Python istnieje już ponad 25 lat. Nie jest trudnym językiem i oferuje ogromne możliwości. Tworzenie dobrych programów w Pythonie wymaga jednak od programistów dużych umiejętności. Cykl rozwoju oprogramowania jest pełen pułapek nieznanych początkującym koderom. Mimo to w podręcznikach Pythona niewiele uwagi poświęca się debugowaniu i testowaniu, a przecież etapy te mają kluczowe znaczenie dla jakości kodu i funkcjonalności tworzonego oprogramowania.

Ta książka uczyni Cię lepszym programistą! Dzięki przedstawionym tu podstawowym praktykom stosowanym przez najbardziej profesjonalnych programistów Pythona będziesz tworzył doskonalszy kod. Zoptymalizujesz z nimi procesy debugowania programów, pisania automatycznych testów i utrzymywania oprogramowania bez nadmiernego wysiłku. Przedstawione tu techniki będą szczególnie przydatne dla programistów zajmujących się analizą danych, tworzeniem stron internetowych oraz rozwijaniem oprogramowania naukowego.

Najważniejsze zagadnienia przedstawione w książce:

• błędy semantyczne i wyjątki,
• sposoby eliminacji błędów i narzędzia do debugowania,
• zasady i techniki testowania aplikacji,
• mocne i słabe strony testów automatycznych,
• mechanizm kontroli wersji,
• kontrola typów i sporządzanie dokumentacji.

Ty też możesz programować w Pythonie!

Dr Kristian Rother zajmuje się programowaniem od wczesnego dzieciństwa. Jest również specjalistą w dziedzinie bioinformatyki: prowadził badania struktur 3D białek i RNA na Uniwersytecie Humboldta w Berlinie. Przez wiele lat doskonalił swoje umiejętności nauczania, a obecnie pracuje w Berlinie jako profesjonalny trener. Prowadzi szkolenia z programowania w Pythonie, uczy biochemii, statystyki, testowania aplikacji internetowych, wyszukiwarek, wygłasza prezentacje.

Osoby które kupowały "Python dla profesjonalistów. Debugowanie, testowanie i utrzymywanie kodu", wybierały także:

• Receptura na Python. Kurs Video. 54 praktyczne porady dla programist 199,00 zł, (59,70 zł -70%)
• Złam ten kod z Pythonem. Jak tworzyć, testować i łamać szyfry 86,77 zł, (26,90 zł -69%)
• NLP. Kurs video. Analiza danych tekstowych w j 149,00 zł, (59,60 zł -60%)
• Web scraping w Data Science. Kurs video. Uczenie maszynowe i architektura splotowych sieci neuronowych 179,00 zł, (71,60 zł -60%)
• Python dla administrator 179,00 zł, (71,60 zł -60%)

Spis treści

Python dla profesjonalistów. Debugowanie, testowanie i utrzymywanie kodu -- spis treści

• O autorze
• O recenzencie technicznym
• Podziękowania
• Przedmowa
• Rozdział 1 Wprowadzenie
  • Lekcja pokory
  • Najlepsze praktyki w Pythonie
  • Pochodzenie najlepszych praktyk
    • Hacking
    • Inżynieria programowania
    • Agile
    • Software Craftsmanship
  • Dla kogo jest ta książka?
  • O czym jest ta książka?
    • Część I. Debugowanie
    • Część II. Automatyczne testowanie
    • Część III. Utrzymanie
    • Dalsze korzyści
  • Gra MazeRun
  • Jak korzystać z tej książki?
    • Instalacja Pythona 3
    • Instalacja biblioteki Pygame
    • Instalacja edytora tekstu
    • Pobranie kodu źródłowego przykładów
• Część I Debugowanie
• Rozdział 2 Wyjątki w Pythonie
  • Wyjątki są defektami, o których istnieniu wiemy
  • Czytanie kodu
    • Błędy typu SyntaxError
    • Najlepsze praktyki debugowania wyjątków SyntaxError
  • Analiza komunikatów o błędach
    • Typ błędu
    • Opis błędu
    • Ślad
    • Dedukcja
  • Przechwytywanie wyjątków
    • Najlepsze praktyki debugowania wyjątków IOError
  • Błędy i defekty
    • Skąd się biorą defekty?
  • Poprawny kod
  • Najlepsze praktyki
• Rozdział 3 Błędy semantyczne w Pythonie
  • Porównywanie rzeczywistych danych wyjściowych z oczekiwanymi
    • Defekty
  • Defekty przypisania zmiennych
    • Wielokrotne inicjowanie
    • Przypadkowe przypisanie
    • Przypadkowe porównania
    • Nieprawidłowe zmienne w wyrażeniu
    • Przestawione literały w wyrażeniu
  • Defekty indeksowania
    • Tworzenie nieprawidłowych indeksów
    • Użycie nieprawidłowych indeksów
  • Defekty w instrukcjach przepływu sterowania
    • Defekty w wyrażeniach logicznych
    • Defekty związane z wcięciami
  • Defekty w używaniu funkcji
    • Pomijanie wywołania funkcji
    • Brak instrukcji return
    • Brak przechowywania zwracanej wartości
  • Propagacja błędów
  • Najlepsze praktyki
• Rozdział 4 Debugowanie metodą naukową
  • Stosowanie metody naukowej
  • Odtwarzanie błędu
  • Automatyzowanie błędu
  • Izolowanie defektu
    • Strategia rozbierania
    • Strategia wyszukiwania binarnego
  • Uzyskiwanie pomocy
    • Czas na przerwę
    • Wyjaśnij problem komuś innemu
    • Programowanie w parach
    • Przeglądy kodu
    • Czytanie
  • Sprzątanie
  • Metoda naukowa i inne najlepsze praktyki
  • Najlepsze praktyki
• Rozdział 5 Debugowanie za pomocą instrukcji print
  • Diagnozowanie, czy kod był uruchamiany
  • Wyświetlanie zawartości zmiennych
    • Estetyczne wyświetlanie struktur danych
  • Upraszczanie danych wejściowych
    • Zacznij od minimalnego wejścia
    • Stopniowe dodawanie większej ilości danych wejściowych
  • Włączanie i wyłączanie wyświetlania wyjścia
  • Kompletny kod
  • Plusy i minusy używania instrukcji print
  • Najlepsze praktyki
• Rozdział 6 Debugowanie z funkcjami introspekcji
  • Kodowanie eksploracyjne w IPythonie
    • Eksploracja plików i katalogów
    • Przegląd poleceń powłoki IPythona
  • Odkrywanie przestrzeni nazw
    • Eksploracja przestrzeni nazw za pomocą polecenia dir()
    • Eksploracja przestrzeni nazw obiektów
    • Eksploracja atrybutów w programie Pythona
    • Alternatywy instrukcji dir w IPythonie
  • Mechanika przestrzeni nazw
    • Python używa przestrzeni nazw dla własnych funkcji
    • Modyfikowanie przestrzeni nazw
    • Przestrzenie nazw i zasięg lokalny
    • Przestrzenie nazw są podstawową właściwością Pythona
  • Używanie samodokumentujących się obiektów
    • Dostęp do ciągów dokumentacyjnych za pomocą instrukcji help()
    • Opisy obiektów w IPythonie
  • Analizowanie typów obiektów
    • Sprawdzanie tożsamości obiektu
    • Sprawdzanie egzemplarzy i podklas
  • Praktyczne wykorzystanie introspekcji
    • Znajdowanie literówek za pomocą introspekcji
    • Łączenie funkcji introspekcji
    • Introspekcja w dużych i małych programach
  • Najlepsze praktyki
• Rozdział 7 Korzystanie z interaktywnego debugera
  • Interaktywny debuger ipdb
    • Instalowanie ipdb
  • Uruchamianie debugera
    • Uruchamianie ipdb z wiersza polecenia
    • Uruchamianie ipdb z poziomu programu
    • Debugowanie post mortem
    • Uruchamianie debugera w odpowiedzi na wyjątki
    • Naprawa defektu
  • Komendy w wierszu poleceń debugera
    • Inspekcja zmiennych
    • Ocena wartości wyrażeń Pythona
    • Krokowe uruchamianie kodu
    • Wznawianie działania programu
  • Używanie pułapek
    • Przeglądanie i usuwanie pułapek
    • Pułapki warunkowe
  • Konfigurowanie ipdb
  • Przykład sesji ipdb
    • Dodawanie funkcji sterowania grą
    • Krokowe uruchamianie kodu
    • Usuwanie defektu
    • To działa!
    • Czy teraz program nie ma defektów?
  • Inne narzędzia do debugowania
    • pdb debuger Pythona
    • Środowisko IDE PyCharm
    • ipdbplugin
    • pudb
    • wdb
    • Pasek narzędzi Django Debug
    • cProfile
  • Najlepsze praktyki
• Część II Automatyczne testowanie
• Rozdział 8 Pisanie automatycznych testów
  • Instalacja frameworka py.test
  • Pisanie funkcji testowej
    • Uruchamianie testów
    • Pisanie testu, który nie przechodzi
    • Spraw, aby test przeszedł
    • Testy pomyślne a testy niepomyślne
  • Pisanie oddzielnych funkcji testowych
  • Asercje dostarczają przydatnych danych wyjściowych
  • Testowanie występowania wyjątków
  • Przypadki brzegowe
    • Złożone przypadki brzegowe
  • Korzyści wynikające z automatycznego testowania
  • Inne frameworki testowe w Pythonie
    • unittest
    • nose
    • doctest
    • Pisanie bloku __main__
  • Najlepsze praktyki
• Rozdział 9 Organizowanie danych testowych
  • Używanie fikstur
    • Parametr scope
  • Parametryzacja testów
    • Wiele parametrów
    • Fikstury z parametrami
  • Makiety
  • Testowanie plików wynikowych
    • Sprzątanie po testach
    • Używanie plików tymczasowych
    • Porównywanie plików wynikowych z danymi testowymi
      • Moduł filecmp
      • Moduł difflib
    • Najlepsze praktyki testowania dużych plików
  • Generowanie losowych danych testowych
  • Gdzie przechowywać dane testowe?
    • Moduły danych testowych
    • Katalogi danych testowych
    • Bazy danych testowych
  • Najlepsze praktyki
• Rozdział 10 Pisanie zestawu testów
  • Moduły testowe
  • Klasy testów
    • Refaktoryzacja funkcji testowych
    • Fikstury w klasach testowych
  • W jaki sposób testy znajdują testowany kod?
  • Wiele pakietów testowych
  • Automatyczne wykrywanie testów
  • Uruchamianie zestawu testów
    • Częściowe uruchomienie
      • Uruchamianie modułów i pakietów testowych
      • Uruchamianie klas testowych
      • Uruchamianie pojedynczych testów
        • Wybieranie testów za pomocą słów kluczowych
      • Analiza testów zakończonych niepowodzeniem
      • Ponowne uruchamianie testów
  • Obliczanie pokrycia testami
    • Zestaw testów wymaga utrzymania
  • Najlepsze praktyki
• Rozdział 11 Najlepsze praktyki testowania
  • Rodzaje automatycznych testów
    • Testy jednostkowe
    • Testy integracyjne
    • Testy akceptacyjne
    • Testy regresji
    • Testy wydajności
    • Optymalizacja wydajności
  • Podejście najpierw test
    • Pisanie testów według specyfikacji
    • Pisanie testów według defektów
    • Rozwój oprogramowania sterowany testami (TDD)
  • Zalety automatycznego testowania
    • Testowanie oszczędza czas
    • Testowanie dodaje precyzji
    • Dzięki testowaniu współpraca staje się łatwiejsza
  • Ograniczenia automatycznego testowania
    • Testowanie wymaga sprawdzalnego kodu
    • Testowanie nie działa dobrze w przypadku projektów, które szybko się zmieniają
    • Testowanie nie udowadnia poprawności
  • Programy trudne do testowania
    • Liczby losowe
    • Graficzne interfejsy użytkownika
    • Dane wyjściowe złożone lub o dużej objętości
    • Współbieżność
    • Sytuacje, gdy automatyczne testy zawodzą
  • Inne możliwości dla automatycznego testowania
    • Tworzenie prototypów
    • Przeglądy kodu
    • Listy kontrolne
    • Procesy promujące poprawność
    • Wnioski
  • Najlepsze praktyki
• Część III Utrzymanie
• Rozdział 12 Kontrola wersji
  • Wprowadzenie do pracy z systemem git
    • Tworzenie repozytorium
    • Dodawanie plików do repozytorium
    • Śledzenie zmian w plikach
    • Przenoszenie i usuwanie plików
    • Odrzucanie zmian
  • Przeglądanie historii kodu
    • Pobieranie starszych commitów
    • Powrót do najświeższego commita
  • Publikowanie kodu w serwisie GitHub
    • Rozpoczynanie projektu w serwisie GitHub
    • Korzystanie z serwisu GitHub z pozycji pojedynczego programisty
    • Praca w projektach rozpoczętych przez innych
    • Projekty z wieloma programistami
    • Scalanie zmian wprowadzonych przez dwie osoby
    • Żądania pobrania
  • Korzystanie z gałęzi
    • Scalanie gałęzi
  • Konfigurowanie systemu git
    • Ignorowanie plików
    • Ustawienia globalne
  • Przykłady użycia
    • Dwadzieścia znaków: mały projekt o małym ruchu
    • Python: wielki projekt z codziennymi commitami
    • grep: projekt długoterminowy
  • Inne systemy kontroli wersji
    • Mercurial
    • Subversion (SVN)
    • CVS (Concurrent Versions Software)
    • Bitbucket
    • Sourceforge
  • Najlepsze praktyki
• Rozdział 13 Konfigurowanie projektu w Pythonie
  • Tworzenie struktury projektu za pomocą narzędzia pyscaffold
    • Instalacja narzędzia pyscaffold
  • Typowe katalogi w projekcie Pythona
    • Katalogi utworzone przez pyscaffold
      • Główny katalog pakietu Pythona
      • Katalog tests/
      • Katalog docs/
      • Katalog .git/
    • Katalogi nieutworzone przez pyscaffold
      • Katalog bin/
      • Katalogi build/, dist/ i sdist/
      • Katalog .hg/
      • Katalogi danych
  • Pliki
    • Pliki utworzone przez pyscaffold
      • README.rst
      • setup.py
      • AUTHORS.rst
      • LICENSE.rst
      • MANIFEST.in
      • versioneer.py
      • requirements.txt
      • .coveragerc
      • .gitattributes i .gitignore
    • Pliki, które nie są tworzone przez pyscaffold
  • Ustawianie numerów wersji programu
  • Zarządzanie środowiskiem projektu Pythona za pomocą virtualenv
    • Instalacja narzędzia virtualenv
    • Podłączanie projektu do środowiska virtualenv
    • Praca z projektem virtualenv
    • Instalowanie pakietów w środowisku virtualenv
    • Opuszczanie sesji środowiska virtualenv
    • Konfigurowanie uruchamiania i dezaktywacji środowiska virtualenv
      • Ustawienie zmiennej PYTHONPATH
  • Instalowanie Pygame z virtualenv
  • Najlepsze praktyki
• Rozdział 14 Porządkowanie kodu
  • Kod zorganizowany i niezorganizowany
    • Entropia oprogramowania: przyczyny niezorganizowanego kodu
  • Jak rozpoznać niezorganizowany kod?
    • Czytelność
    • Niedoskonałości strukturalne
    • Redundancja
    • Słabości projektu
  • Porządkowanie instrukcji Pythona
    • Pogrupuj instrukcje importu
    • Pogrupuj stałe
    • Usuń niepotrzebne wiersze
    • Zastosuj opisowe nazwy zmiennych
    • Idiomatyczny kod Pythona
  • Refaktoryzacja
    • Wyodrębnianie funkcji
    • Tworzenie prostego interfejsu wiersza polecenia
    • Podział programów na moduły
  • Uporządkowany kod
  • PEP8 i pylint
    • Komunikaty ostrzegawcze
    • Ocena punktowa kodu
  • Zrób tak, żeby działało, zrób to dobrze, zrób tak, żeby działało szybko
    • Zrób tak, żeby działało
    • Zrób to dobrze
    • Zrób tak, żeby działało szybko
  • Przykłady dobrze zorganizowanego kodu
  • Najlepsze praktyki
• Rozdział 15 Dekompozycja zadań programistycznych
  • Dekompozycja zadań programowania jest trudna
  • Proces dekompozycji zadań programowania
  • Napisz historyjkę użytkownika
  • Dodaj szczegóły do opisu
    • Kryteria akceptacji
    • Opisy przypadków użycia
  • Sprawdź wymagania niefunkcjonalne
  • Identyfikowanie problemów
    • Niepełne informacje
    • Wiedza specjalistyczna
    • Zmiany istniejącego kodu
    • Przewidywanie przyszłych zmian
  • Wybór architektury
  • Identyfikowanie komponentów programu
  • Implementacja
  • Inne narzędzia planowania
    • Plan projektu na jednej stronie
    • Śledzenie spraw
    • Kanban
  • Najlepsze praktyki
• Rozdział 16 Statyczne typowanie w języku Python
  • Słabe strony dynamicznego typowania
    • Sygnatury funkcji
    • Granice wartości
    • Semantyczne znaczenie typów
    • Typy złożone
  • Czy w Pythonie jest możliwe silniejsze typowanie?
  • Asercje
  • NumPy
  • Bazy danych
  • Integracja kodu w języku C
  • Cython
  • Wskazówki typowania
    • mypy
  • Której metody kontroli typów używać?
  • Najlepsze praktyki
• Rozdział 17 Dokumentacja
  • Dla kogo piszemy dokumentację?
  • Sphinx: narzędzie do tworzenia dokumentacji dla języka Python
    • Konfigurowanie Sphinksa
    • Pliki utworzone przez program Sphinx
    • Tworzenie dokumentacji
      • Budowanie dokumentacji HTML
      • Budowanie dokumentacji PDF
      • Budowanie dokumentacji EPUB
  • Pisanie dokumentacji
    • Dyrektywy
    • Organizowanie dokumentów
    • Przykłady kodu
    • Generowanie dokumentacji na podstawie ciągów docstring
  • Testy dokumentacji
  • Konfigurowanie Sphinksa
    • Wpisy Todo
      • Tworzenie listy Todo
    • Budowanie warunkowe
    • Zmiana wyglądu i wrażenia
  • Jak napisać dobrą dokumentację?
    • Sekcje tekstu w dokumentacji technicznej
      • Streszczenie
      • Wymagania wstępne i instalacja
      • Pierwsze kroki
      • Receptury
      • Studia przypadków
      • Dokumentacja techniczna
      • Dokumentacja projektowa
      • Aspekty prawne
        • Przykłady dobrej dokumentacji
  • Inne narzędzia do tworzenia dokumentacji
    • MkDocs
    • Notatniki Jupyter
    • GitBook
    • Read the Docs
    • pydoc
    • S5
    • pygments
    • doctest
    • PyPDF2
    • pandoc
  • Najlepsze praktyki