Python Lexikon: Dein Nachschlagewerk für Python-Begriffe

Tauche ein in die faszinierende Welt der Python-Programmierung und nutze unser Glossar, um dich schneller zurechtzufinden als je zuvor. Unser Glossar ist deine Geheimwaffe im Dschungel der Python-Begriffe. Stell es dir vor wie eine Schatzkarte, die dir den Weg zu jedem Konzept, Modul oder Befehl in Python zeigt. Es ist deine digitale Schatztruhe, randvoll mit Erklärungen und Definitionen, die dir das Leben als Pythonista erleichtern.

Wie funktioniert das Glossar

Die Navigation im PythonWorld Glossar ist kinderleicht. Wenn du etwas Bestimmtes suchst, nutze einfach das Suchfeld oben. Magst du es gemütlicher, dann klicke auf einen Buchstaben in der Navigationsleiste von A bis Z, um alle Python-Schätze unter diesem Buchstaben zu entdecken.

A

Abstract Base Class (Abstrakte Basisklasse)

Definition:

Eine Abstract Base Class (ABC) ist eine Klasse in Python, die dazu dient, eine gemeinsame Schnittstelle für eine Gruppe von verwandten Klassen zu definieren. Sie enthält oft abstrakte Methoden, die von den abgeleiteten Klassen implementiert werden müssen.

Kontext in Python:

ABCs werden verwendet, um sicherzustellen, dass bestimmte Methoden in den abgeleiteten Klassen vorhanden sind und in einem bestimmten Format implementiert werden. Sie sind hilfreich, um Code zu strukturieren und sicherzustellen, dass Klassen bestimmte Verhaltensweisen implementieren.

Beispiele:

1. Definition einer Abstract Base Class:

Python Code


  from abc import ABC, abstractmethod

  class Shape(ABC):
      @abstractmethod
      def area(self):
          pass
      
      @abstractmethod
      def perimeter(self):
          pass

2. Abgeleitete Klasse von einer Abstract Base Class:

Python Code


  class Circle(Shape):
      def __init__(self, radius):
          self.radius = radius
      
      def area(self):
          return 3.14 * self.radius * self.radius
      
      def perimeter(self):
          return 2 * 3.14 * self.radius

AIOHTTP

Definition:

'aiohttp' ist eine asynchrone HTTP-Bibliothek für Python, die auf 'asyncio' aufbaut. Sie wird hauptsächlich für asynchrone Webanfragen und als Webframework verwendet.

Kontext in Python:

Da 'aiohttp' asynchrone Operationen unterstützt, eignet es sich gut für I/O-intensive Aufgaben wie Web-Scraping, API-Anfragen und andere Netzwerkanwendungen.

Beispiele:

1. Asynchrone GET-Anfrage:

Python Code


  import aiohttp
  import asyncio

  async def fetch(session, url):
      async with session.get(url) as response:
          return await response.text()

  async def main():
      async with aiohttp.ClientSession() as session:
          html = await fetch(session, 'https://www.example.com')
          print(html)

  asyncio.run(main())

2. POST-Anfrage:

Python Code


  async def fetch_post(session, url, payload):
      async with session.post(url, data=payload) as response:
          return await response.json()

Algorithms

Definition:

Ein Algorithmus ist eine klar definierte, schrittweise Anleitung zur Lösung eines Problems oder zur Durchführung einer spezifischen Aufgabe. In der Programmierung werden Algorithmen verwendet, um Daten zu manipulieren, Ressourcen effizient einzusetzen und komplexe Aufgaben zu bewältigen.

Kontext in Python

Python bietet eine benutzerfreundliche Syntax und eine breite Palette an eingebauten Funktionen und Bibliotheken, die das Implementieren verschiedener Algorithmen vereinfachen. Ob es sich um Suchalgorithmen wie Binärsuche, Sortieralgorithmen wie Quicksort, oder komplexere Datenstrukturalgorithmen handelt – Python ist eine ausgezeichnete Wahl für die algorithmische Programmierung.

Beispiele

1. Sortierung: Der eingebaute 'sorted()'-Befehl in Python verwendet einen effizienten Sortieralgorithmus.

Python Code


  my_list = [3, 1, 4, 1, 5, 9]
  sorted_list = sorted(my_list)

2. Suche: Die index()-Methode führt eine lineare Suche durch.

Python Code


  element = 5
  index = my_list.index(element)

3. Rekursion: Der rekursive Algorithmus zur Berechnung der Fakultät einer Zahl.

Python Code


  def factorial(n):
    if n == 1:
        return 1
    else:
        return n * factorial(n-1)

Annotations

Definition:

Annotations in Python dienen zur Hinzufügung von Metadaten zu Codeelementen wie Variablen, Funktionen und Klassen. Sie sind besonders nützlich für Typ-Hinweise, die die Lesbarkeit und Wartbarkeit des Codes verbessern können. Annotations wurden in Python 3.0 eingeführt und sind seit Python 3.5 mit dem 'typing'-Modul für Typ-Hinweise besonders hilfreich.

Hauptmerkmale:

Typ-Hinweise: Erlauben die Angabe erwarteter Datentypen für Funktionenparameter und Rückgabewerte.

Dokumentation: Annotations können zusätzliche Informationen für Entwickler bereitstellen.

Flexibilität: Annotations sind nicht beschränkt auf Typ-Hinweise und können für benutzerdefinierte Metadaten verwendet werden.

Beispiele

1. Funktion mit Typ-Hinweisen:

Python Code


  def greet(name: str) -> str:
      return f"Hello, {name}"

2. Komplexe Typ-Hinweise mit 'typing'-Modul:

Python Code


 from typing import List, Tuple

  def calculate_stats(numbers: List[int]) -> Tuple[float, float]:
      mean = sum(numbers) / len(numbers)
      variance = sum((x - mean) ** 2 for x in numbers) / len(numbers)
    ^ return mean, variance

3. Benutzerdefinierte Annotations:

Python Code


  def my_function(x: 'special_argument') -> 'important_result':
      return x * 2

Associative Array (Assoziatives Array)

Definition:

Ein assoziatives Array, auch bekannt als Wörterbuch oder Dikt, ist eine Datenstruktur in Python, die Schlüssel-Wert-Paare speichert. In einem assoziativen Array ist jeder Wert mit einem eindeutigen Schlüssel verknüpft, der zur Abfrage und Aktualisierung des Werts verwendet wird.

Kontext in Python:

In Python wird die Datenstruktur, die assoziative Arrays repräsentiert, als "Dictionary" bezeichnet. Dictionaries ermöglichen den schnellen Zugriff auf Werte anhand ihrer Schlüssel und sind äußerst vielseitig in der Verwendung.

Beispiele:

1. Erstellen eines assoziativen Arrays (Dictionaries):

Python Code


  # Ein einfaches Wörterbuch erstellen
  person = {
      "Name": "John",
      "Alter": 30,
      "Stadt": "New York"
  }

2. Zugriff auf Werte in einem assoziativen Array:

Python Code


  # Zugriff auf den Wert mit dem Schlüssel "Name"
  name = person["Name"]

API (Application Programming Interface)

Definition:

API steht für Application Programming Interface und ist ein Satz von Regeln und Protokollen, die es verschiedenen Softwareanwendungen ermöglichen, miteinander zu kommunizieren. In der Python-Welt werden APIs oft verwendet, um auf Webdienste zuzugreifen oder Bibliotheken und Frameworks zu integrieren.

Hauptmerkmale:

Datenzugriff: Erlaubt das Abrufen von Daten von Webservern oder Datenbanken.

Funktionszugriff: Bietet eine Schnittstelle zu den Funktionen einer bestimmten Software oder Bibliothek.

Modularität: Ermöglicht es Entwicklern, auf bestimmte Funktionen einer Anwendung zuzugreifen, ohne den gesamten Code verstehen zu müssen.

Beispiele

1. Verwendung der Requests-Bibliothek für HTTP-Anfragen

Python Code


  import requests

  response = requests.get('https://api.example.com/data')
  data = response.json()

2. Zugriff auf Twitter-API

Python Code


  import tweepy

  api = tweepy.API(auth)
  public_tweets = api.home_timeline()

Array: Eigenschaften und Verwendung in Python

Definition:

Ein Array ist eine Sammlung von Elementen, die denselben Datentyp haben und in einer festgelegten Reihenfolge gespeichert sind. In Python werden Arrays vorrangig durch Listen repräsentiert, es gibt jedoch auch spezialisierte Bibliotheken wie NumPy, die effizientere Array-Implementierungen bieten.

Eigenschaften:

Gleicher Datentyp: Alle Elemente eines Arrays müssen denselben Datentyp haben.

Indexierung: Die Elemente können über einen Index, der bei 0 beginnt, zugegriffen werden.

Feste Größe: Die Größe eines Arrays ist bei der Erstellung festgelegt, kann jedoch mit speziellen Funktionen geändert werden.

Anwendung in Python

1. Python-ListenDer einfachste Weg, ein Array zu verwenden.

Python Code


 my_list = [1, 2, 3]

2. NumPy-ArraysVerwendet für wissenschaftliche Berechnungen.

Python Code


  import numpy as np
  my_array = np.array([1, 2, 3])

3. array-ModulEin eingebautes Modul für die Erstellung von Arrays.

Python Code


  from array import array
  my_array = array('i', [1, 2, 3])

Array Reshaping in Python

Definition:

Das Array Reshaping bezieht sich auf die Umgestaltung der Struktur eines Arrays, ohne dabei die tatsächlichen Daten zu ändern. Mit dieser Technik können Sie die Dimensionen eines bestehenden Arrays ändern, wobei die Gesamtanzahl der Elemente gleich bleibt. Dies ist vor allem in Bereichen wie der Datenanalyse und dem Maschinenlernen von Bedeutung.

Merkmale:

Formanpassung: Mit Reshaping können Sie die "Form" eines Arrays ändern. Dies ist beispielsweise bei der Umwandlung eines eindimensionalen Arrays in ein zweidimensionales Array hilfreich.

Erhalt der Daten: Beim Reshaping bleibt die Gesamtanzahl der Elemente im Array gleich, und die Daten werden nicht verändert.

Anwendung in Python

Die Standard-Python-Bibliothek bietet nur begrenzte Möglichkeiten für das Reshaping von Arrays. Bibliotheken wie NumPy unterstützen jedoch eine Vielzahl von Funktionen für das Reshaping.

Python Code


  # Beispiel mit NumPy
  import numpy as np
  array = np.array([1, 2, 3, 4, 5, 6])
  reshaped_array = array.reshape(2, 3)  # Ändert die Form zu 2 Zeilen und 3 Spalten

Array Slicing in Python

Definition:

Array Slicing ist ein Konzept in Python, das es ermöglicht, Teile eines Arrays oder einer Liste auszuschneiden. Mit anderen Worten, durch Slicing kann man eine Untermenge von Elementen extrahieren.

Eigenschaften:

Einfache Syntax: Die Slicing-Syntax ist einfach zu verwenden und zu verstehen, typischerweise im Format '[start:stop:step]'.

Flexibilität: Man kann Start-, Stopp- und Schrittgröße bestimmen, um die geschnittenen Teile nach Bedarf anzupassen.

Negatives Indexing: Slicing unterstützt auch negatives Indexing, um die Elemente von hinten zu zählen.

Anwendung in Python

In Python könnten Sie ein Array oder eine Liste wie folgt slicen:

Python Code


  my_array = [0, 1, 2, 3, 4, 5]
  sliced_array = my_array[1:4]  # Ergebnis wäre [1, 2, 3]

Beispiele

Eindimensionales Array Bei einer eindimensionalen Liste oder einem Array kann man einfach einen Bereich von Indizes angeben.

Mit Schrittgröße: Zum Beispiel 'my_array[::2]' würde jedes zweite Element auswählen.

Argparse (Argument Parser)

Definition:

'argparse' ist eine Standardbibliothek in Python für das Parsen von Befehlszeilenoptionen, -argumenten und -unterbefehlen. Es bietet eine einfache Möglichkeit, benutzerfreundliche Befehlszeilenschnittstellen zu erstellen und macht es einfach, Fehlermeldungen oder Hilfetexte zu generieren.

Hauptmerkmale:

Flexibilität: Unterstützt Positional Arguments, Optional Arguments und sogar kompliziertere Use-Cases wie Argument-Gruppen oder exklusive Argumente.

Automatische Hilfsgenerierung: Erstellt automatisch gut formatierte und beschreibende Hilfe- und Fehlermeldungen.

Erweiterbarkeit: Man kann eigene Aktionen und Datentypen definieren.

Beispiele

1. Einfache Befehlszeilen-App mit 'argparse'

Python Code


  import argparse

  parser = argparse.ArgumentParser(description='My App')
  parser.add_argument('integers', metavar='N', type=int, nargs='+',
                      help='Integers to sum')
  parser.add_argument('--sum', dest='accumulate', action='store_const',
                      const=sum, default=max,
                      help='Sum the integers (default: find the max)')

  args = parser.parse_args()
  print(args.accumulate(args.integers))

2. Optionale Argumente hinzufügen

Python Code


  parser.add_argument('-f', '--file', help='The file to process')

Arithmetic (Arithmetik)

Definition:

In Python bezieht sich die Arithmetik auf die grundlegenden mathematischen Operationen, die mit Zahlen durchgeführt werden können. Diese schließen Addition, Subtraktion, Multiplikation, Division und weitere ein.

Hauptmerkmale:

Grundoperationen: Einfache arithmetische Operationen wie '+', '-', '*', '/'.

Modulo-Operation: Der '%'-Operator gibt den Rest einer Division zurück.

Potenzierung: Der '**'-Operator wird zur Potenzierung verwendet.

Beispiele

1. Addition und Subtraktion

Python Code


  a = 5 + 3  # Ergebnis ist 8
  b = 5 - 3  # Ergebnis ist 2

2. Multiplikation und Division

Python Code


  c = 5 * 3  # Ergebnis ist 15
  d = 5 / 3  // Ergebnis ist 1.6667...

3. Modulo und Potenzierung

Python Code


  e = 5 % 3  # Ergebnis ist 2
  f = 5 ** 3  # Ergebnis ist 125

Argument (Argument)

Definition:

Ein Argument ist ein Wert oder eine Variable, die an eine Funktion oder Methode übergeben wird, wenn sie aufgerufen wird. Argumente dienen dazu, Daten oder Informationen an eine Funktion zu übergeben, damit diese mit diesen Daten arbeiten kann.

Kontext in Python:

In Python werden Funktionen und Methoden häufig mit Argumenten aufgerufen. Diese Argumente werden innerhalb der Funktion verwendet, um Berechnungen durchzuführen, Ergebnisse zurückzugeben oder andere Aktionen auszuführen.

Beispiele:

1. Funktion mit einem Argument:

Python Code


  def greet(name):
      print("Hallo, " + name + "!")
  
  greet("Sascha")

2. Funktion mit mehreren Argumenten:

Python Code


  def add(x, y):
      return x + y
  
  result = add(5, 3)
  print(result)

AST (Abstract Syntax Tree)

Definition:

Ein Abstract Syntax Tree (AST) ist eine hierarchische, baumförmige Repräsentation der Struktur eines Quellprogramms. Er wird in der Analysephase eines Compilers erzeugt und dient als Zwischenstufe für weitere Verarbeitungen des Codes.

Kontext in Python

In Python ist der AST über das eingebaute Modul ast zugänglich. Es ermöglicht die Manipulation und Analyse des Baumes für verschiedene Anwendungen wie Code-Generierung oder statische Code-Analyse.

Beispiele

Python Code


# Beispiel für die Erzeugung eines AST in Python
import ast

source_code = 'print("Hello, World!")'
tree = ast.parse(source_code)

Async/Await

Definition:

Async/Await ist eine moderne Syntax zur Behandlung von asynchronen Operationen in Python. Sie ermöglicht es, asynchrone Funktionen zu schreiben, die wie synchrone Funktionen aussehen, jedoch nicht-blockierend sind.

Kontext in Python

Async/Await wird in Python durch die Schlüsselwörter async und await implementiert. Sie sind vor allem in Verbindung mit dem asyncio Modul sehr nützlich.

Beispiele

Python Code


# Beispiel für Async/Await in Python
import asyncio

async def my_function():
    print("Start")
    await asyncio.sleep(1)
    print("End")

asyncio.run(my_function())

Asynchronous Processing

Definition:

Asynchronous Processing bezeichnet die Ausführung von Aufgaben in einer nicht-blockierenden Art und Weise. Das heißt, der Programmfluss wartet nicht darauf, dass eine Aufgabe abgeschlossen ist, bevor er zur nächsten übergeht.

Kontext in Python

In Python kann asynchrone Programmierung mit Hilfe des asyncio Moduls realisiert werden. Dies ermöglicht das Schreiben von nicht-blockierendem Code, der besonders für I/O-bound Aufgaben geeignet ist.

Beispiele

Python Code


import asyncio

async def hello_world():
    print("Hello")
    await asyncio.sleep(1)
    print("World")

if __name__ == "__main__":
    asyncio.run(hello_world())

Asynchronous Programming (Async/Await)

Definition:

Asynchrone Programmierung ermöglicht es, mehrere Aufgaben quasi-gleichzeitig auszuführen, ohne dass eine die andere blockiert. In Python werden dafür die Schlüsselwörter async und await verwendet.

Kontext in Python

In Python wird asynchrone Programmierung hauptsächlich für I/O-Aufgaben und Netzwerkanfragen verwendet. Sie macht den Code nicht schneller, ermöglicht aber eine bessere Nutzung der Ressourcen.

Beispiele

Python Code


import asyncio

async def my_function():
    print("Start")
    await asyncio.sleep(1)
    print("End")

asyncio.run(my_function())

Assignment Operators (Zuweisungsoperatoren)

Definition:

Zuweisungsoperatoren sind Symbole oder Zeichen in Python, die verwendet werden, um Werte einer Variablen zuzuweisen. Sie ermöglichen die Aktualisierung oder Änderung des Werts einer Variablen durch Zuweisung eines neuen Werts.

Kontext in Python:

In Python sind Zuweisungsoperatoren eine grundlegende Komponente, um Variablen mit Werten zu initialisieren oder Werte in Variablen zu aktualisieren. Sie werden häufig in Verbindung mit arithmetischen Ausdrücken und anderen operativen Aktionen verwendet.

Beispiele:

1. Zuweisung eines Werts an eine Variable:

Python Code


  x = 10  # Weist den Wert 10 der Variable x zu

2. Verwendung eines Zuweisungsoperators:

Python Code


  y = 5
  y += 3  # Äquivalent zu y = y + 3, erhöht den Wert von y um 3

Attribute

Definition:

Ein Attribut ist eine Variable oder ein Datenelement, das zu einer Klasse oder einem Objekt gehört. In objektorientierten Programmiersprachen wie Python ermöglichen Attribute die Speicherung von Daten, die das Verhalten oder den Zustand eines Objekts definieren.

Kontext in Python

In Python werden Attribute über die Punkt-Notation zugegriffen und können sowohl auf Klassen- als auch auf Instanzebene definiert werden.

Beispiele

Python Code


# Beispiel: Attribute in Python
class Auto:
    farbe = "Rot"

mein_auto = Auto()
print(mein_auto.farbe)  # Ausgabe: Rot

Automated Testing in Python

Definition:

Automatisiertes Testen in Python bezieht sich auf den Prozess, bei dem Skripte geschrieben werden, die Teile einer Anwendung automatisch testen, um sicherzustellen, dass sie wie erwartet funktionieren. Diese Tests können Unit-Tests, Integrationstests oder End-to-End-Tests sein.

Kontext in Python

Python bietet eine Reihe von Bibliotheken und Frameworks für automatisiertes Testen, darunter unittest, pytest und Selenium für Webanwendungen. Durch automatisiertes Testen können Entwickler schneller sicherstellen, dass ihre Codeänderungen keine Regressionen verursachen.

Beispiele

1. Unit Tests: Mit dem eingebauten 'unittest'-Modul können Entwickler einzelne Teile des Codes isoliert testen.

Python Code


  import unittest
  
  class TestStringMethods(unittest.TestCase):
  
      def test_upper(self):
          self.assertEqual('foo'.upper(), 'FOO')

2. Integration Tests: Mit 'pytest' kann man mehrere Komponenten einer Anwendung gemeinsam testen.

Python Code


  def test_addition():
      assert 1 + 1 == 2

Augmented Reality

Definition:

Augmented Reality (AR) ist eine interaktive Erfahrung, bei der digitale Informationen, meist in Form von Grafiken, Audio oder anderen Daten, in die reale Umgebung eingefügt werden. Im Gegensatz zur Virtual Reality, die eine vollständig digitale Umgebung schafft, erweitert die Augmented Reality die reale Welt mit digitalen Elementen.

Kontext in Technologie

AR wird in verschiedenen Anwendungen und Branchen eingesetzt, darunter Gaming, Medizin, Navigation und Bildung. Python-Bibliotheken wie ARToolKit und OpenCV können zur Entwicklung von AR-Anwendungen verwendet werden.

Beispiele

1. Pokemon Go: Ein bekanntes AR-Spiel, bei dem Spieler Pokemon in der realen Welt suchen und fangen.

2. AR-Navigation: Einige Navigations-Apps verwenden AR, um Richtungsanweisungen direkt auf die Straße zu projizieren.

Beautiful Soup

Definition:

Beautiful Soup ist eine Python-Bibliothek, die für das Web-Scraping verwendet wird. Sie erstellt einen Parse-Baum aus einer Webseite und ermöglicht das einfache Navigieren und Manipulieren der HTML- und XML-Strukturen.

Kontext in Python:

In Python wird Beautiful Soup oft in Kombination mit der Bibliothek Requests verwendet, um Webinhalte zu extrahieren.

Beispiele

1. HTML-Inhalt einer Webseite abrufen:

Python Code


  import requests
  from bs4 import BeautifulSoup
  
  response = requests.get('https://www.example.com')
  soup = BeautifulSoup(response.text, 'html.parser')

2. HTML-Elemente finden:

Python Code


  title = soup.find('title')
  paragraphs = soup.find_all('p')

Booleans (Boolesche Werte)

Definition:

Booleans, auch als Boolesche Werte bezeichnet, sind eine grundlegende Datentyp in Python. Sie repräsentieren entweder den Wahrheitswert "True" (wahr) oder "False" (falsch). Booleans werden häufig in bedingten Ausdrücken und Logikoperationen verwendet.

Kontext in Python:

In Python spielen Booleans eine entscheidende Rolle in bedingten Anweisungen und Schleifen. Sie werden verwendet, um logische Ausdrücke zu bewerten und Entscheidungen im Code zu treffen.

Beispiele:

1. Verwendung von Booleans in bedingten Ausdrücken:

Python Code


  x = 10
  y = 5
  is_greater = x > y  # is_greater wird zu True, da x größer ist als y

2. Verwendung von Booleans in Logikoperationen:

Python Code


  a = True
  b = False
  result = a and b  # result wird zu False, da beide Werte False sind

B

Boolean Indexing

Definition:

Boolean Indexing ermöglicht die Auswahl von Array-Elementen auf der Grundlage von Bedingungen, die für jedes Element überprüft werden. Die Bedingung wird als boolescher Ausdruck formuliert.

Kontext in Python

In Python ist Boolean Indexing besonders nützlich in Kombination mit NumPy, wo man bedingte Abfragen auf Arrays ausführen kann.

Beispiel

Python Code


import numpy as np

arr = np.array([1, 2, 3, 4, 5])
filtered_arr = arr[arr > 2]

C

CLI (Command Line Interface)

Definition:

CLI steht für "Command Line Interface" und ist eine Benutzeroberfläche, die es dem Benutzer ermöglicht, Software-Anwendungen durch Texteingabe zu steuern. In Python werden CLI-Programme oft durch die Verwendung von Bibliotheken wie 'argparse', 'click' oder auch einfach durch das Lesen von Argumenten aus 'sys.argv' erstellt.

Hauptmerkmale:

Textbasiert: Alle Interaktionen erfolgen durch Textbefehle.

Skriptfähig: CLI-Befehle können in Skripten gespeichert und automatisiert werden..

Ressourcenschonend: Normalerweise weniger ressourcenintensiv als grafische Benutzeroberflächen (GUIs).

Beispiele

1. Einfaches CLI-Programm mit 'argparse'

Python Code


  import argparse

  parser = argparse.ArgumentParser(description="Ein einfaches CLI-Tool.")
  parser.add_argument("name", help="Ihr Name")

  args = parser.parse_args()
 (f"Hallo, {args.name}!")

2. CLI-Programm mit click

Python Code


  import click

  @click.command()
  @click.option('--name', default='Welt', help='Name der Person.')
  def hello(name):
      click.echo(f'Hallo, {name}!')

  if __name__ == '__main__':
      hello()

CPU (Central Processing Unit)

Definition:

Die CPU, oder Zentrale Verarbeitungseinheit, ist das Herz eines jeden Computersystems. Sie ist verantwortlich für die Ausführung der Instruktionen eines Computerprogramms.

Kontext in Python

In Python kann die CPU-Auslastung und -Information durch verschiedene Bibliotheken wie os und psutil abgerufen werden. Manchmal ist es wichtig, die CPU-Affinität für bestimmte Aufgaben einzustellen, um die Leistung zu optimieren.

Beispiele

Python Code


# Beispiel für den Zugriff auf CPU-Informationen in Python
import psutil

cpu_info = psutil.cpu_percent(interval=1)
print(f"CPU Auslastung: {cpu_info}%")

Concurrency

Definition:

Concurrency bezieht sich auf die Fähigkeit eines Systems, mehrere Aufgaben gleichzeitig zu bearbeiten. Dies kann durch Parallelität (gleichzeitige Ausführung) oder Asynchronität (zeitlich überlappend, aber nicht gleichzeitig) erreicht werden.

Kontext in Python

Python bietet verschiedene Möglichkeiten, um Concurrency zu erreichen, wie das threading Modul für Threading, das multiprocessing Modul für Multiprocessing und das asyncio Modul für asynchrone Programmierung.

Beispiele

Python Code


# Beispiel für asynchrone Programmierung mit asyncio
import asyncio

async def my_coroutine():
    print("Hello")
    await asyncio.sleep(1)
    print("World")

asyncio.run(my_coroutine())

Conditionals (Bedingte Anweisungen)

Definition:

Bedingte Anweisungen, auch als Verzweigungen bezeichnet, sind in Python verwendetet Kontrollstrukturen, die es ermöglichen, verschiedene Codeblöcke basierend auf bestimmten Bedingungen auszuführen oder zu überspringen. Bedingte Anweisungen erlauben es, Entscheidungen im Code zu treffen.

Kontext in Python:

Bedingte Anweisungen sind unverzichtbar in Python und werden verwendet, um Code dynamischer und flexibler zu gestalten. Das "if-elif-else"-Konstrukt ist ein häufig verwendetes Beispiel für bedingte Anweisungen in Python.

Beispiele:

1. Verwendung von "if" und "else":

Python Code


  x = 10
  if x > 5:
      print("x ist größer als 5")
  else:
      print("x ist nicht größer als 5")

2. Verwendung von "if", "elif" und "else":

Python Code


  farbe = "rot"
  if farbe == "rot":
      print("Die Farbe ist rot")
  elif farbe == "blau":
      print("Die Farbe ist blau")
  else:
      print("Die Farbe ist weder rot noch blau")

Compilers

Definition:

Ein Compiler ist ein Softwareprogramm, das den Quellcode einer Programmiersprache in Maschinencode oder Bytecode übersetzt, der von einer Maschine ausgeführt werden kann. Dieser Prozess umfasst mehrere Phasen wie lexikalische Analyse, Syntaxanalyse und semantische Analyse.

Kontext in Python

In Python wird der Quellcode in der Regel nicht direkt in Maschinencode kompiliert, sondern in einen Bytecode übersetzt, der von der Python-Laufzeitumgebung interpretiert wird. Es gibt jedoch auch Möglichkeiten, Python-Code in Maschinencode zu kompilieren, z.B. mit Tools wie PyPy oder Cython.

Beispiele

Python Code


# Beispiel: Cython zur Kompilierung
from Cython.Build import cythonize
from setuptools import setup

setup(
    ext_modules = cythonize("mein_modul.pyx")
)

D

Datenstrukturen

Definition:

Datenstrukturen sind spezielle Formate für die Organisation und Speicherung von Daten auf einem Computer. Sie ermöglichen eine effiziente Datenmanipulation und einfache Zugriffsmethoden.

Kontext in Python

Python bietet verschiedene eingebaute Datenstrukturen wie Listen, Tupel, Sets und Dictionaries. Jede dieser Strukturen hat ihre eigenen Vorteile und Verwendungszwecke.

Beispiele

Python Code


# Liste
my_list = [1, 2, 3]

# Tupel
my_tuple = (1, 2, 3)

# Set
my_set = {1, 2, 3}

# Dictionary
my_dict = {'key': 'value'}

Data Types

Definition:

In Python bezeichnet der Begriff "Data Types" die verschiedenen Kategorien von Daten, die eine Variable halten kann. Diese Typen bestimmen, welche Operationen auf den Daten ausgeführt werden können und wie viel Speicher sie im Arbeitsspeicher einnehmen.

Haupttypen:

Integers: Ganze Zahlen, z.B. '5', '-3'.

Floats: Gleitkommazahlen, z.B. '3.14', '0.0'.

Strings: Text, z.B. "Hallo", 'Welt'.

Booleans: Logische Werte 'True' oder 'False'.

Lists: Geordnete, veränderbare Sammlungen, z.B. '[1, 2, 3]'.

Tuples: Geordnete, unveränderbare Sammlungen, z.B. '(1, 2, 3)'.

Dictionaries: Schlüssel-Wert-Paare, z.B. '{'key': 'value'}'.

Sets: Ungeordnete Sammlungen ohne Duplikate, z.B. '{1, 2, 3}'.

Beispiele

1. Integers

Python Code


  a = 5
  print(type(a))  # Output: <class 'int'>

2. Strings

Python Code


  b = "Hallo Welt"
print(type(b))  # Output: <class 'str'>

3. Listen

Python Code


  c = [1, 2, 3]
  print(type(c))  # Output: <class 'list'>

Deep vs Shallow Copy

Definition:

Deep Copy und Shallow Copy sind zwei Arten des Kopierens von Datenstrukturen in Python. Während eine Shallow Copy nur die oberste Ebene kopiert, erstellt eine Deep Copy eine vollständige Kopie aller Verschachtelungen.

Kontext in Python

In Python kann eine Shallow Copy mit der Methode `copy()` oder der Slicing-Notation erzeugt werden. Eine Deep Copy erfordert die Verwendung der `copy`-Bibliothek und ihrer `deepcopy()`-Methode.

Beispiele

Python Code


# Shallow Copy
list1 = [1, 2, [3, 4]]
list2 = list1.copy()

# Deep Copy
import copy
list3 = copy.deepcopy(list1)

Deques

Definition:

Ein Deque (Double-Ended Queue) ist eine erweiterte Queue-Datenstruktur, die Einschübe und Löschungen an beiden Enden erlaubt.

Kontext in Python

Python bietet die `collections.deque` Bibliothek für die Implementierung von Deques. Sie sind effizienter als Listen für diese spezielle Anwendung.

Beispiele

Python Code


from collections import deque

# Deque erstellen
my_deque = deque([1, 2, 3])

# Elemente hinzufügen
my_deque.append(4)  # rechts hinzufügen
my_deque.appendleft(0)  # links hinzufügen

# Elemente entfernen
my_deque.pop()  # rechts entfernen
my_deque.popleft()  # links entfernen

Docstrings

Definition:

Docstrings, kurz für "Documentation Strings", sind Zeichenketten, die als erste Anweisung in Modulen, Klassen, Methoden oder Funktionen in Python platziert werden. Sie dienen der Dokumentation des Codes und sind während der Laufzeit des Programms durch das __doc__ Attribut zugänglich.

Hauptmerkmale:

Dreifache Anführungszeichen: Docstrings werden üblicherweise in dreifachen Anführungszeichen eingeschlossen.

Zugänglichkeit: Können durch das '__doc__' Attribut eines Objekts zur Laufzeit abgerufen werden.

Automatische Dokumentation: Werden oft von Dokumentationstools wie Sphinx verwendet.

Beispiele

1. Funktions-Docstring:

Python Code


  def add(a, b):
      """Adds two numbers and returns the result."""
      return a + b

2. Klassen-Docstring:

Python Code


  class MyClass:
      """A simple example class."""
      def __init__(self, value):
          self.value = value

3. Abruf der Docstrings zur Laufzeit:

Python Code


  print(add.__doc__)

doctest

Definition:

doctest ist ein Python-Modul, das in der Python-Standardbibliothek enthalten ist. Es ermöglicht das Schreiben von Tests als interaktive Beispiele in Docstrings von Modulen, Klassen oder Funktionen.

Kontext in Python:

doctest ist nützlich, um sicherzustellen, dass Beispiele in der Dokumentation korrekt sind und weiterhin funktionieren, wenn der Code geändert wird. Es kann auch zur automatischen Generierung von Dokumentation aus den Tests verwendet werden.

Beispiele:

1. Doctest in einer Funktion:

Python Code


  def add(a, b):
      """
      This function adds two numbers.

      >>> add(2, 3)
      5
      >>> add(5, 7)
      12
      """
      return a + b

2. Doctest in einer Modul-Docstring:

Python Code


  """
  This module provides mathematical operations.

  Example:
  >>> add(2, 3)
  5
  >>> subtract(5, 3)
  2
  """
  def add(a, b):
      return a + b

  def subtract(a, b):
      return a - b

Dictionary (Wörterbuch)

Definition:

Ein Dictionary (Wörterbuch) ist eine in Python verwendete Datenstruktur, die es ermöglicht, Schlüssel-Wert-Paare zu speichern und abzurufen. Jeder Wert im Dictionary ist mit einem eindeutigen Schlüssel verknüpft, der zur Identifizierung und zum Abrufen des Werts verwendet wird.

Kontext in Python:

In Python werden Dictionaries häufig verwendet, um Daten effizient zu organisieren, insbesondere wenn es darum geht, auf Informationen zuzugreifen, die aufgrund ihrer Schlüssel eindeutig identifiziert werden können. Dictionaries sind eine unverzichtbare Datenstruktur für die Arbeit mit assoziativen Arrays.

Beispiele:

1. Erstellen eines Dictionaries:

Python Code


  # Ein einfaches Dictionary erstellen
  person = {
      "Name": "John",
      "Alter": 30,
      "Stadt": "New York"
  }

2. Zugriff auf Werte in einem Dictionary:

Python Code


  # Zugriff auf den Wert mit dem Schlüssel "Name"
  name = person["Name"]

E

Encapsulation (Kapselung)

Definition:

Kapselung ist ein weiteres Kernelement der objektorientierten Programmierung, das den Zugriff auf bestimmte Teile eines Objekts einschränkt. Durch das Setzen von Zugriffsmodifikatoren kann gesteuert werden, welche Teile der Klasse von außen zugänglich sind.

Kontext in Python

In Python wird Kapselung meist durch die Verwendung von Underscores erreicht, um eine Variable oder Methode als privat zu kennzeichnen. Python hat jedoch keine strengen Zugriffsmodifikatoren wie private oder public, wie es in anderen Sprachen der Fall ist.

Beispiele

Python Code


class MyClass:
    def __init__(self):
        self.public_variable = "I'm public!"
        self._private_variable = "I'm somewhat private."

    def get_private_variable(self):
        return self._private_variable

obj = MyClass()
print(obj.public_variable)  # Output: I'm public!
print(obj.get_private_variable())  # Output: I'm somewhat private.

Eventloop

Definition:

Der Eventloop ist eine Programmstruktur, die darauf wartet, dass Ereignisse oder Daten von einer externen Quelle empfangen werden, und sie dann entsprechend verarbeitet. Es ist das Herzstück jeder asynchronen Anwendung.

Kontext in Python

In Python wird der Eventloop hauptsächlich durch das asyncio Modul implementiert. Mit diesem Modul können asynchrone I/O-Aufgaben, wie z.B. das Lesen oder Schreiben von Dateien, Netzwerkanfragen usw., effizient gehandhabt werden.

Beispiele

Python Code


# Ein einfaches Beispiel für einen Eventloop mit asyncio
import asyncio

async def main():
    print('Hello')
    await asyncio.sleep(1)
    print('World')

asyncio.run(main())

F

Fileoperations (Dateioperationen): Wie man Dateien in Python öffnet, liest und schreibt

Definition:

Dateioperationen beziehen sich auf die Verwendung von Python, um Dateien auf Ihrem Dateisystem zu öffnen, zu lesen und zu schreiben. Dies ist ein wichtiger Aspekt der Programmierung, da er es ermöglicht, Daten aus Dateien zu lesen oder in Dateien zu schreiben, um Informationen zu speichern oder abzurufen.

Kontext in Python:

Python bietet eine Vielzahl von Funktionen und Bibliotheken, die das Arbeiten mit Dateien einfach und effizient machen. Die Verwendung von Dateioperationen ist in Anwendungen weit verbreitet, bei denen Daten dauerhaft gespeichert oder geladen werden müssen.

Beispiele:

1. Öffnen einer Datei zum Lesen:

Python Code


  with open("meine_datei.txt", "r") as datei:
      inhalt = datei.read()
      print(inhalt)

2. Öffnen einer Datei zum Schreiben:

Python Code


  with open("neue_datei.txt", "w") as datei:
      datei.write("Dies ist ein Beispieltext.")

Flatten

Definition:

Das "Flatten" eines Arrays bezieht sich auf den Prozess der Umwandlung eines mehrdimensionalen Arrays in ein eindimensionales Array.

Kontext in Python

In Python kann das "Flatten" eines Arrays mithilfe von Methoden wie flatten() oder ravel() in der NumPy-Bibliothek erreicht werden.

Beispiel

Python Code


import numpy as np

two_dim_array = np.array([[1, 2], [3, 4]])
flattened_array = two_dim_array.flatten()

Functions (Funktionen)

Definition:

Eine Funktion ist ein wiederverwendbarer Codeblock, der eine bestimmte Aufgabe ausführt. Funktionen können Parameter akzeptieren und einen Wert zurückgeben.

Kontext in Python

In Python können Funktionen mit dem Schlüsselwort def definiert werden. Python bietet auch eine Vielzahl von eingebauten Funktionen wie print(), len() und viele mehr.

Beispiele

Python Code


def greet(name):
    return "Hallo " + name

# Funktion aufrufen
print(greet("Sascha"))  # Output: Hallo Sascha

for loop (for-Schleife)

Definition:

Eine for-Schleife ist eine Art von Schleife in Python, die verwendet wird, um über eine Sequenz von Elementen zu iterieren, wie z. B. eine Liste, ein Tupel oder einen String. Die for-Schleife führt eine bestimmte Aktion für jedes Element in der Sequenz aus.

Kontext in Python:

Die for-Schleife ist eine der häufigsten Schleifenarten in Python und wird verwendet, um durch Sammlungen von Elementen zu gehen und Operationen auf jedes Element anzuwenden. Sie ist besonders nützlich, wenn du genau wissen möchtest, wie viele Iterationen du durchführen möchtest.

Beispiele:

1. for-Schleife zum Durchlaufen einer Liste:

Python Code


  zahlen = [1, 2, 3, 4, 5]
  for zahl in zahlen:
      print(zahl)

2. for-Schleife zum Durchlaufen eines Strings:

Python Code


  text = "Python"
  for buchstabe in text:
      print(buchstabe)

G

GraphQL

Definition:

GraphQL ist eine Abfragesprache für APIs, entwickelt von Facebook im Jahr 2015, die eine effizientere, stärker typisierte und flexiblere Alternative zu REST darstellt. In Python kann GraphQL durch verschiedene Bibliotheken wie 'Graphene' implementiert werden.

Schema: Definiert den Typ und die Form der Daten, die abgerufen werden können.

Query: Eine Anfrage, um Daten vom Server zu lesen.

Mutation: Eine Anfrage, um Daten auf dem Server zu verändern.

Resolver: Funktionen, die die tatsächliche Logik für das Abrufen oder Verändern von Daten enthalten.

Python-Bibliotheken

GrapheneEine der bekanntesten Bibliotheken zur Implementierung von GraphQL in Python.

AriadneEine weitere Bibliothek, die den Fokus auf eine einfachere Implementierung legt.

Verwendung in Python

Python Code


  from graphene import ObjectType, String, Schema

  class Query(ObjectType):
      hello = String()

      def resolve_hello(root, info):
          return "World"

  schema = Schema(query=Query)

H

HTTP

Definition:

HTTP (HyperText Transfer Protocol) ist das Protokoll, das zur Übertragung von Daten über das World Wide Web verwendet wird. Es definiert, wie Nachrichten zwischen Client und Server formatiert und übertragen werden.

Kontext in Python:

In Python können HTTP-Anfragen und -Antworten mit verschiedenen Bibliotheken wie 'requests', 'httpx', 'urllib' und 'aiohttp' behandelt werden.

Beispiele:

1. GET-Anfrage mit 'requests':

Python Code


  import requests

  response = requests.get('https://www.example.com')
  print(response.text)

2. POST-Anfrage mit 'httpx':

Python Code


  import httpx

  data = {'key': 'value'}
  response = httpx.post('https://www.example.com', data=data)
  print(response.text)

HTTPX

Definition:

HTTPX ist eine voll ausgestattete HTTP-Client-Bibliothek für Python 3, die synchrone und asynchrone Anfragen unterstützt. Die Bibliothek bietet Verbindungs-Pooling, Keep-Alive und HTTP/2-Unterstützung.

Kontext in Python:

HTTPX kann als moderner Ersatz für 'requests' angesehen werden, insbesondere wenn man asynchrone Programmierung benötigt. Es ist besonders nützlich für Microservice-Architekturen und Websockets.

Beispiele:

1. Asynchrone GET-Anfrage:

Python Code


  import httpx
  import asyncio

  async def fetch_data():
      async with httpx.AsyncClient() as client:
          response = await client.get('https://www.example.com')
          print(response.text)

  asyncio.run(fetch_data())

2. Synchrone POST-Anfrage:

Python Code


  import httpx

  data = {'key1': 'value1', 'key2': 'value2'}
  response = httpx.post('https://httpbin.org/post', data=data)
  print(response.json())

I

Inheritance (Vererbung)

Definition:

Vererbung ist ein Schlüsselkonzept der objektorientierten Programmierung, das es ermöglicht, eine neue Klasse auf der Grundlage einer bestehenden Klasse zu erstellen. Die neue Klasse erbt Attribute und Methoden der Elternklasse und kann zusätzliche Eigenschaften oder überschriebene Methoden enthalten.

Kontext in Python

In Python wird Vererbung durch die Angabe der Elternklasse in Klammern direkt nach dem Klassennamen realisiert. Die Methode super() kann verwendet werden, um auf die Elternklasse zuzugreifen.

Beispiele

Python Code


class Animal:
    def make_sound(self):
        return "Some generic sound"

class Dog(Animal):
    def make_sound(self):
        return "Woof!"

my_animal = Animal()
my_dog = Dog()

print(my_animal.make_sound())  # Output: Some generic sound
print(my_dog.make_sound())  # Output: Woof!

Interpreters

Definition:

Ein Interpreter ist ein Programm, das den Quellcode einer Programmiersprache in Echtzeit interpretiert und ausführt, anstatt ihn vorher in Maschinencode oder Bytecode zu kompilieren. Dies erlaubt eine schnellere Entwicklung, führt jedoch oft zu einer langsameren Ausführungszeit im Vergleich zu kompilierten Sprachen.

Kontext in Python

Python ist eine interpretierte Sprache, was bedeutet, dass der Python-Code bei der Ausführung durch einen Interpreter geht. Dies ermöglicht eine einfachere Fehlersuche und eine schnellere Entwicklung, kann jedoch die Laufzeiteffizienz beeinträchtigen.

Beispiele

Python Code


# Beispiel: Python-Interpreter
print("Hallo, Welt!")

Immutable vs Mutable

Definition:

Immutable und Mutable beziehen sich auf die Eigenschaft einer Datenstruktur, ob sie nach ihrer Erstellung verändert werden kann oder nicht. Immutable (unveränderlich) bedeutet, dass die Datenstruktur nicht verändert werden kann, während Mutable (veränderlich) das Gegenteil ist.

Kontext in Python

In Python sind einige der eingebauten Datentypen immutable (z.B. Strings, Tupel), während andere mutable sind (z.B. Listen, Wörterbücher).

Beispiele

Python Code


# Immutable
my_string = "Hello"
# my_string[0] = 'h'  # Would raise an error

# Mutable
my_list = [1, 2, 3]
my_list[0] = 0  # Valid operation

Iteration

Definition:

Iteration ist der Prozess des schrittweisen Durchlaufens oder Wiederholens von Elementen in einer Sequenz, wie einer Liste oder einem String, um auf jedes Element zuzugreifen oder eine bestimmte Aufgabe für jedes Element auszuführen. In Python werden Schleifen wie die "for"-Schleife verwendet, um Iterationen durchzuführen.

Kontext in Python:

Iteration ist ein grundlegendes Konzept in Python und wird häufig verwendet, um durch Listen, Tupel, Strings oder andere Sequenzen zu gehen. Es ermöglicht die Verarbeitung von Daten und die Ausführung von Code für jedes Element in der Sequenz.

Beispiele:

1. Verwendung der "for"-Schleife zur Iteration durch eine Liste:

Python Code


  zahlen = [1, 2, 3, 4, 5]
  for zahl in zahlen:
      print(zahl)

2. Verwendung der "for"-Schleife zur Iteration durch einen String:

Python Code


  text = "Python"
  for buchstabe in text:
      print(buchstabe)

J

Jupyter Notebook

Definition:

Jupyter Notebook ist eine Open-Source-Webanwendung, die es erlaubt, interaktive Notizbücher mit Code, Gleichungen, Visualisierungen und erzählendem Text zu erstellen. Es ist ein beliebtes Werkzeug für Data Science, maschinelles Lernen, wissenschaftliche Forschung und pädagogische Zwecke.

Hauptmerkmale:

Interaktivität: Führen Sie Codeblöcke in Echtzeit aus und sehen Sie die Ergebnisse sofort..

Mehrsprachige Unterstützung: Neben Python werden auch viele andere Programmiersprachen wie R, Julia und Scala unterstützt.

Rich Outputs: Integration von HTML, Bildern, Videos, LaTeX und benutzerdefinierten MIME-Typen.

Erweiterbarkeit: Unterstützt eine Vielzahl von Erweiterungen und Plugins.

Beispiele

1. Installation und Start

Python Code


 pip install notebook
 jupyter notebook

2. Code-Ausführung

Python Code


  # In einer Jupyter-Notebook-Zelle
  print("Hallo Welt!")

3. Datavisualisierung

Python Code


  import matplotlib.pyplot as plt
  plt.plot([1, 2, 3], [1, 4, 9])
  plt.show()

Jupyter Lab

Definition:

Jupyter Lab ist die nächste Generation der Jupyter Notebook-Umgebung und bietet eine modularere und erweiterbare Benutzeroberfläche. Es ist ebenfalls eine Open-Source-Webanwendung und unterstützt die Ausführung und Bearbeitung von Notebooks, Texteditoren, Terminals und benutzerdefinierten Komponenten in einer flexiblen und integrierten Umgebung.

Hauptmerkmale:

Modulare Architektur: Erlaubt es, mehrere Dokumente und Aktivitäten nebeneinander in Tabs oder geteilten Ansichten zu organisieren.

Erweiterbarkeit: Die Umgebung kann durch eine Vielzahl von Erweiterungen und Plugins angepasst werden.

Mehrsprachige Unterstützung: Wie bei Jupyter Notebooks können auch hier mehrere Programmiersprachen verwendet werden.

Drag-and-Drop-Oberfläche: Erleichtert die Navigation und Organisation Ihrer Arbeitsbereiche.

Beispiele

1. Installation und Start

Python Code


 pip install jupyterlab
 jupyter lab

2. Code-Ausführung

Python Code


  # In einer Jupyter Lab-Zelle
  print("Hallo Jupyter Lab!")

3. Dateiverwaltung:

Nutzt den eingebauten Dateibrowser zum Öffnen, Schließen und Organisieren von Dokumenten.

K

Klassen

Definition:

Eine Klasse ist ein Bauplan für Objekte und stellt eine der Grundlagen der objektorientierten Programmierung dar. Sie definiert Eigenschaften (Attribute) und Verhaltensweisen (Methoden), die ihre Instanzen haben werden.

Kontext in Python

In Python werden Klassen mit dem Schlüsselwort class definiert. Die Methoden innerhalb einer Klasse nehmen einen speziellen ersten Parameter, in der Regel self, der auf das Objekt selbst verweist.

Beispiele

Python Code


class Dog:
    def __init__(self, name):
        self.name = name

    def bark(self):
        return "Woof!"

my_dog = Dog("Fido")
print(my_dog.name)
print(my_dog.bark())

L

Lexical Analysis

Definition:

Die lexikalische Analyse ist der erste Schritt in der Verarbeitungskette eines Compilers oder Interpreters. In dieser Phase wird der Quellcode in Tokens zerlegt, die die atomaren Bestandteile der Sprache darstellen (z.B. Variablennamen, Operatoren).

Kontext in Python

In Python wird die lexikalische Analyse automatisch durchgeführt, wenn ein Skript ausgeführt wird. Der Python-Interpreter zerlegt den Code in Tokens, die dann in der Syntaxanalyse und den nachfolgenden Phasen weiter verarbeitet werden.

Beispiele

Python Code


# Beispiel: Lexikalische Elemente in einer Python-Anweisung
# "if", "x", "<", "10", ":", "print", "(", "'Hello'", ")"

Libraries (Bibliotheken)

Definition:

In Python bezieht sich der Begriff "Bibliotheken" auf Sammlungen von Modulen und Funktionen, die zusätzliche Funktionalität bieten und in verschiedenen Anwendungen wiederverwendet werden können. Bibliotheken ermöglichen es Entwicklern, auf bereits implementierte Codeabschnitte zuzugreifen, um Zeit zu sparen und die Entwicklung zu beschleunigen.

Kontext in Python:

Python verfügt über eine umfangreiche Sammlung von Standardbibliotheken, die in jeder Python-Installation enthalten sind. Darüber hinaus gibt es eine Vielzahl von Drittanbieterbibliotheken, die von der Python-Community entwickelt und zur Verfügung gestellt werden. Diese Bibliotheken decken verschiedene Anwendungsbereiche ab, einschließlich Datenanalyse, Webentwicklung, künstliche Intelligenz und mehr.

Beispiele:

1. Verwenden der math-Bibliothek für mathematische Operationen:

Python Code


  import math
  ergebnis = math.sqrt(25)  # Berechnet die Quadratwurzel von 25

2. Verwenden der requests-Bibliothek zum Senden von HTTP-Anfragen:

Python Code


  import requests
  antwort = requests.get("https://example.com")

Linked Lists

Definition:

Eine verkettete Liste (Linked List) ist eine lineare Datenstruktur, in der jedes Element auf das nächste Element in der Sequenz verweist. Jedes Element in einer Linked List wird als Knoten bezeichnet.

Kontext in Python

Python hat keine eingebaute Implementierung für Linked Lists, aber sie können einfach mit Klassen oder anderen Datenstrukturen wie Listen umgesetzt werden.

Beispiele

Python Code


class Node:
    def __init__(self, data):
        self.data = data
        self.next = None

# Initialisierung
head = Node(1)
second = Node(2)
third = Node(3)

# Verknüpfung der Knoten
head.next = second
second.next = third

Linters

Definition:

Linters sind statische Code-Analysewerkzeuge, die den Quellcode auf Fehler, Code-Smells oder Verstöße gegen Stilrichtlinien wie PEP 8 überprüfen. Sie können integriert oder als separate Tools in der Entwicklungsumgebung eingesetzt werden.

Beliebte Python-Linters:

Pylint Eines der bekanntesten und am meisten genutzten Linting-Werkzeuge für Python. Es bietet umfangreiche Anpassungsoptionen und erkennt eine breite Palette von Fehlern und Stilproblemen.

Flake8: Ein weiterer populärer Linter, der sich durch seine einfache Bedienung und Schnelligkeit auszeichnet.

Black: Ein Code-Formatter, der auch als Linter fungiert, um den Code automatisch gemäß den PEP 8-Richtlinien zu formatieren.

Anwendung

Linters können manuell über die Kommandozeile oder automatisch in der Entwicklungsumgebung (IDE) ausgeführt werden.

Python Code


  # Beispiel für Pylint
  pylint my_script.py

Vorteile

Codequalität: Erhöht die Lesbarkeit und Wartbarkeit des Codes.

Fehlervermeidung: Erkennt potenzielle Bugs und Sicherheitslücken..

Teamarbeit: Fördert die Einhaltung eines konsistenten Codestils in Teams.

Lists (Listen)

Definition:

Listen sind eine der grundlegenden Datenstrukturen in Python, die verwendet werden, um eine geordnete Sammlung von Elementen zu speichern. Eine Liste kann Elemente unterschiedlicher Datentypen enthalten und ermöglicht das Hinzufügen, Entfernen und Ändern von Elementen.

Kontext in Python:

Listen sind vielseitig und werden in Python häufig eingesetzt. Sie können verwendet werden, um Daten zu speichern, zu organisieren und darauf zuzugreifen. Listen sind durch Index zugänglich, was das Arbeiten mit einzelnen Elementen erleichtert.

Beispiele:

1. Erstellen einer Liste:

Python Code


  zahlen = [1, 2, 3, 4, 5]
  namen = ["Alice", "Bob", "Charlie"]
  gemischt = [1, "Hallo", 3.14]

2. Zugriff auf Elemente einer Liste:

Python Code


  print(zahlen[0])  # Gibt das erste Element (1) aus
  print(namen[1])   # Gibt das zweite Element ("Bob") aus

Loops / Schleifen

Definition:

Schleifen sind in Python verwendete Kontrollstrukturen, die es ermöglichen, einen Codeblock wiederholt auszuführen, solange eine bestimmte Bedingung erfüllt ist oder über eine Sequenz von Elementen zu iterieren. Die beiden häufigsten Arten von Schleifen in Python sind die "for"-Schleife und die "while"-Schleife.

Kontext in Python:

Schleifen sind in Python unverzichtbar und werden verwendet, um repetitive Aufgaben effizient zu erledigen. Sie erlauben das Durchlaufen von Listen, Verarbeiten von Daten und vieles mehr.

Beispiele:

1. Verwendung der "for"-Schleife zum Durchlaufen einer Liste:

Python Code


  zahlen = [1, 2, 3, 4, 5]
  for zahl in zahlen:
      print(zahl)

2. Verwendung der "while"-Schleife zur wiederholten Ausführung:

Python Code


  i = 0
  while i < 5:
      print(i)
      i += 1

M

Matplotlib

Definition:

Matplotlib ist eine 2D-Plotting-Bibliothek für Python, die eine Vielzahl von statischen, interaktiven und animierten Visualisierungen in Python ermöglicht. Sie ist ein Schlüsselwerkzeug für die Datenanalyse und -visualisierung und wird häufig in wissenschaftlichen Arbeiten, Ausbildung und Web-Entwicklung eingesetzt.

Hauptmerkmale:

Vielseitigkeit: Unterstützt eine breite Palette von Plot-Typen, einschließlich Linienplots, Balkendiagramme, Tortendiagramme und vieles mehr.

Einfache Schnittstellen: Einfach zu verwenden für einfache Plots, bietet aber auch Kontrolle über nahezu alle Aspekte der Visualisierung für fortgeschrittene Anwender.

Integration: Lässt sich nahtlos mit anderen Python-Bibliotheken wie Pandas und NumPy integrieren.

Beispiele

1. Einfaches Linienplot

Python Code


 import matplotlib.pyplot as plt

 plt.plot([1, 2, 3], [1, 4, 9])
 plt.show()

2. Balkendiagramm

Python Code


  plt.bar(['Apple', 'Banana', 'Orange'], [5, 3, 7])
  plt.show()

3. Mehrere Plots

Python Code


  fig, axes = plt.subplots(1, 2)
  axes[0].plot([1, 2, 3], [1, 4, 9])
  axes[1].bar(['Apple', 'Banana', 'Orange'], [5, 3, 7])
  plt.show()

Math Library (Mathematische Bibliothek)

Definition:

Die 'math'-Bibliothek in Python ist eine Standardbibliothek, die eine breite Palette an mathematischen Funktionen und Konstanten bereitstellt. Sie wird häufig genutzt, um komplexe mathematische Operationen einfacher zu gestalten und den Code sauber zu halten.

Hauptmerkmale:

Mathematische Funktionen: Funktionen wie 'sin()', 'cos()', 'sqrt()' und viele mehr.

Konstanten: Beinhaltet mathematische Konstanten wie Pi ('math.pi') und Euler'sche Zahl ('math.e').

Rundung und Abschneiden: Funktionen wie 'ceil()', 'floor()', 'round()'.

Beispiele

1. Berechnung von Wurzeln und Potenzen

Python Code


  import math

  sqrt_val = math.sqrt(16)  # Ergebnis ist 4.0
  power_val = math.pow(2, 3)  # Ergebnis ist 8.0

2. Trigonometrische Funktionen

Python Code


  sin_val = math.sin(math.pi / 2)  # Ergebnis ist 1.0
  cos_val = math.cos(0)  # Ergebnis ist 1.0

3. Runden von Zahlen

Python Code


  ceil_val = math.ceil(1.2)  # Ergebnis ist 2
  floor_val = math.floor(1.8)  # Ergebnis ist 1

Memory Management

Definition:

Speicherverwaltung bezieht sich auf die Techniken, mit denen ein Programm Speicherressourcen reserviert, verwendet und freigibt. Dies ist entscheidend für die Leistung und Effizienz von Anwendungen.

Kontext in Python

Python verwaltet den Speicher automatisch durch einen Mechanismus namens Garbage Collection. Darüber hinaus können Entwickler mit verschiedenen Bibliotheken und Tools detailliertere Kontrolle über den Speicher erlangen.

Beispiele

Python Code


import gc

# Anzahl der Objekte im Speicher
print(gc.get_count())

Methoden

Definition:

Eine Methode ist eine Funktion, die innerhalb einer Klasse definiert ist und auf die Attribute und Methoden dieser Klasse zugreifen kann. Methoden sind grundlegende Bausteine in der objektorientierten Programmierung und dienen dazu, das Verhalten von Objekten zu definieren.

Kontext in Python

Python bietet verschiedene Arten von Methoden, darunter Instanzmethoden, Klassenmethoden und statische Methoden, die jeweils auf unterschiedliche Weise auf die Daten der Klasse zugreifen.

Beispiele

Python Code


# Beispiel: Instanzmethode in Python
class Auto:
    def fahren(self):
        print("Das Auto fährt.")

mein_auto = Auto()
mein_auto.fahren()  # Ausgabe: Das Auto fährt.

Mixed Reality

Definition:

Mixed Reality (MR) ist eine Verschmelzung der realen und der virtuellen Welt, bei der physische und digitale Objekte nebeneinander existieren und interagieren. Im Gegensatz zur Virtual Reality, wo der Benutzer vollständig in eine künstliche Welt eingetaucht ist, ergänzt Mixed Reality die reale Welt mit digitalen Elementen.

Kontext in Technologie

Mixed Reality findet Anwendung in verschiedenen Sektoren wie Medizin, Ingenieurwesen und Unterhaltung. Obwohl Python weniger häufig für die Entwicklung von MR-Anwendungen verwendet wird, sind spezialisierte Frameworks und Bibliotheken verfügbar.

Beispiele

1. HoloLens: Ein Headset von Microsoft für Mixed Reality.

2. MR-Simulationen: In der Industrie werden MR-Systeme zur Verbesserung von Design und Training eingesetzt.

Modules (Module)

Definition:

In Python ist ein Modul eine Sammlung von Python-Code, der in einer Datei organisiert ist. Ein Modul kann Funktionen, Klassen und Variablen enthalten, die in anderen Python-Programmen wiederverwendet werden können. Module ermöglichen es, Code logisch zu strukturieren und zu organisieren.

Kontext in Python:

Python bietet die Möglichkeit, Code in Modulen zu organisieren, um ihn besser wartbar und wiederverwendbar zu machen. Dies fördert die Modularität und ermöglicht es, große Programme in überschaubare Teile aufzuteilen.

Beispiele:

1. Erstellen eines eigenen Moduls:

Python Code


  # Beispielmodul "mein_modul.py"
  def hallo_welt():
      print("Hallo, Welt!")

  zahl = 42

2. Verwenden eines Moduls in einem anderen Programm:

Python Code


  # Verwenden des Moduls "mein_modul.py"
  import mein_modul

  mein_modul.hallo_welt()  # Aufrufen der Funktion aus dem Modul
  print(mein_modul.zahl)  # Zugriff auf die Variable aus dem Modul

Multidimensionale Arrays in Python

Definition:

Ein multidimensionales Array ist ein Array, dessen Elemente selbst Arrays sind. Diese inneren Arrays können ebenfalls Arrays enthalten, was zu einer verschachtelten oder "mehrdimensionalen" Struktur führt. In Python wird dies meistens mit Hilfe der Bibliothek NumPy implementiert.

Eigenschaften:

Dimensionen: Die "Tiefe" des Arrays, oft als Achsen bezeichnet.

Shape: Ein Tupel, das die Größe jeder Dimension angibt.

Indexierung: Der Zugriff auf Elemente erfolgt durch mehrere Indizes, einen für jede Dimension.

Anwendung in Python

Python Code


  import numpy as np
  # Ein 2D-Array (Matrix) erstellen
  matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

Beispiele für Multidimensionalität

2D-Arrays: Oft als Matrizen bezeichnet.

3D-Arrays: Werden beispielsweise in der Computergrafik verwendet.

n-D-Arrays: In wissenschaftlichen Anwendungen sind auch Arrays mit höheren Dimensionen üblich.

Multidimensionale Array Slicing in Python

Definition:

Multidimensionale Array Slicing bezieht sich auf die Methode, durch die Teilbereiche eines mehrdimensionalen Arrays extrahiert werden können. Diese Methode wird hauptsächlich in der NumPy-Bibliothek in Python verwendet.

Eigenschaften:

Mehrere Dimensionen: Beim Slicing eines mehrdimensionalen Arrays können Indizes für mehr als eine Dimension angegeben werden.

Slicing Syntax: Die Syntax ähnelt der eines eindimensionalen Arrays, aber mit Kommata getrennte Slices für jede Dimension.

Ergebnis: Das Ergebnis ist ebenfalls ein mehrdimensionales Array, dessen Dimensionen und Größen von den angegebenen Slices abhängen.

Anwendung in Python

Mit NumPy kann man zum Beispiel folgendermaßen ein multidimensionales Array slicen:

Python Code


  import numpy as np
  my_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
  sub_array = my_array[0:2, 1:3]  # Extrahiert [[2, 3], [5, 6]]

Beispiele

2D Array Slicing Bei einer Matrix (2D-Array) kann man sowohl Zeilen als auch Spalten slicen.

3D Array Slicing: Bei einem 3D-Array können z.B. Ebenen, Zeilen und Spalten gesliced werden.

Multiprocessing

Definition:

Multiprocessing bezeichnet die gleichzeitige Ausführung mehrerer Prozesse, in der Regel zur Verbesserung der Programmleistung für rechenintensive Aufgaben. Jeder Prozess wird in einem eigenen Speicherbereich ausgeführt.

Kontext in Python

In Python ermöglicht das multiprocessing-Modul die Erstellung von unabhängigen Prozessen. Dies ist besonders nützlich für CPU-bound Aufgaben, bei denen die Rechenleistung der begrenzende Faktor ist.

Beispiele

Python Code


from multiprocessing import Process

def my_function(name):
    print(f"Hello, {name}")

if __name__ == "__main__":
    p = Process(target=my_function, args=("World",))
    p.start()
    p.join()

Mutable vs Immutable

Definition:

n Python bezieht sich die Unterscheidung zwischen "Mutable" und "Immutable" auf die Fähigkeit eines Objekts, nach seiner Erstellung verändert zu werden. Ein 'mutable' Objekt kann modifiziert werden, während ein 'immutable' Objekt nicht verändert werden kann.

Mutable Typen:

Listen: Veränderbare, geordnete Sammlungen von Elementen.

Wörterbücher (Dictionaries): eränderbare Sammlungen von Schlüssel-Wert-Paaren.

Sets: Veränderbare, ungeordnete Sammlungen von eindeutigen Elementen.

Immutable Typen:

Integers: Ganze Zahlen.

Floats: Gleitkommazahlen.

Strings: Textketten.

Tupel: Geordnete, unveränderbare Sammlungen von Elementen.

Booleans: 'True' oder 'False'.

Beispiele

1. Mutable: Liste

Python Code


  my_list = [1, 2, 3]
  my_list[0] = 4  # Ändert den Wert des ersten Elements

2. Immutable: Tuple

Python Code


  my_tuple = (1, 2, 3)
  # my_tuple[0] = 4  # Würde einen Fehler auslösen

N

nose

Definition:

nose ist ein Erweiterungs-Framework für das Python-Test-Framework unittest. Es bietet zusätzliche Funktionen und Erweiterungen für das Testen von Python-Code und das Sammeln von Testergebnissen.

Kontext in Python:

nose kann verwendet werden, um Tests in Python-Projekten zu organisieren und auszuführen. Es ermöglicht das Entdecken von Tests automatisch, das Ausführen von Tests parallel und das Generieren von Berichten über Testabdeckung.

Beispiele:

1. Testausführung mit nose:

Python Code


  $ nosetests my_module.py

2. Testentdeckung mit nose:

Python Code


  $ nosetests --with-coverage my_module.py

NumPy (Numerical Python)

Definition:

NumPy steht für Numerical Python und ist eine leistungsstarke Bibliothek für die Programmiersprache Python. Sie wird hauptsächlich für mathematische Berechnungen, wissenschaftliche Computing-Aufgaben, und als Grundlage für viele Machine-Learning-Bibliotheken verwendet.

Hauptmerkmale:

Arrays: NumPy's Kernfunktionalität ist die effiziente Manipulation von mehrdimensionalen Arrays.

Mathematische Funktionen: Es bietet eine Vielzahl von vordefinierten mathematischen Operationen, die auf Arrays ausgeführt werden können.

Interoperabilität: NumPy kann leicht mit anderen Bibliotheken und Datenformaten integriert werden.

Beispiele

1. Array-Erstellung:: Ein einfaches Beispiel, um ein Array zu erstellen.

Python Code


  import numpy as np
  my_array = np.array([1, 2, 3, 4, 5])

2. Mathematische Operationen: Addition von zwei Arrays.

Python Code


 array1 = np.array([1, 2, 3])
 array2 = np.array([4, 5, 6])
 sum_array = array1 + array2

3. Statistische Funktionen: Berechnung des Mittelwerts eines Arrays.

Python Code


  mean_value = np.mean(my_array)

O

Objekte

Definition:

Ein Objekt ist eine Instanz einer Klasse und dient als Behälter für Daten (Attribute) und Methoden, die diese Daten manipulieren. In der objektorientierten Programmierung sind Objekte grundlegende Bausteine.

Kontext in Python

In Python ist fast alles ein Objekt, von einfachen Datentypen wie Zahlen und Zeichenketten bis hin zu Funktionen und Modulen. Man erstellt ein Objekt durch Instanziierung einer Klasse.

Beispiele

Python Code


class Dog:
    def __init__(self, name):
        self.name = name

# Instanzierung der Klasse Dog
my_dog = Dog("Rex")

# Zugriff auf das Attribut 'name'
print(my_dog.name)  # Output: Rex

OOP (Objektorientierte Programmierung)

Definition:

Die objektorientierte Programmierung (OOP) ist ein Programmierparadigma, bei dem Software in Form von "Objekten" modelliert wird. Diese Objekte können Daten (Attribute) und Methoden (Funktionen) enthalten, die es ermöglichen, das Verhalten und die Interaktionen innerhalb einer Anwendung zu organisieren. OOP fördert die Wiederverwendbarkeit, Modularität und eine klare Strukturierung von Code.

Kontext in Python:

Python ist eine objektorientierte Programmiersprache, was bedeutet, dass sie die Konzepte und Prinzipien der OOP nativ unterstützt. In Python können Klassen definiert werden, um Objekte zu erstellen, und die Vererbung ermöglicht es, gemeinsame Eigenschaften und Methoden zwischen Klassen zu teilen. OOP wird in Python häufig verwendet, um komplexe Anwendungen zu entwickeln, da es eine effiziente Möglichkeit bietet, den Code zu organisieren und zu strukturieren.

Beispiele:

1. Definition einer Klasse in Python:

Python Code


  # Definition einer einfachen Klasse
  class Auto:
      def __init__(self, marke, modell):
          self.marke = marke
          self.modell = modell

      def beschleunigen(self):
          print("Das Auto beschleunigt.")

2. Erstellung und Verwendung eines Objekts:

Python Code


  # Erstellen eines Auto-Objekts
  mein_auto = Auto("Volkswagen", "Golf")

  # Zugriff auf Attribute und Methoden des Objekts
  print(mein_auto.marke)  # Ausgabe: Volkswagen
  mein_auto.beschleunigen()  # Ausgabe: Das Auto beschleunigt.

Operatoren (Operators)

Definition:

Operatoren sind Symbole oder spezielle Zeichen in Python, die dazu dienen, Operationen auf Werten oder Variablen durchzuführen. Sie ermöglichen mathematische Berechnungen, Vergleiche und andere Aktionen in Programmierungen.

Kontext in Python:

Operatoren sind grundlegende Bausteine in Python und werden in verschiedenen Kontexten verwendet, einschließlich arithmetischer Berechnungen, Vergleichen von Werten, logischen Ausdrücken und vielem mehr.

Beispiele:

1. Arithmetische Operatoren:

Python Code


  a = 10
  b = 5
  addition = a + b  # Addition
  subtraction = a - b  # Subtraktion
  multiplication = a * b  # Multiplikation
  division = a / b  # Division

2. Vergleichsoperatoren:

Python Code


  x = 7
  y = 3
  is_equal = x == y  # Gleichheit überprüfen
  is_not_equal = x != y  # Ungleichheit überprüfen
  is_greater = x > y  # Größer als
  is_less = x < y  # Kleiner als

OS Library (Operating System Library)

Definition:

Die 'os'-Bibliothek in Python ist eine Standardbibliothek, die eine portable Möglichkeit bietet, mit dem Betriebssystem zu interagieren. Sie enthält Funktionen für das Interagieren mit dem Dateisystem, Variablen der Betriebssystem-Umgebung und Systembefehlen, unter anderem.

Hauptmerkmale:

Dateioperationen: Erstellen, Lesen, Schreiben und Löschen von Dateien.

Verzeichnismanagement: Erstellen und Löschen von Verzeichnissen, Auflisten von Dateien in einem Verzeichnis.

Umgebungsvariablen: Lesen und Setzen von Umgebungsvariablen.

Beispiele

1. Verzeichnis wechseln

Python Code


  import os
os.chdir('/path/to/directory')

2. Umgebungsvariablen lesen

Python Code


  user = os.environ.get('USER')

3. Datei löschen

Python Code


  os.remove('example.txt')

P

Packages (Pakete)

Definition:

In Python ist ein Paket eine Hierarchie von Modulen, die in einem Verzeichnis organisiert sind. Pakete ermöglichen es, Code in logische Gruppen zu unterteilen und erweitern die Möglichkeiten zur Organisation von Python-Projekten. Ein Paket kann sowohl Module als auch Unterpakete enthalten.

Kontext in Python:

Python-Entwickler verwenden Pakete, um Code in sinnvolle Einheiten zu strukturieren und zu organisieren. Dies ist besonders nützlich für größere Projekte, bei denen es wichtig ist, den Code in überschaubare Teile aufzuteilen.

Beispiele:

1. Erstellen eines eigenen Pakets:

Verzeichnisstruktur


  mein_paket/
  ├── __init__.py
  ├── modul1.py
  ├── modul2.py
  └── unterpaket/
      ├── __init__.py
      └── modul3.py

2. Verwenden eines Pakets in einem Python-Programm:

Python Code


  # Importieren eines Moduls aus einem Paket
  from mein_paket import modul1

  # Importieren einer Funktion aus einem Modul
  from mein_paket.modul2 import meine_funktion

  # Importieren eines Moduls aus einem Unterpaket
  from mein_paket.unterpaket import modul3

Pandas

Definition:

Pandas ist eine Open-Source-Datenanalyse- und Datenmanipulationsbibliothek für Python. Sie bietet Datenstrukturen für den effizienten Umgang mit tabellarischen Daten und Zeitreihen. Pandas ist besonders geeignet für Datenanalyse, Data Cleaning und Datenvisualisierung.

Hauptmerkmale:

DataFrame: Ein zweidimensionales, tabellarisches Datenformat, das die Grundlage für die meisten Pandas-Operationen bildet.

Seriendaten: Unterstützt Zeitreihenanalysen durch spezielle Datenstrukturen.

Vielseitige Datenmanipulation: Beinhaltet Funktionen für das Sortieren, Filtern und Aggregieren von Daten.

Beispiele

1. Daten importieren

Python Code


  import pandas as pd

  df = pd.read_csv('data.csv')

2. Daten filtern und sortieren:

Python Code


  filtered_df = df[df['Age'] > 18]
  sorted_df = df.sort_values('Age')

3. Daten aggregieren:

Python Code


  mean_age = df['Age'].mean()
sum_salary = df['Salary'].sum()

Parameter (Parameter)

Definition:

Ein Parameter ist ein Platzhalter oder eine Variable in einer Funktion oder Methode, die dazu dient, Argumente zu empfangen und mit diesen innerhalb der Funktion zu arbeiten. Parameter definieren, welche Art von Daten oder Werten eine Funktion erwartet.

Kontext in Python:

In Python werden Parameter in Funktions- oder Methodendefinitionen angegeben und dienen dazu, Argumente zu akzeptieren und damit zu arbeiten. Sie ermöglichen es, Funktionen flexibel zu gestalten, indem sie verschiedene Eingabedaten verarbeiten können.

Beispiele:

1. Funktion mit einem Parameter:

Python Code


  def square(x):
      return x * x
  
  result = square(5)
  print(result)

2. Funktion mit mehreren Parametern:

Python Code


  def add(x, y):
      return x + y
  
  result = add(5, 3)
  print(result)

PEP 257

Definition:

PEP 257 steht für "Python Enhancement Proposal 257" und befasst sich mit den Docstring-Konventionen in der Python-Programmiersprache. Es legt fest, wie Docstrings geschrieben und formatiert werden sollten, um den Code verständlicher und leichter wartbar zu machen.

Grundlagen:

Was ist ein Docstring?: Ein Docstring ist ein String-Literal, das als Kommentar direkt nach der Definition einer Funktion, Methode, Klasse oder eines Moduls platziert wird.

Zweck: Docstrings erleichtern das Verständnis des Codes und werden oft automatisch zu Dokumentation generiert.

Richtlinien

Einzeilige DocstringsSollten in einer Zeile abgeschlossen sein.

Python Code


  def add(a, b):
     """Add two numbers together."""
     return a + b

Mehrzeilige DocstringsEnthalten eine Zusammenfassung, gefolgt von einer leerzeiligen Trennung und einer ausführlicheren Beschreibung.

Python Code


  def complex_function(a, b, c):
      """
      Perform a complex operation.
    
      This function takes three arguments, does something
      complex, and returns a value.
      """
      # Funktion Logik

PEP 8

Definition:

PEP 8 steht für "Python Enhancement Proposal 8" und ist der Stilguide für die Programmiersprache Python. Er wurde erstellt, um Entwicklern eine Anleitung zu bieten, wie Python-Code geschrieben werden sollte. Ziel ist es, den Code leserlicher und konsistenter zu machen.

Grundregeln:

Einrückung: Verwende 4 Leerzeichen pro Einrückungslevel.

Maximale Zeilenlänge: Begrenze alle Zeilen auf maximal 79 Zeichen.

Imports: Imports sollten immer am Anfang der Datei stehen und von der Standardbibliothek getrennt sein.

Whitespace: Vermeide unnötige Leerzeichen.

Beispiel

Python Code


  # Gut
  def function_with_args(arg1, arg2):
      pass

  # Schlecht
  def function_with_args( arg1, arg2 ):
      pass

Polymorphism (Polymorphismus)

Definition:

Polymorphismus ist ein weiteres zentrales Konzept der objektorientierten Programmierung. Es ermöglicht Objekten, den gleichen Methodennamen zu verwenden, aber unterschiedliche Implementierungen dieser Methoden bereitzustellen.

Kontext in Python

Python unterstützt Polymorphismus durch seine dynamische Typisierung. Das bedeutet, dass man denselben Methodennamen für unterschiedliche Objekttypen verwenden kann, solange diese Objekte die Methode unterstützen.

Beispiele

Python Code


class Dog:
    def make_sound(self):
        return "Woof"

class Cat:
    def make_sound(self):
        return "Meow"

def animal_sound(animal):
    print(animal.make_sound())

a = Dog()
b = Cat()

animal_sound(a)  # Output: Woof
animal_sound(b)  # Output: Meow

pyautogui

Definition:

pyautogui ist eine Python-Bibliothek, die die Automatisierung von Maus- und Tastatureingaben auf dem Bildschirm ermöglicht. Sie wird oft für Aufgaben wie das Erstellen von Skripten zur GUI-Automatisierung, Bildschirmaufnahmen und mehr verwendet.

Kontext in Python:

pyautogui kann in verschiedenen Anwendungsfällen nützlich sein, einschließlich der Automatisierung von Aufgaben, bei denen menschliche Interaktion auf dem Bildschirm erforderlich ist. Es ermöglicht das Steuern der Mausposition, das Klicken von Tasten und das Erkennen von Bildschirminhalten.

Beispiele:

1. Mausbewegung und Klick mit pyautogui:

Python Code


  import pyautogui

  # Bewegung der Maus zur Position (100, 100)
  pyautogui.moveTo(100, 100)

  # Klick mit der linken Maustaste
  pyautogui.click()

2. Bildschirmaufnahme mit pyautogui:

Python Code


  import pyautogui

  # Erfassen eines Teils des Bildschirms
  screenshot = pyautogui.screenshot(region=(0, 0, 800, 600))

  # Speichern des Screenshots
  screenshot.save('screenshot.png')

pytest

Definition:

pytest ist ein Testing-Framework für Python, das es einfacher macht, einfache Unit-Tests sowie komplexe funktionale Tests durchzuführen. Es ist bekannt für seine einfach zu schreibende Syntax und seine Fähigkeit, als mehr als nur einfaches Unit-Testing-Framework zu agieren.

Kontext in Python:

pytest wird weitgehend in der Python-Community verwendet und ist mit Python's Standardbibliothek und mit Drittanbieter-Bibliotheken kompatibel. Es bietet nützliche Features wie Fixtures, Parameterisierung von Tests und eine leistungsfähige CLI.

Beispiele:

1. Einfacher Test:

Python Code


  def test_addition():
      assert 1 + 1 == 2

2. Test mit Fixtures:

Python Code


  import pytest

  @pytest.fixture
  def sample_data():
      return {'key': 'value'}

  def test_using_fixture(sample_data):
      assert sample_data['key'] == 'value'

Q

Queues

Definition:

Ein Queue (Warteschlange) ist eine lineare Datenstruktur, die das FIFO-Prinzip (First In, First Out) verfolgt. Das heißt, das erste Element, das hinzugefügt wird, wird auch als erstes wieder entfernt.

Kontext in Python

In Python gibt es mehrere Möglichkeiten, Queues zu implementieren. Sie können Listen verwenden, aber für eine effizientere Implementierung ist die Verwendung der `queue` Bibliothek empfehlenswert.

Beispiele

Python Code


from queue import Queue

# Queue erstellen
my_queue = Queue()

# Elemente hinzufügen
my_queue.put(1)
my_queue.put(2)
my_queue.put(3)

# Element entfernen
popped = my_queue.get()

R

Ravel

Definition:

Ravel ist ein Prozess, bei dem ein mehrdimensionales Array in ein eindimensionales Array umgewandelt wird. Im Gegensatz zu 'Flatten' erfolgt dies in der Regel ohne eine Kopie des ursprünglichen Arrays zu erzeugen.

Kontext in Python

In Python wird die Ravel-Funktion häufig in der NumPy-Bibliothek verwendet, um die Dimensionalität von Arrays zu reduzieren, während Speicherplatz gespart wird.

Beispiel

Python Code


import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
flattened_arr = arr.ravel()

Read the Docs

Definition:

Read the Docs ist eine Web-Plattform, die das Hosting, die Versionierung und das Teilen von Software-Dokumentation ermöglicht. Sie ist eng mit der Python-Community verbunden und oft das bevorzugte Medium für Python-Projekte, um ihre Dokumentation bereitzustellen. Der Dienst verwendet Sphinx und reStructuredText als Hauptwerkzeuge für die Dokumentationserstellung.

Hauptfunktionen:

Automatische Aktualisierungen: Synchronisiert mit Repositories auf Plattformen wie GitHub oder GitLab, um die Dokumentation automatisch zu aktualisieren, wenn Änderungen vorgenommen werden.

Versionierung: Ermöglicht das Hosting von Dokumentation für verschiedene Versionen einer Software.

Suchfunktion: Bietet eine effiziente Volltextsuche innerhalb der gesamten Dokumentation.

Anwendung

Ein Read the Docs-Projekt kann einfach durch Verknüpfung mit einem Repository und Auswahl der entsprechenden Konfigurationsoptionen eingerichtet werden. Nach der Aktivierung wird die Dokumentation automatisch generiert und bei jeder Aktualisierung des Repositorys aktualisiert.

Beispiele

Die Django-Webframework-Dokumentation oder die Pandas-Bibliothek verwenden Read the Docs, um ihre umfangreichen Dokumentationen bereitzustellen.

Requests

Definition:

Die Requests-Bibliothek ist eine populäre Python-Bibliothek zur Durchführung von HTTP-Anfragen. Sie ermöglicht das Senden von HTTP/1.1-Anfragen und verfügt über integrierte Funktionen für viele Aufgaben, darunter das Senden und Empfangen von Daten, das Authentifizieren und das Verwalten von Sitzungen.

Kontext in Python:

In Python wird die Requests-Bibliothek oft verwendet, um Web-APIs abzufragen, Daten von Websites abzurufen oder andere serverseitige Aktionen durchzuführen.

Beispiele:

1. GET-Anfrage:

Python Code


  import requests

  response = requests.get('https://www.example.com')
  print(response.text)

2. POST-Anfrage:

Python Code


  payload = {'key1': 'value1', 'key2': 'value2'}
  response = requests.post('https://httpbin.org/post', data=payload)
  print(response.json())

Reshaping

Definition:

Reshaping bezeichnet die Änderung der Form eines Arrays, ohne seine Daten zu ändern. Dies ist besonders nützlich, wenn man die Dimensionen eines Arrays für bestimmte Operationen anpassen muss.

Kontext in Python

In Python kann man das Reshaping eines Arrays mit der Methode reshape() in der NumPy-Bibliothek durchführen.

Beispiel

Python Code


import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6])
reshaped_arr = arr.reshape(2, 3)

RESTful API

Definition:

RESTful API steht für Representational State Transfer Application Programming Interface. Es handelt sich um eine Art von Web-API, die die Grundprinzipien von REST befolgt. Eine RESTful API ermöglicht die Interaktion mit Ressourcen (z.B. Datenobjekte oder Dienste) über HTTP-Methoden wie GET, POST, PUT und DELETE.

Hauptmerkmale:

Zustandslosigkeit: ede Anfrage vom Client zum Server muss alle Informationen enthalten, die der Server benötigt, um die Anfrage zu verstehen und zu verarbeiten.

Client-Server-Architektur: Die Client-Server-Architektur trennt die Benutzeroberfläche von den Daten.

Ressourcenorientiert: RESTful APIs fokussieren sich auf die Ressource und wie der Zustand der Ressource geändert wird, normalerweise durch HTTP-Methoden.

Beispiele

1. Abruf von Daten mit der GET-Methode

Python Code


  import requests

  response = requests.get('https://api.example.com/items')
  items = response.json()

2. Datenaktualisierung mit der PUT-Methode

Python Code


  payload = {'key1': 'value1', 'key2': 'value2'}
  response = requests.put('https://api.example.com/items/42', data=payload)

S

Seaborn

Definition:

Seaborn ist eine Python-Datenvisualisierungsbibliothek, die auf Matplotlib aufbaut. Sie bietet eine höhere Abstraktionsebene und eine ansprechendere Ästhetik für komplexe Datenvisualisierungen. Seaborn ist besonders nützlich für statistische Modelle und wird oft in wissenschaftlichen Arbeiten, Datenanalyseprojekten und Machine-Learning-Anwendungen verwendet.

Hauptmerkmale:

Statistische Plots: Einfach zu erstellende komplexe Plots wie Heatmaps, Violin-Plots und Pair Plots.

Integration mit Pandas: Nahtlose Unterstützung für Pandas DataFrames, was den Datenvisualisierungsprozess vereinfacht.

Theming und Farbpaletten: Umfangreiche Optionen für die Anpassung der Ästhetik deiner Plots.

Beispiele

1. Heatmap

Python Code


  import seaborn as sns
  import numpy as np

  data = np.random.rand(10, 10)
  sns.heatmap(data)

2. Violin-Plot

Python Code


  sns.violinplot(x='day', y='total_bill', data=tips)

3. Pair Plot

Python Code


  sns.pairplot(iris, hue='species')

scikit-learn

Definition:

scikit-learn ist eine Open-Source-Bibliothek für die Programmiersprache Python, die speziell für Machine Learning entwickelt wurde. Sie ist bekannt für ihre Benutzerfreundlichkeit und Vielseitigkeit und wird oft für Supervised und Unsupervised Learning-Aufgaben verwendet.

Hauptmerkmale:

Einfache Schnittstellen: Bietet eine konsistente API für verschiedene Machine Learning-Modelle.

Algorithmenvielfalt: Enthält eine breite Palette von Algorithmen für Klassifizierung, Regression, Clustering und mehr.

Pipeline-Konstruktion: Ermöglicht die einfache Verkettung von Daten-Preprocessing und Modell-Training.

Beispiele

1. Klassifizierung mit einem Decision Tree

Python Code


  from sklearn.datasets import load_iris
  from sklearn.model_selection import train_test_split
  from sklearn.tree import DecisionTreeClassifier

  iris = load_iris()
  X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)

  clf = DecisionTreeClassifier()
  clf.fit(X_train, y_train)

2. Clustering mit K-Means

Python Code


  from sklearn.cluster import KMeans

  kmeans = KMeans(n_clusters=3)
  kmeans.fit(X_train)

3. Daten-Normalisierung

Python Code


  from sklearn.preprocessing import StandardScaler

  scaler = StandardScaler()
  X_train_scaled = scaler.fit_transform(X_train)

SciPy (Scientific Python)

Definition:

SciPy ist eine Open-Source-Bibliothek für Python, die für wissenschaftliches und technisches Computing entwickelt wurde. Sie baut auf NumPy auf und bietet eine Vielzahl von Werkzeugen und Algorithmen für Aufgaben wie Optimierung, Statistik, Signalverarbeitung und vieles mehr.

Hauptmerkmale:

Modulare Struktur: SciPy ist in verschiedene Untermodule unterteilt, die jeweils bestimmte wissenschaftliche Computing-Anforderungen abdecken.

Optimierung: Beinhaltet Algorithmen zur Lösung von Minimierungs- und Gleichungsproblemen.

Statistik: Bietet umfangreiche Funktionen für statistische Analysen.

Beispiele

1. Lineare AlgebraLösen eines linearen Gleichungssystems.

Python Code


  from scipy.linalg import solve
  import numpy as np

  a = np.array([[3, 2, 0], [1, -1, 0], [0, 5, 1]])
  b = np.array([2, 4, -1])

  x = solve(a, b)

2. OptimierungMinimierung einer Funktion.

Python Code


  from scipy.optimize import minimize

  def objective_function(x):
    return x[0]**2 + x[1]**2

  result = minimize(objective_function, [1, 1])

3. SignalverarbeitungFourier-Transformation eines Signals.

Python Code


  from scipy.fftpack import fft

  signal = np.array([0., 1., 0., -1.])
  fourier = fft(signal)

Scope

Definition:

Der Scope (Gültigkeitsbereich) einer Variable bezeichnet den Bereich in einem Programm, in dem die Variable zugänglich ist und manipuliert werden kann.

Kontext in Python

In Python gibt es verschiedene Arten von Scopes wie den globalen, lokalen und den Verschachtelungs-Scope. Python folgt der LEGB-Regel (Local, Enclosing, Global, Built-in), um zu bestimmen, welcher Scope bei einer Variablenreferenz verwendet wird.

Beispiele

Python Code


# Global Scope
x = 10

def my_function():
    # Local Scope
    y = 5
    print(x, y)

my_function()

Selenium

Definition:

Selenium ist ein Open-Source-Werkzeug, das hauptsächlich für das Automatisieren von Webanwendungen zu Testzwecken verwendet wird. Es ermöglicht das Steuern eines Webbrowsers und das Interagieren mit Webseiten, als würde ein Mensch die Aufgaben erledigen.

Kontext in Python:

In Python kann Selenium mit dem Selenium WebDriver verwendet werden. Das Selenium-Paket muss installiert werden und es erlaubt das Automatisieren von Webbrowser-Aktionen.

Beispiele

1. Browser öffnen und eine Webseite besuchen:

Python Code


  from selenium import webdriver

  driver = webdriver.Chrome()
  driver.get('https://www.google.com')

2. Elemente finden und interagieren:

Python Code


  search_box = driver.find_element_by_name('q')
  search_box.send_keys('Selenium')
  search_box.submit()

Semantic Analysis

Definition:

Die semantische Analyse ist eine Phase in der Verarbeitungskette eines Compilers oder Interpreters, die auf die lexikalische und syntaktische Analyse folgt. In dieser Phase wird die Bedeutung des Codes überprüft, z.B. ob Variablen deklariert wurden, bevor sie verwendet werden, oder ob Funktionen mit den richtigen Argumenten aufgerufen werden.

Kontext in Python

In Python wird die semantische Analyse durch den Interpreter durchgeführt. Dabei werden unter anderem Typüberprüfungen und Scope-Regeln angewandt, um sicherzustellen, dass der Code logisch konsistent ist.

Beispiele

Python Code


# Beispiel: Semantischer Fehler
x = 'Hallo'
y = x + 5  # Fehler, da ein String und eine Zahl nicht addiert werden können

Shutil Library (Shell Utility Library)

Definition:

Die 'shutil^-Bibliothek ist eine Python-Standardbibliothek, die eine Sammlung von Dateioperationen auf höherem Niveau bietet. Sie beinhaltet Funktionen zum Kopieren, Verschieben, Umbenennen und Löschen von Dateien und Verzeichnissen.

Hauptmerkmale:

Datei- und Verzeichniskopie: Kopiert Dateien und Verzeichnisbäume.

Datei- und Verzeichnisbewegung: Verschiebt Dateien und Verzeichnisse.

Archivierung: Unterstützt das Erstellen und Lesen von Archiven wie Zip- oder Tar-Dateien.

Beispiele

1. Datei kopieren

Python Code


  import shutil

  shutil.copy('source.txt', 'destination.txt')

2. Verzeichnisbaum kopieren

Python Code


  shutil.copytree('source_directory', 'destination_directory')

3. Datei verschieben

Python Code


  shutil.move('source.txt', 'destination_folder')

Slicing

Definition:

Slicing ist eine Technik in Python, mit der man Teilmengen eines iterierbaren Objekts, wie z.B. einer Liste oder eines Arrays, extrahieren kann. Es verwendet eine Notation, die den Start-, Stop- und Schrittwert angibt, um ein neues, geschnittenes Objekt zu erzeugen. Das ursprüngliche Objekt bleibt dabei unverändert.

Beispiel:

Python Code


  # Liste erstellen
  my_list = [0, 1, 2, 3, 4, 5]

  # Slicing: Vom Index 1 bis 4
  sliced_list = my_list[1:5]

  # Ergebnis
  print(sliced_list)  # Ausgabe: [1, 2, 3, 4]

Sphinx

Definition:

Sphinx ist ein Dokumentationserstellungstool, das speziell für die Programmiersprache Python entwickelt wurde. Es generiert aus strukturierten Textdateien, meistens geschrieben in reStructuredText, eine umfangreiche und gut strukturierte Dokumentation in verschiedenen Formaten wie HTML, PDF oder ePub.

Hauptfunktionen:

Autodoc: Automatische Extraktion von Python-Docstrings zur Einbindung in die Dokumentation.

Cross-Referencing: Einfache Möglichkeit, Querverweise zwischen verschiedenen Dokumentationsteilen zu erstellen.

Erweiterbarkeit: Zahlreiche Plugins und Erweiterungen, um die Funktionalität nach Bedarf zu erhöhen.

Anwendung

Sphinx kann über die Kommandozeile installiert und gesteuert werden. Ein einfaches Projekt kann mit dem Befehl 'sphinx-quickstart' erstellt werden.

Python Code


  # Sphinx installieren
  pip install sphinx

  # Ein neues Projekt erstellen
  sphinx-quickstart

Beispiel

Python Code


  .. function:: my_function(arg1, arg2)
   
     :param arg1: Beschreibung für arg1
     :param arg2: Beschreibung für arg2
     :returns: Was die Funktion zurückgibt

Stacks

Definition:

Ein Stack ist eine lineare Datenstruktur, die nach dem LIFO-Prinzip (Last In, First Out) arbeitet. Das bedeutet, das zuletzt hinzugefügte Element wird als erstes wieder entfernt.

Kontext in Python

In Python kann ein Stack leicht mit einer Liste implementiert werden, da Listen in Python dynamisch sind und die Methoden `append()` und `pop()` unterstützen, die für die Stack-Operationen erforderlich sind.

Beispiele

Python Code


# Stack mit Listen erstellen
my_stack = []

# Elemente hinzufügen
my_stack.append(1)
my_stack.append(2)
my_stack.append(3)

# Element entfernen
popped = my_stack.pop()

String Concatenation

Definition:

String Concatenation bezieht sich auf den Prozess, zwei oder mehr Strings in Python zu einem einzigen String zu verbinden.

Kontext in Python

Python bietet verschiedene Möglichkeiten zur String Concatenation, darunter der `+`-Operator, die `join()`-Methode und String-Interpolation.

Beispiele

Python Code


# Mit dem + Operator
string1 = "Hallo"
string2 = "Welt"
result = string1 + " " + string2  # Ergebnis: "Hallo Welt"

# Mit der join()-Methode
result = " ".join([string1, string2])  # Ergebnis: "Hallo Welt"

String Formatting

Definition:

String Formatting bezieht sich auf die Methode, um die Darstellung von Strings in Python zu steuern. Es ermöglicht die Einbindung von Variablen und die Formatierung von Text und Zahlen in Strings.

Kontext in Python

In Python gibt es verschiedene Möglichkeiten für das String Formatting, darunter die `format()` Methode, f-Strings und die ältere Prozentzeichen-Notation.

Beispiele

Python Code


# Mit der format()-Methode
greeting = "Hallo, {}!".format("Sascha")

# Mit f-Strings (ab Python 3.6)
name = "Sascha"
greeting = f"Hallo, {name}!"

# Mit Prozentzeichen-Notation
greeting = "Hallo, %s!" % "Sascha"

String Interpolation

Definition:

String Interpolation ist eine Technik zur Einbettung von Variablen oder Ausdrücken in einen String, um einen neuen, zusammengesetzten String zu erzeugen.

Kontext in Python

Python bietet mehrere Methoden zur String Interpolation, darunter f-Strings, die `format()`-Methode und die Prozentzeichen-Notation.

Beispiele

Python Code


# Mit f-Strings (ab Python 3.6)
name = "Sascha"
greeting = f"Hallo, {name}!"
  
# Mit der format()-Methode
greeting = "Hallo, {}!".format(name)

# Mit Prozentzeichen-Notation
greeting = "Hallo, %s!" % name

Sphinx

String Manipulation:

String Manipulation bezeichnet in Python das Bearbeiten und Verändern von String-Objekten. Obwohl Strings in Python unveränderlich (immutable) sind, lassen sie sich durch verschiedene Methoden und Operatoren dennoch manipulieren, indem neue Strings aus bestehenden erzeugt werden.

Beispiel:

Python Code


  # String erstellen
  my_string = "Hello World"

  # Uppercase
  upper_string = my_string.upper()

  # Ergebnis
  print(upper_string)  # Ausgabe: "HELLO WORLD"

Beispiel

Python Code


  .. function:: my_function(arg1, arg2)
   
     :param arg1: Beschreibung für arg1
     :param arg2: Beschreibung für arg2
     :returns: Was die Funktion zurückgibt

String Slicing

Definition:

String Slicing ist eine Technik in Python, mit der man Teilmengen eines Strings extrahieren kann. Ähnlich wie beim allgemeinen Slicing werden Start-, Stop- und Schrittwerte angegeben, um ein neues, geschnittenes String-Objekt zu erzeugen. Das ursprüngliche String-Objekt bleibt dabei unverändert.

Beispiel:

Python Code


  # String erstellen
  my_string = "PythonWorld"

  # Slicing: Vom Index 0 bis 5
  sliced_string = my_string[0:6]

  # Ergebnis
  print(sliced_string)  # Ausgabe: "Python"

Syntax Analysis

Definition:

Syntaxanalyse, auch als Parsing bekannt, ist der Prozess, bei dem ein Compiler oder Interpreter die Struktur eines Quellcodes überprüft. Sie wird durchgeführt, um sicherzustellen, dass der Code die grammatikalischen Regeln der Programmiersprache einhält.

Kontext in Python

In Python erfolgt die Syntaxanalyse automatisch beim Ausführen eines Programms. Fehler in der Syntax werden als SyntaxError gemeldet, wodurch der Entwickler darauf hingewiesen wird, den Code zu korrigieren.

Beispiele

Python Code


# Beispiel für SyntaxError in Python
try:
    eval('x === y')
except SyntaxError:
    print("SyntaxError wurde erkannt.")

Sys Library (System Library)

Definition:

Die 'sys' Bibliothek in Python ist eine Standardbibliothek, die Zugriff auf einige Variablen und Funktionen bietet, die eng mit dem Python-Interpreter interagieren. Sie wird oft verwendet, um Befehlszeilenargumente zu lesen, das Programm zu beenden oder die Standard-Ein- und Ausgabe-Streams zu manipulieren

Hauptmerkmale:

Befehlszeilenargumente: Zugriff auf die Befehlszeilenargumente über 'sys.argv'

Programm beenden: Beendet den Python-Interpreter mit 'sys.exit()'.

Pfadmodifikation: Ermöglicht die Manipulation des 'PYTHONPATH' durch 'sys.path'

Beispiele

1. Befehlszeilenargumente lesen

Python Code


  import sys

print("Script name:", sys.argv[0])
print("First argument:", sys.argv[1])

2. Programm beenden

Python Code


  sys.exit("Error message")

3. Pfadmodifikation

Python Code


  sys.path.append('/path/to/my/module')

T

Template String

Definition:

Ein Template String ist ein spezieller String-Typ in Python, der Platzhalter enthält. Diese Platzhalter können durch tatsächliche Werte ersetzt werden, um dynamischen Text zu generieren.

Kontext in Python

In Python werden Template Strings in der Standardbibliothek `string` über die Klasse `Template` bereitgestellt. Sie sind eine sicherere und benutzerfreundlichere Möglichkeit, Strings dynamisch zu formatieren.

Beispiel

Python Code


from string import Template

t = Template('Hallo, $name!')
message = t.substitute(name='Sascha')

Threading

Definition:

Threading bezeichnet die parallele Ausführung von mehreren "Threads" (Unterprozessen) innerhalb eines einzigen Prozesses. Jeder Thread führt einen spezifischen Aufgabenbereich aus und teilt sich dabei Ressourcen wie Speicher mit anderen Threads im selben Prozess.

Kontext in Python

Das threading Modul in Python ermöglicht die einfache Erstellung und Verwaltung von Threads. Es ist besonders nützlich für I/O-bound oder Netzwerkaufgaben, die gleichzeitig ablaufen sollen.

Beispiele

Python Code


import threading

def print_numbers():
    for i in range(10):
        print(i)

# Erzeugung von Threads
t1 = threading.Thread(target=print_numbers)
t2 = threading.Thread(target=print_numbers)

# Start der Threads
t1.start()
t2.start()

# Warte bis beide Threads abgeschlossen sind
t1.join()
t2.join()

Typing Modul

Definition:

Das Typing-Modul in Python bietet Unterstützung für Typenhinweise. Typenhinweise sind Zusätze zu Python-Quellcode, die den erwarteten Datentyp von Variablen, Funktionsargumenten und Rückgabewerten angeben.

Kontext in Python

Das Typing-Modul wird vor allem zur Verbesserung der Lesbarkeit und zur statischen Code-Analyse verwendet. Es ist nicht zur Laufzeitüberprüfung der Typen gedacht.

Beispiele

Python Code


from typing import List, Tuple

def add(a: int, b: int) -> int:
    return a + b

def get_names() -> List[str]:
    return ["Alice", "Bob"]

U

Unittest

Definition:

unittest ist ein Testframework für Python, das ursprünglich als Teil der Standardbibliothek eingeführt wurde. Es unterstützt Testautomatisierung, Aggregation von Tests und gleichzeitig die Isolierung von Testmethoden.

Kontext in Python:

In Python ist unittest ein Modul in der Standardbibliothek, das Entwicklern das Schreiben von verschiedenen Arten von Tests, einschließlich Unit-Tests und Integrationstests, erleichtert.

Beispiele

1. Einfacher Test: Testen der upper() Methode für Strings.

Python Code


  import unittest
  
  class TestStringMethods(unittest.TestCase):
  
      def test_upper(self):
          self.assertEqual('foo'.upper(), 'FOO')

2. SetUp und TearDown: Methoden für die Initialisierung und Bereinigung von Ressourcen für Tests.

Python Code


  class TestDatabase(unittest.TestCase):

      def setUp(self):
          self.connection = create_database_connection()

      def tearDown(self):
          self.connection.close()

URLLIB

Definition:

Die 'urllib'-Bibliothek in Python ist ein Modulpaket, das viele Funktionen zum Arbeiten mit URLs bietet. Es wird häufig zum Abrufen von Daten über das Internet verwendet.

Kontext in Python:

'urllib' bietet eine einfachere Schnittstelle als die Tiefenebene der HTTP-Protokolle. Es ist ein guter Ausgangspunkt für einfache Web-Scraping-Aufgaben oder API-Aufrufe.

Beispiele:

1. GET-Anfrage:

Python Code


  from urllib.request import urlopen

  response = urlopen('https://www.example.com')
  html = response.read()
  print(html)

2. Parameter mit URL verschicken:

Python Code


  from urllib.parse import urlencode
  from urllib.request import Request, urlopen

  url = 'https://www.example.com'
  payload = {'key1': 'value1', 'key2': 'value2'}
  
  full_url = f"{url}?{urlencode(payload)}"
  response = urlopen(full_url)
  print(response.read())

V

Variablen

Definition:

Eine Variable ist ein Container, der einen Wert oder eine Referenz auf eine Datenstruktur speichert. Variablen werden in der Programmierung verwendet, um Daten zu speichern und zu manipulieren.

Kontext in Python

In Python werden Variablen durch den Zuweisungsoperator '=' erstellt und können verschiedene Datentypen wie Integer, Float, String, Liste und viele mehr speichern.

Beispiele

Python Code


# Integer Variable
x = 5

# String Variable
name = "Sascha"

# List Variable
items = [1, 2, 3]

Virtual Reality

Definition:

Virtual Reality (VR) ist eine simulierte Erfahrung, die entweder der realen Welt ähnlich oder völlig anders sein kann. Es handelt sich um eine computergenerierte Umgebung, die mit speziellen VR-Headsets erlebt wird.

Kontext in Technologie

Virtual Reality wird in vielen Bereichen eingesetzt, von der Unterhaltung und dem Gaming bis hin zu Schulungen und Therapie. Python wird in der VR-Entwicklung weniger häufig verwendet, aber es gibt spezialisierte Frameworks und Bibliotheken für diese Anwendung.

Beispiele

1. Oculus Rift: Ein beliebtes VR-Headset für immersives Gaming.

2. VR-Simulationen: In der Medizin oder der Luftfahrt werden VR-Simulationen für die Ausbildung eingesetzt.

W

Web Driver

Definition:

Ein Web Driver ist ein Software-Interface, das für die Interaktion mit Webbrowsern entwickelt wurde. Es wird oft in Automatisierungstests, Web Scraping und anderen automatisierten Webinteraktionen verwendet.

Kontext in Python:

In Python wird der Web Driver häufig über die Selenium-Bibliothek verwendet, um Webanwendungen automatisch zu testen oder um Aufgaben wie das Ausfüllen von Formularen oder das Klicken auf Links zu automatisieren.

Beispiele

1. Öffnen einer Webseite:

Python Code


  from selenium import webdriver

  driver = webdriver.Chrome()
  driver.get('https://www.example.com')

2. Interaktion mit Web-Elementen:

Python Code


  search_box = driver.find_element_by_name('q')
  search_box.send_keys('Hello World')
  search_box.submit()

Web Scraping

Definition:

Web Scraping bezieht sich auf den Prozess der automatischen Extraktion von Daten aus Webseiten. In Python werden dafür oft Bibliotheken wie 'BeautifulSoup', 'Scrapy' oder 'requests' verwendet.

Hauptmerkmale:

HTML Parsing: Das Durchsuchen und Extrahieren von Informationen aus HTML-Dokumenten.

Automatisierte Anfragen: Senden von HTTP-Anfragen und Empfangen von Antworten.

Datenspeicherung: Gesammelte Daten können in verschiedenen Formaten (CSV, JSON, Datenbanken etc.) gespeichert werden.

Beispiele

1. Einfaches Scraping mit BeautifulSoup

Python Code


  from bs4 import BeautifulSoup
  import requests

  url = 'https://example.com'
  response = requests.get(url)
  soup = BeautifulSoup(response.text, 'html.parser')

  title = soup.title.string  # Holt den Titel der Webseite

2. Fortgeschrittenes Scraping mit Scrapy

Python Code


  import scrapy

  class MySpider(scrapy.Spider):
      name = 'myspider'
      start_urls = ['https://example.com']

      def parse(self, response):
        title = response.xpath('//title/text()').extract_first()

X

Test X

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Vivamus lacinia odio vitae vestibulum. Donec in efficitur leo. In hac habitasse platea dictumst. Duis rhoncus egestas magna ut fringilla. Duis eget vestibulum quam, eu scelerisque ligula. Sed eget eros accumsan, lacinia erat nec, lobortis tellus. Fusce venenatis posuere magna, eu egestas ipsum. Mauris auctor, sapien vel luctus vulputate, nisi orci iaculis ante, et convallis est nisi et nisl. Sed in semper ex. Pellentesque aliquam, libero a facilisis lacinia, ex mi facilisis mauris, id tempus metus quam a mi. Praesent in libero vel turpis pellentesque egestas sit amet vel nunc. Nunc lobortis dui neque, quis accumsan dolor. Aenean aliquet dignissim semper.

Test X2

Y

Test Y

Test Y2

Z

Zipfile Library

Definition:

Die 'zipfile^-Bibliothek in Python ist eine Standardbibliothek, die spezialisiert ist auf die Erstellung, das Lesen und das Entpacken von ZIP-Archiven. Sie bietet eine bequeme Schnittstelle, um mit ZIP-Dateien in Python zu arbeiten, und umfasst Methoden zum Komprimieren und Extrahieren von Dateien.

Hauptmerkmale:

ZIP-Dateien erstellen: Erzeugt neue ZIP-Archive und fügt Dateien hinzu.

ZIP-Dateien lesen: Liest Inhalte und Metadaten aus existierenden ZIP-Archiven.

ZIP-Dateien extrahieren: Entpackt Dateien und Verzeichnisse aus einem ZIP-Archiv.

Beispiele

1. ZIP-Datei erstellen

Python Code


  import zipfile

  with zipfile.ZipFile('new_archive.zip', 'w') as myzip:
      myzip.write('example.txt', 'example.txt')

2. ZIP-Datei lesen

Python Code


  with zipfile.ZipFile('existing_archive.zip', 'r') as myzip:
      print(myzip.namelist())

3. ZIP-Datei extrahieren

Python Code


  with zipfile.ZipFile('existing_archive.zip', 'r') as myzip:
      myzip.extractall('destination_folder')

Pythonworld.online Glossar - Dein Tor zur Python-Welt!

Wie funktioniert das Glossar

A

Abstract Base Class (Abstrakte Basisklasse)

Verwandte Bibliotheken

AIOHTTP

Verwandte Bibliotheken

Algorithms

Verwandte Bibliotheken

Annotations

Verwandte Konzepte

Associative Array (Assoziatives Array)

Verwandte Konzepte

API (Application Programming Interface)

Verwandte Konzepte

Array: Eigenschaften und Verwendung in Python

Verwandte Konzepte

Array Reshaping in Python

Verwandte Konzepte

Array Slicing in Python

Beispiele

Verwandte Konzepte

Argparse (Argument Parser)

Verwandte Konzepte

Arithmetic (Arithmetik)

Verwandte Konzepte

Argument (Argument)

Verwandte Konzepte

AST (Abstract Syntax Tree)

Verwandte Konzepte

Async/Await

Verwandte Konzepte

Asynchronous Processing

Verwandte Konzepte

Asynchronous Programming (Async/Await)

Verwandte Konzepte

Assignment Operators (Zuweisungsoperatoren)

Verwandte Konzepte

Attribute

Verwandte Konzepte

Automated Testing in Python

Verwandte Bibliotheken

Augmented Reality

Verwandte Technologien

Beautiful Soup

Verwandte Bibliotheken

Booleans (Boolesche Werte)

Verwandte Konzepte

B

Boolean Indexing

Verwandte Konzepte

C

CLI (Command Line Interface)

Verwandte Konzepte

CPU (Central Processing Unit)

Verwandte Konzepte

Concurrency

Verwandte Konzepte

Conditionals (Bedingte Anweisungen)

Verwandte Konzepte

Compilers

Verwandte Konzepte

D

Datenstrukturen

Verwandte Konzepte

Data Types

Verwandte Konzepte

Deep vs Shallow Copy

Verwandte Konzepte

Deques

Verwandte Konzepte

Docstrings

Verwandte Konzepte

doctest

Verwandte Bibliotheken

Dictionary (Wörterbuch)

Verwandte Konzepte

E

Encapsulation (Kapselung)

Verwandte Konzepte