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

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

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

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。

---

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📝。