Python cechuje si

Zobacz także:

• GraphQL. Kurs video. Buduj nowoczesne API w Pythonie 169,00 zł, (50,70 zł -70%)
• Receptura na Python. Kurs Video. 54 praktyczne porady dla programist 199,00 zł, (59,70 zł -70%)
• Podstawy Pythona z Minecraftem. Kurs video. Piszemy pierwsze skrypty 149,00 zł, (44,70 zł -70%)
• Twórz gry w Pythonie. Kurs video. Poznaj bibliotekę PyGame 249,00 zł, (74,70 zł -70%)
• Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego 199,00 zł, (59,70 zł -70%)

Spis treści

Profesjonalne programowanie w Pythonie. Poznaj najlepsze praktyki kodowania i zaawansowane koncepcje programowania. Wydanie IV -- spis treści

O autorach

O recenzencie

Przedmowa

Rozdział 1. Aktualny stan Pythona

• Gdzie jesteśmy i dokąd zmierzamy?
• Co zrobić z kodem w Pythonie 2?
• Jak być na bieżąco?
  • Dokumenty PEP
  • Aktywne społeczności
  • Inne źródła informacji
• Podsumowanie

Rozdział 2. Nowoczesne środowiska programistyczne Pythona

• Wymagania techniczne
• Ekosystem pakietów Pythona
  • Instalowanie pakietów Pythona za pomocą narzędzia pip
• Izolowanie środowiska uruchomieniowego
  • Izolacja na poziomie aplikacji a izolacja na poziomie systemu
• Izolacja środowiska na poziomie aplikacji
  • Poetry jako system zarządzania zależnościami
• Izolacja środowiska na poziomie systemu
  • Konteneryzacja a wirtualizacja
  • Zarządzanie środowiskami wirtualnymi z użyciem Dockera
  • Wirtualne środowiska programistyczne oparte na narzędziu Vagrant
• Popularne narzędzia do zwiększania produktywności
  • Niestandardowe powłoki Pythona
  • Stosowanie powłoki IPython
  • Stosowanie powłok we własnych skryptach i programach
  • Interaktywne debugery
  • Inne narzędzia do zwiększania produktywności
• Podsumowanie

Rozdział 3. Nowości w Pythonie

• Wymagania techniczne
• Niedawne dodatki do języka
  • Operatory scalania i aktualizacji słownika
  • Wyrażenia przypisania
  • Wskazówki dotyczące typów w typach generycznych
  • Parametry czysto pozycyjne
  • Moduł zoneinfo
  • Moduł graphlib
• Nie tak nowe, ale wciąż błyszczące
  • Funkcja breakpoint()
  • Tryb roboczy
  • Funkcje __getattr__() i __dir__() na poziomie modułu
  • Formatowanie łańcuchów znaków za pomocą obiektów f-string
  • Podkreślenia w literałach liczbowych
  • Moduł secrets
• Co może się pojawić w przyszłości?
  • Tworzenie sumy typów za pomocą operatora |
  • Strukturalne dopasowywanie wzorców
• Podsumowanie

Rozdział 4. Porównanie Pythona z innymi językami

• Wymagania techniczne
• Model klas i programowanie obiektowe
  • Dostęp do klas bazowych
  • Wielodziedziczenie i porządek MRO
  • Inicjalizowanie instancji klasy
  • Wzorce dostępu do atrybutów
  • Deskryptory
  • Właściwości
• Dynamiczny polimorfizm
  • Przeciążanie operatorów
  • Przeciążanie funkcji i metod
• Klasy danych
• Programowanie funkcyjne
  • Funkcje lambda
  • Funkcje map(), filter() i reduce()
  • Obiekty i funkcje częściowe
  • Generatory
  • Wyrażenia generatora
  • Dekoratory
• Wyliczenia
• Podsumowanie

Rozdział 5. Interfejs, wzorce i modułowość

• Wymagania techniczne
• Interfejsy
  • Odrobina historii: zope.interface
  • Stosowanie adnotacji funkcji i abstrakcyjnych klas bazowych
  • Tworzenie interfejsów z wykorzystaniem adnotacji określających typ
• Odwrócenie sterowania i wstrzykiwanie zależności
  • Odwrócenie sterowania w aplikacjach
  • Stosowanie platform do wstrzykiwania zależności
• Podsumowanie

Rozdział 6. Współbieżność

• Wymagania techniczne
• Czym jest współbieżność?
• Wielowątkowość
  • Czym jest wielowątkowość?
  • Obsługa wątków w Pythonie
  • Kiedy należy stosować wielowątkowość?
  • Przykładowa aplikacja wielowątkowa
• Wieloprocesowość
  • Wbudowany moduł multiprocessing
  • Stosowanie puli procesów
  • Stosowanie modułu multiprocessing.dummy jako interfejsu do obsługi wielowątkowości
• Programowanie asynchroniczne
  • Kooperatywna wielozadaniowość i asynchroniczne operacje wejścia - wyjścia
  • Słowa kluczowe async i await w Pythonie
  • Praktyczny przykład zastosowania programowania asynchronicznego
  • Dostosowywanie nieasynchronicznego kodu do asynchroniczności za pomocą obiektów future
• Podsumowanie

Rozdział 7. Programowanie sterowane zdarzeniami

• Wymagania techniczne
• Czym dokładnie jest programowanie sterowane zdarzeniami?
  • Sterowanie zdarzeniami nie jest tożsame z asynchronicznością
  • Programowanie sterowane zdarzeniami w GUI
  • Komunikacja sterowana zdarzeniami
• Różne style programowania sterowanego zdarzeniami
  • Styl oparty na wywołaniach zwrotnych
  • Styl oparty na obserwowaniu obiektów
  • Styl oparty na tematach
• Architektury sterowane zdarzeniami
  • Kolejki zdarzeń i komunikatów
• Podsumowanie

Rozdział 8. Elementy metaprogramowania

• Wymagania techniczne
• Czym jest metaprogramowanie?
• Stosowanie dekoratorów do modyfikowania działania funkcji przed jej użyciem
  • Następny krok: dekoratory klas
• Przechwytywanie procesu tworzenia instancji klasy
• Metaklasy
  • Ogólna składnia
  • Stosowanie metaklas
  • Pułapki związane z metaklasami
  • Stosowanie metody __init_subclass__() jako alternatywy dla metaklas
• Generowanie kodu
  • Funkcje exec, eval i compile
  • Drzewa składni abstrakcyjnej
  • Haczyki importu
  • Ważne przykłady generowania kodu w Pythonie
• Podsumowanie

Rozdział 9. Łączenie Pythona z kodem w C i C++

• Wymagania techniczne
• C i C++ jako podstawa rozszerzalności w Pythonie
• Kompilowanie i wczytywanie w Pythonie rozszerzeń napisanych w C
• Kiedy należy używać rozszerzeń?
  • Zwiększanie wydajności kluczowych fragmentów kodu
  • Integrowanie istniejącego kodu napisanego w różnych językach
  • Integrowanie zewnętrznych bibliotek dynamicznych
  • Tworzenie wydajnych niestandardowych typów danych
• Pisanie rozszerzeń
  • Rozszerzenia w czystym C
  • Pisanie rozszerzeń za pomocą Cythona
• Wady korzystania z rozszerzeń
  • Dodatkowa złożoność
  • Trudniejsze debugowanie
• Komunikacja z bibliotekami dynamicznymi bez używania rozszerzeń
  • Moduł ctypes
  • CFFI
• Podsumowanie

Rozdział 10. Automatyzacja testów i kontroli jakości

• Wymagania techniczne
• Zasady programowania sterowanego testami
• Pisanie testów z użyciem platformy pytest
  • Parametryzacja testów
  • Konfiguracje testów w platformie pytest
  • Stosowanie "fałszywych" obiektów
  • Atrapy i moduł unittest.mock
• Automatyzacja kontroli jakości
  • Pokrycie kodu testami
  • Narzędzia do poprawiania stylu i lintery
  • Statyczna analiza typów
• Testowanie mutacyjne
• Przydatne narzędzia związane z testami
  • Generowanie realistycznych danych
  • Generowanie dat i czasu
• Podsumowanie

Rozdział 11. Tworzenie pakietów i udostępnianie kodu w Pythonie

• Wymagania techniczne
• Tworzenie pakietów bibliotek i ich udostępnianie
  • Budowa pakietu Pythona
  • Rodzaje dystrybucji pakietów
  • Rejestrowanie i publikowanie pakietów
  • Wersjonowanie pakietów i zarządzanie zależnościami
  • Instalowanie własnych pakietów
  • Pakiety przestrzeni nazw
  • Skrypty i punkty wejścia w pakietach
• Tworzenie pakietów aplikacji i usług do użytku w internecie
  • Manifest Twelve-Factor App
  • Korzystanie z Dockera
  • Zarządzanie zmiennymi środowiskowymi
  • Rola zmiennych środowiskowych w platformach do tworzenia aplikacji
• Tworzenie samodzielnych aplikacji wykonywalnych
  • Kiedy samodzielne aplikacje wykonywalne są przydatne?
  • Popularne narzędzia
  • Bezpieczeństwo kodu Pythona w pakietach wykonywalnych
• Podsumowanie

Rozdział 12. Monitorowanie pracy i wydajności aplikacji

• Wymagania techniczne
• Rejestrowanie błędów i logów
  • Podstawy rejestrowania logów w Pythonie
  • Zalecane praktyki z obszaru rejestrowania logów
  • Rozproszone rejestrowanie logów
  • Rejestrowanie błędów w celu ich późniejszej analizy
• Instrumentacja kodu z wykorzystaniem niestandardowych wskaźników
  • Stosowanie aplikacji Prometheus
• Śledzenie rozproszone aplikacji
  • Śledzenie rozproszone za pomocą Jaegera
• Podsumowanie

Rozdział 13. Optymalizacja kodu

• Wymagania techniczne
• Częste przyczyny niskiej wydajności
  • Złożoność kodu
  • Nadmierne wykorzystanie zasobów i ich wyciekanie
  • Nadmierna liczba operacji wejścia - wyjścia i operacji blokujących
• Profilowanie kodu
  • Profilowanie procesora
  • Profilowanie wykorzystania pamięci
• Zmniejszanie złożoności przez wybór odpowiednich struktur danych
  • Przeszukiwanie listy
  • Stosowanie zbiorów
  • Stosowanie modułu collections
• Architektoniczne kompromisy
  • Stosowanie heurystyk i algorytmów aproksymacyjnych
  • Stosowanie kolejek zadań i przetwarzania odroczonego
  • Stosowanie probabilistycznych struktur danych
  • Zapisywanie wyników w pamięci podręcznej
• Podsumowanie

Skorowidz