(50.0 * 2.0*np.pi*x) + 0.5*np.sin(80.0 * 2.0*np.pi*x)
yf = fft(y)
xf = np.linspace(0.0, 1.0/(2.0*T), N//2)

# matplotlib for plotting purposes
import matplotlib.pyplot as plt
plt.plot(xf, 2.0/N * np.abs(yf[0:N//2]))
plt.grid()
plt.show()

1.3. Чистое встраивание¶

Первая программа предназначена для выполнения функции в сценарии Python. Как и
в разделе об интерфейсе очень высокого уровня, Python интерпретатор напрямую не
взаимодействует с приложением (но это изменится в следующем разделе).

Для запуска функции, определенной в сценарии код, Python:

#define PY_SSIZE_T_CLEAN
#include <Python.h>

int
main(int argc, char *argv[])
{
    PyObject *pName, *pModule, *pFunc;
    PyObject *pArgs, *pValue;
    int i;

    if (argc < 3) {
        fprintf(stderr,"Usage: call pythonfile funcname \n");
        return 1;
    }

    Py_Initialize();
    pName = PyUnicode_DecodeFSDefault(argv1]);
    /* Ошибка проверки pName пропущена */

    pModule = PyImport_Import(pName);
    Py_DECREF(pName);

    if (pModule != NULL) {
        pFunc = PyObject_GetAttrString(pModule, argv2]);
        /* pFunc - это новая ссылка */

        if (pFunc && PyCallable_Check(pFunc)) {
            pArgs = PyTuple_New(argc - 3);
            for (i = ; i < argc - 3; ++i) {
                pValue = PyLong_FromLong(atoi(argvi + 3]));
                if (!pValue) {
                    Py_DECREF(pArgs);
                    Py_DECREF(pModule);
                    fprintf(stderr, "Cannot convert argument\n");
                    return 1;
                }
                /* ссылка pValue здесь крадётся:  */
                PyTuple_SetItem(pArgs, i, pValue);
            }
            pValue = PyObject_CallObject(pFunc, pArgs);
            Py_DECREF(pArgs);
            if (pValue != NULL) {
                printf("Result of call: %ld\n", PyLong_AsLong(pValue));
                Py_DECREF(pValue);
            }
            else {
                Py_DECREF(pFunc);
                Py_DECREF(pModule);
                PyErr_Print();
                fprintf(stderr,"Call failed\n");
                return 1;
            }
        }
        else {
            if (PyErr_Occurred())
                PyErr_Print();
            fprintf(stderr, "Cannot find function \"%s\"\n", argv2]);
        }
        Py_XDECREF(pFunc);
        Py_DECREF(pModule);
    }
    else {
        PyErr_Print();
        fprintf(stderr, "Failed to load \"%s\"\n", argv1]);
        return 1;
    }
    if (Py_FinalizeEx() < ) {
        return 120;
    }
    return ;
}

Этот код загружает скрипт Python с помощью и вызывает
функцию с именем . Его целочисленные аргументы являются другими
значениями массива . Если вы эту программу (давайте
вызовем готовый исполняемый файл call) и используем его для выполнения
Python сценария, например:

def multiply(a,b):
    print("Will compute", a, "times", b)
    c = 
    for i in range(, a):
        c = c + b
    return c

тогда результат должен быть:

$ call multiply multiply 3 2
Will compute 3 times 2
Result of call: 6

Хотя программа достаточно велика по своей функциональности, большая часть
кода предназначена для преобразования данных между Python и C, а
также для отчетов об ошибках. Интересная часть относительно встраивания
Python начинается с:

Py_Initialize();
pName = PyUnicode_DecodeFSDefault(argv1]);
/* Ошибка проверки pName исключена */
pModule = PyImport_Import(pName);

После инициализации интерпретатора сценарий загружается с помощью . Эта
подпрограмма нуждается в Python строке в качестве аргумента, который
создается с использованием подпрограммы преобразования данных.:

pFunc = PyObject_GetAttrString(pModule, argv2]);
/* pFunc - это новая ссылка */

if (pFunc && PyCallable_Check(pFunc)) {
    ...
}
Py_XDECREF(pFunc);

После загрузки сценария имя, которое мы ищем, извлекается с помощью .
Если имя существует и возвращенный объект вызывается, можно смело предположить,
что это функция. Затем программа выполняет построение кортежа аргументов в
обычном режиме. Вызов функции Python затем выполняется с:

pValue = PyObject_CallObject(pFunc, pArgs);

Специальные конфигурации Python

Вот некоторые из чрезвычайно полезных плагинов для повышения производительности Python:

Сценарий.

Пакет Script предназначен для отображения документа, связанного со всеми деталями других пакетов, такими как ярлыки, команды и многое другое. Мы всегда можем изменить эти ярлыки по умолчанию, если нам неудобно, перейдя на вкладку кода просмотра, в которой хранится папка раскладок. Затем мы должны открыть файл script.cson и обновить его в соответствии с настройками.

Например, мы изменили ярлык на Ctrl + R. После завершения обработки обновления закройте все окна и перезапустите Atom IDE. После перезапуска мы можем использовать скрипт Python, используя настроенный ярлык, и внизу также появится окно вывода. Но мы также можем настроить это поле вывода, как показано ниже.

В меню «Файл» выберите «Настройки» и перейдите на вкладку «Темы». Ссылка для настройки таблицы стилей видна вверху. Эта ссылка приведет нас к таблице стилей. После открытия таблицы стилей вставьте следующий фрагмент кода, чтобы увеличить размер шрифта консоли скрипта.

 
.script-view .line{ 
font-size: 20px; 
} 

Пакет значков-atom-файла.

Пакет atom-file-icons используется для вставки значков, ведущих к файлам в древовидной структуре, как показано ниже.

Перед установкой пакета atom-file-icons

После установки пакета atom-file-icons

Пакет автозаполнение-python.

Пакет autocomplete-python отображает окно предложений относительно того, что может произвести впечатление, когда мы достигаем определенной точки при написании кода.

Flake.

Flake действует как линтер Python, используемый для поиска ошибок в скрипте и их всех. Мы можем включить пакет flake, установив flake8, используя следующую команду в командной оболочке или терминале:

 
$ pip install flake8 

После завершения установки мы увидим небольшой значок в нижнем левом углу Atom IDE. Этот значок отобразит список ошибок, обнаруженных во время записи.

python-autopep8.

Пакет python-autopep8 используется для форматирования кода. Мы можем включить его в настройках плагина autopep8, установив флажок «Форматировать» в параметре «Сохранить».

Теперь давайте разберемся с выполнением кода Python в Atom IDE.

#9: Выберите свое собственное приключение

Если вам больше по духу повествование, то у вас все еще масса инструментов, чтобы создать нечто крутое в Python.Язык очень прост для написания, что делает его идеальной средой для разработки интерактивного чтива. С этим бесплатным руководством, вы сможете пошагово ознакомиться с написанием текстовых игр в Python.

Руководство подразумевает базовое понимание программирования в Python, и помогает проложить мост между тем, что вы уже знаете и неизведанными землями для построения приложения.

Если вы хотите, чтобы ваша история вышла на новый уровень, вы можете использовать движок, вроде RenPy, чтобы добавить звуки и изображения в вашу игру, создав визуальную новеллу с полным погружением. (После этого, вы можете выложить игру в Steam и посмотреть, как она расходится! Лучший способ получить отзыв о вашей работе – создать собственный релиз на мировом рынке.)

Установка через Debian package

Программные пакеты могут распространяться и не через репозитории. Например, они могут быть доступны на сайтах разработчиков. В таком случае, пакет можно скачать и воспользоваться утилитой dpkg (debian package) для установки. При использовании dpkg не происходит автоматическое отслеживание зависимостей и скачивание дополнительных пакетов. В случае нехватки каких-либо программ или библиотек установка завершится ошибкой с указанием списка отсутствующих пакетов. Их придется установить отдельно, например, через apt-get, если они присутствуют в подключенных репозиториях, либо скачивать с сайтов разработчиков и устанавливать в нужном порядке через dpkg.

Для примера скачаем из системного репозитория установочный пакет веб-сервера Nginx командой:

и попробуем установить через dpkg –i имя_файла.deb:

В результате система выдает ошибку с перечнем отсутствующих пакетов:

Скриншот №4. Ошибка с перечнем отсутствующих пакетов

Основные опции dpkg:

• dpkg –i имя_файла.deb — установка пакета; в качестве параметра указывается полное имя файла;
• dpkg –r имя_пакета — удаление ранее установленного пакета;
• dpkg –l — выведение списка установленных в системе пакетов.

Заключение

В этой статье мы рассказали нашим читателям об использовании языка программирования Python и подробно изложили два способа установки последней версии Python для ОС Linux (на Ubuntu 20, Debian 10, CentOS 7 и 8). Также дали основные понятия о работе с виртуальной средой.

Надеемся, что данный материал будет интересен, как начинающим программистам на Python, так и более опытным специалистам, которые планируют расширить свои познания в области программирования и настройки ОС. Специалисты компании FREEhost.UA всегда помогут вам с инсталляцией и настройкой различных программных решений для VPS.