W porównaniu z innymi językami programowania Python wyróżnia się prostotą i zaskakującymi możliwościami. Używa się go do analizy danych, budowania sztucznej inteligencji, tworzenia stron WWW, jak również w badaniach naukowych. Właściwości tego języka sprawiają, że kod trzeba pisać uważnie, szczególnie w dużych projektach. Tymczasem trudno jest znaleźć odpowiednio dobre źródło informacji o sposobach tworzenia kodu wysokiej jakości. Publikacje dotyczące dobrych praktyk kodowania w Pythonie są nieliczne, a ich jakość nieraz pozostawia wiele do życzenia. Dodatkowy problem wynika z wszechstronności Pythona: jest wykorzystywany w wielu dziedzinach i trudno wskazać wspólne dla nich wzorce programistyczne.

Ta książka jest znakomitym przewodnikiem, dzięki któremu zaczniesz tworzyć wydajne i bezbłędne aplikacje w Pythonie. Zaczniesz od formatowania i dokumentowania kodu, umiejętnego stosowania wbudowanych struktur, stosowania modułów i metaklas. W ten sposób nauczysz się pisać uporządkowany kod. Potem poznasz nowe funkcjonalności języka Python i dowiesz się, jak efektywnie z nich korzystać. Następnie dowiesz się, jak wykorzystywać zaawansowane cechy języka, takie jak programowanie asynchroniczne, określanie typów danych i obsługa ścieżek, a także jak diagnozować kod, wykonywać testy jednostkowe i integracyjne oraz przygotowywać kod do uruchomienia w środowisku produkcyjnym. Na końcu poznasz najważniejsze narzędzia przeznaczone do szybkiego tworzenia kodu, zarządzania jego wersjami i weryfikowania poprawności.

W tej książce między innymi:

• właściwe wykorzystywanie wyrażeń i instrukcji
• tworzenie własnych słowników
• zaawansowane struktury danych
• pisanie najlepszych modułów, klas i funkcji
• asynchroniczne wywoływanie funkcji

Python: kodowanie jest sztuką!

Osoby które kupowały "Czysty kod w Pythonie", wybierały także:

• Learn Python Programming 299,00 zł, (29,90 zł -90%)
• Think Stats. 3rd Edition 249,17 zł, (29,90 zł -88%)
• Python for Finance. Mastering Data-Driven Finance. 2nd Edition 249,17 zł, (29,90 zł -88%)
• Blueprints for Text Analytics Using Python 230,00 zł, (29,90 zł -87%)
• Practical Statistics for Data Scientists. 50+ Essential Concepts Using R and Python. 2nd Edition 230,00 zł, (29,90 zł -87%)

Spis treści

Czysty kod w Pythonie eBook -- spis treści

O autorze 7

O korektorze merytorycznym 8

Podziękowania 9

Wprowadzenie 11

Rozdział 1. Kodowanie pythoniczne 13

• Tworzenie pythonicznego kodu 13
  
  • Nazewnictwo 14
  • Wyrażenia i instrukcje 16
  • Pythoniczny styl kodowania 19
• Komentarze dokumentacyjne 24
  
  • Komentarze dokumentacyjne do modułów 26
  • Komentarze dokumentacyjne do klas 26
  • Komentarze dokumentacyjne do funkcji 27
  • Przydatne narzędzia dokumentacyjne 28
• Pythoniczne struktury sterujące 28
  
  • Wyrażenia listowe 28
  • Nie twórz skomplikowanych wyrażeń listowych 29
  • Kiedy stosować wyrażenia lambda? 31
  • Kiedy stosować generatory, a kiedy wyrażenia listowe? 31
  • Dlaczego nie należy stosować instrukcji else w pętlach? 32
  • Dlaczego warto stosować funkcję range() w języku Python 3? 34
• Zgłaszanie wyjątków 35
  
  • Często zgłaszane wyjątki 36
  • Obsługuj wyjątki za pomocą instrukcji finally 37
  • Twórz własne klasy wyjątków 37
  • Obsługuj konkretne wyjątki 39
  • Zwracaj uwagę na zewnętrzne wyjątki 40
  • Twórz jak najmniejsze bloki try 41
• Podsumowanie 42

Rozdział 2. Struktury danych 43

• Popularne struktury danych 43
  
  • Zbiory i wydajny kod 43
  • Przetwarzanie danych za pomocą struktury namedtuple 45
  • Typ str i znaki diakrytyczne 47
  • Zamiast list stosuj iteratory 48
  • Przetwarzaj listy za pomocą funkcji zip() 50
  • Wykorzystuj zalety wbudowanych funkcji 51
• Zalety słownika 53
  
  • Kiedy używać słownika zamiast innych struktur? 53
  • Kolekcje 53
  • Słowniki uporządkowany, domyślny i zwykły 56
  • Słownik jako odpowiednik instrukcji switch 57
  • Scalanie słowników 58
  • Czytelne wyświetlanie zawartości słownika 59
• Podsumowanie 60

Rozdział 3. Jak pisać lepsze funkcje i klasy? 61

• Funkcje 61
  
  • Twórz małe funkcje 61
  • Twórz generatory 63
  • Używaj wyjątku zamiast wyniku None 64
  • Stosuj w argumentach klucze i wartości domyślne 65
  • Nie twórz funkcji jawnie zwracających wynik None 66
  • Krytycznie podchodź do tworzonych funkcji 68
  • Stosuj w wyrażeniach funkcje lambda 70
• Klasy 71
  
  • Jak duża powinna być klasa? 71
  • Struktura klasy 72
  • Właściwe użycie dekoratora @property 74
  • Kiedy należy stosować metody statyczne? 75
  • Dziedziczenie klas abstrakcyjnych 76
  • Odwołania do stanu klasy przy użyciu dekoratora @classmethod 77
  • Atrybuty publiczne zamiast prywatnych 78
• Podsumowanie 79

Rozdział 4. Praca z modułami i metaklasami 81

• Moduły i metaklasy 81
• Porządkowanie kodu za pomocą modułów 82
• Zalety pliku __init__.py 84
• Importowanie funkcji i klas z modułów 86
  
  • Blokowanie importu całego modułu za pomocą metaklasy __all__ 87
• Kiedy stosować metaklasy? 88
• Weryfikowanie podklas za pomocą metody __new__() 89
• Dlaczego atrybut __slots__ jest tak przydatny? 91
• Modyfikowanie funkcjonowania klasy za pomocą metaklasy 93
• Deskryptory w języku Python 94
• Podsumowanie 96

Rozdział 5. Dekoratory i menedżery kontekstu 97

• Dekoratory 97
  
  • Czym są dekoratory i dlaczego są tak przydatne? 98
  • Korzystanie z dekoratorów 99
  • Modyfikowanie działania funkcji za pomocą dekoratorów 101
  • Stosowanie kilku dekoratorów jednocześnie 102
  • Dekorowanie funkcji z argumentami 103
  • Używaj dekoratorów z biblioteki 104
  • Dekoratory obsługujące stan klasy i weryfikujące poprawność danych 106
• Menedżery kontekstu 108
  
  • Zalety menedżerów kontekstu 108
  • Tworzenie menedżera kontekstu od podstaw 109
  • Tworzenie menedżera kontekstu za pomocą biblioteki contextlib 111
  • Praktyczne przykłady użycia menedżera kontekstu 111
• Podsumowanie 114

Rozdział 6. Generatory i iteratory 115

• Zalety generatorów i iteratorów 115
  
  • Iteratory 115
  • Generatory 117
  • Kiedy stosować iteratory? 118
  • Moduł itertools 119
  • Dlaczego generatory są tak przydatne? 121
  • Wyrażenia listowe i iteratory 122
• Zalety instrukcji yield 122
  
  • Instrukcja yield from 123
  • Instrukcja yield jest szybka 123
• Podsumowanie 124

Rozdział 7. Nowe funkcjonalności języka Python 125

• Programowanie asynchroniczne 125
  
  • Wprowadzenie do programowania asynchronicznego 126
  • Jak to działa? 128
  • Obiekty oczekiwalne 133
  • Biblioteki do tworzenia kodu asynchronicznego 139
• Python i typy danych 143
  
  • Typy danych w Pythonie 143
  • Moduł typing 144
  • Czy typy danych spowalniają kod? 145
  • Jak dzięki modułowi typing można pisać lepszy kod? 146
• Metoda super() 147
• Lepsza obsługa ścieżek dzięki bibliotece pathlib 147
• print() jest teraz funkcją 147
• f-ciągi 147
• Obowiązkowe argumenty pozycyjne 148
• Kontrolowana kolejność elementów w słownikach 148
• Iteracyjne rozpakowywanie struktur 149
• Podsumowanie 149

Rozdział 8. Diagnostyka i testy kodu 151

• Diagnostyka 151
  
  • Narzędzia diagnostyczne 152
  • Funkcja breakpoint() 155
  • Moduł logging zamiast funkcji print() 155
  • Identyfikowanie słabych punktów kodu za pomocą metryk 159
  • Do czego przydaje się środowisko IPython? 159
• Testy 161
  
  • Dlaczego testowanie kodu jest ważne? 161
  • Biblioteki pytest i unittest 161
  • Testowanie oparte na właściwościach 164
  • Tworzenie raportów z testów 165
  • Automatyzacja testów jednostkowych 166
  • Przygotowanie kodu do uruchomienia w środowisku produkcyjnym 166
  • Sprawdzanie pokrycia kodu testami 167
  • Program virtualenv 168
• Podsumowanie 169

Dodatek. Niezwykłe narzędzia dla języka Python 171

• Sphinx 171
• Coverage.py 172
• pre-commit 173
• Pyenv 173
• Jupyter Lab 174
• Pycharm/VSCode/Sublime 174
• Flake8 i Pylint 175