
Python von Kopf bis Fuß
Description
Alles über E-Books | Antworten auf Fragen rund um E-Books, Kopierschutz und Dateiformate finden Sie in unserem Info- & Hilfebereich.
More details
Other editions
Additional editions


Persons
Content
- Intro
- Inhaltsverzeichnis
- Das Intro
- Für wen ist dieses Buch gedacht?
- Wir wissen, was Sie denken
- Und wir wissen, was Ihr Gehirn gerade denkt.
- Metakognition: Nachdenken übers Denken
- Das haben WIR getan:
- Und das können SIE tun, um sich Ihr Gehirn untertan zu machen
- READ ME
- Die neueste Python-Version installieren
- Python allein ist nicht genug
- Konfigurieren Sie VS Code ganz nach Ihrem Geschmack
- Fügen Sie zwei notwendige Erweiterungen zu VS Code hinzu
- Die Python-Unterstützung von VS Code ist auf dem neuesten Stand
- Das Team der technischen Sachverständigen
- Danksagungen
- Über den Übersetzer dieses Buchs
- 0 Warum Python?
- Ähnlich und doch anders
- Vorbereitungen, Code auszuführen
- Vorbereitung für Ihre erste Begegnung mit Jupyter
- Füllen wir den Notebook-Editor mit etwas Code
- Drücken Sie Shift+Enter, um Ihren Code auszuführen
- Was ist, wenn Sie mehr als eine Karte ziehen wollen?
- Ein genauerer Blick auf den Code zum Ziehen einer Karte
- Die »Großen Vier«: Liste, Tupel, Dictionary und Set
- Den Kartenstapel mit einem Set modellieren
- Der »print dir«-Combo-Mambo
- Hilfe für die Ausgaben von dir
- Das Set mit Karten füllen
- Das fühlt sich wie ein Stapel Karten an
- Was genau ist »card« eigentlich?
- Suchen Sie etwas?
- Kurze Pause für eine Bestandsaufnahme
- Python besitzt eine umfangreiche Standardbibliothek
- Mit Python schreiben Sie nur den Code, den Sie brauchen
- Gerade als Sie dachten, Sie seien endlich fertig .
- 1 Eintauchen
- Sprung ins kalte Wasser
- Wie arbeitet der Coach im Moment?
- Der Coach braucht eine bessere Stoppuhr
- Bürogespräch
- Die Datei und die Tabelle sind »verwandt«
- Aufgabe 1: Daten aus dem Dateinamen extrahieren
- Ein String ist ein Objekt mit Attributen
- Daten des Schwimmers aus dem Dateinamen extrahieren
- Versuchen Sie nicht, zu raten, was eine Methode tut .
- Einen String auftrennen (»splitten«)
- Es gibt noch was zu tun
- Lesen Sie Fehlermeldungen von unten nach oben
- Vorsicht beim Kombinieren von Methodenaufrufen
- Bürogespräch
- Probieren wir es mit einer anderen String-Methode
- Wir brauchen nur noch ein paar Variablen
- Aufgabe Nummer 1 ist erledigt!
- Aufgabe 2: Die Daten in der Datei verarbeiten
- 2 Listen aus Zahlen
- Listendaten verarbeiten
- Aufgabe 2: Die Daten in der Datei verarbeiten
- Holen Sie sich eine Kopie der Daten des Coachs
- Die open-BIF funktioniert mit Dateien
- Bürogespräch
- Datei mit with öffnen (und schließen)
- with . open . as . unter dem Mikroskop
- Variablen werden bei Bedarf dynamisch erstellt
- Eigentlich brauchen Sie die Daten in der Datei
- Wir haben die Schwimmer-Daten aus der Datei
- Schauen wir mal, wie wir vorankommen
- Der nächste Schritt kommt uns bekannt vor
- Das vorherige Kapitel zahlt sich aus
- Einen Zeitstring in einen Zeitwert umwandeln
- Die Zeiten in Hundertstelsekunden umwandeln
- Mit Python zu Hundertstelsekunden
- Ein kurzer Rückblick auf Pythons for-Schleife
- Jetzt geht's rund - for-Schleifen gegen while-Schleifen
- Jetzt läuft es fast von selbst, und Sie machen große Fortschritte!
- Wir behalten Kopien der konvertierten Werte
- Eine neue leere Liste erstellen
- Eine Liste der Listenmethoden ausgeben
- Es ist Zeit, den Durchschnitt zu berechnen
- Den Durchschnittswert in einen Schwimmzeitstring umwandeln
- Es ist Zeit, die Einzelteile zusammenzufügen
- Aufgabe 2 hat (endlich) die Ziellinie überquert!
- 3 Listen von Dateien
- Funktionen, Module und Dateien
- Bürogespräch
- Sie haben den nötigen Code schon fast beisammen
- Eine Funktion in Python erstellen
- Anatomie einer Funktionssignatur
- Speichern Sie Ihren Code, so oft Sie wollen
- Einfach den Code kopieren reicht nicht
- Sämtlicher nötiger Code muss kopiert werden
- Module verwenden, um Code weiterzugeben
- Erfreuen Sie sich am Glanz der zurückgegebenen Daten
- Funktionen geben bei Bedarf ein Tupel zurück
- Holen wir uns eine Liste der Dateinamen des Coachs
- Zeit für etwas Detektivarbeit .
- Was können Sie mit Listen anstellen?
- Liegt das Problem bei Ihren Daten oder Ihrem Code?
- Bürogespräch
- Entscheidungen über Entscheidungen
- Suchen wir den Doppelpunkt »in« dem String
- Sind Sie auf 60 verarbeitete Dateien gekommen?
- Der Code für den Coach nimmt langsam Form an .
- 4 Formatierte String-Literale
- Tabellen aus Daten
- Bürogespräch
- Von einem einfachen Diagramm zum Balkendiagramm für den Coach
- Die im HTML benötigten Strings mit Code erstellen
- Die String-Verkettung skaliert nicht
- f-Strings sind ein sehr beliebtes Python-Feature
- Mit f-Strings ist die Erzeugung von SVG ein Kinderspiel!
- Die Daten sind vollständig, oder nicht?
- Sicherstellen, dass alle benötigten Daten zurückgegeben werden
- Die Zahlen sind da, aber sind sie auch benutzbar?
- Es fehlt nur noch das Ende der Webseite
- Wie das Lesen aus Dateien klappt auch das Schreiben in Dateien völlig schmerzfrei
- Es ist Zeit, Ihr Kunstwerk zu präsentieren
- Jetzt sind nur noch zwei ästhetische Anpassungen nötig .
- Bürogespräch
- Eine weitere selbst geschriebene Funktion
- Erweitern wir das Modul um eine neue Funktion
- Was ist mit dem Hundertstelwert los?
- Runden ist nicht das Richtige (jedenfalls nicht in diesem Fall)
- Es geht gut voran .
- 5 Daten organisieren
- Die richtige Datenstruktur
- Eine Liste mit den Namen der Schwimmer erstellen
- Der Liste-Set-Liste-Trick
- Jetzt hat der Coach eine Liste mit Namen
- Eine kleine Änderung macht einen »großen« Unterschied
- Jedes Tupel ist einmalig
- Superschnelle Lookups mit Dictionaries
- Dictionaries verwenden Schlüssel/Wert-Paare für das Lookup
- Anatomie eines Dictionary
- Dictionaries sind für schnelle Lookups optimiert
- Das gesamte Dictionary ausgeben
- Das pprint-Modul erstellt einen »Pretty Print« Ihrer Daten
- Das Dictionary mit den Listen ist leicht zu verarbeiten
- Langsam nimmt die Sache Gestalt an
- 6 Eine Web-App erstellen
- Webentwicklung
- Flask aus dem PyPI installieren
- Den Ordner für die Web-App vorbereiten
- Das Flask-MVP
- Bei der Arbeit mit Code haben Sie verschiedene Optionen
- Anatomie einer Flask-Web-App
- Schrittweiser Aufbau der Web-App .
- Was hat es mit diesem NameError auf sich?
- Bürogespräch
- Flask unterstützt Session-Verwaltung
- Flasks Session-Verwaltung benutzt ein Dictionary
- Den Code mit der »besseren Lösung« reparieren
- Der Einsatz von Jinja2-Templates spart Zeit
- base.html erweitern, um weitere Seiten zu erstellen
- Drop-down-Menüs dynamisch erzeugen
- Einen Schwimmer auswählen
- Irgendwie müssen die Formulardaten verarbeitet werden
- Die Formulardaten liegen in einem Dictionary vor
- Wir kommen dem funktionierenden System ein Stück näher
- Für Funktionsparameter können Standardwerte angegeben werden
- Standardparameterwerte sind optional
- Die finale Version Ihres Code, Teil 1 von 2
- Die finale Version Ihres Code, Teil 2 von 2
- Für eine erste Web-App sieht das schon ganz gut aus
- Das System des Coachs ist einsatzbereit
- 7 Bereitstellung
- Code überall ausführen
- Etwas stimmt immer noch nicht ganz
- Jinja2 führt den Code zwischen {{ und }} aus
- Bürogespräch
- Zehn Schritte zur Cloud-Bereitstellung
- Ein Beginner-Account reicht völlig aus
- Niemand hält Sie davon ab, einfach loszulegen .
- Im Zweifel nutzen Sie die Standardeinstellungen
- Die Platzhalter-Web-App macht noch nicht viel
- Eigenen Code auf PythonAnywhere bereitstellen
- Packen Sie Ihren Code in der Konsole aus
- Konfigurieren Sie den Web-Tab, damit er auf Ihren Code verweist
- Die WSGI-Dateien der Web-App anpassen
- Ihre in der Cloud gehostete Web-App ist bereit!
- 8 Mit HTML arbeiten
- Web-Scraping
- Der Coach braucht mehr Daten
- Bürogespräch
- Machen Sie sich vor dem Scrapen mit den Daten vertraut
- Wir brauchen einen Aktionsplan .
- Schrittweise Anleitung zum Web-Scraping
- Zeit für etwas Web-Scraping-Technologie
- Das rohe HTML-Markup von Wikipedia auslesen
- Die ausgelesenen Daten untersuchen
- Slices können aus beliebigen Folgen herausgeschnitten werden
- Anatomie der Slices, Teil 1 von 3
- Anatomie der Slices, Teil 2 von 3
- Anatomie der Slices, Teil 3 von 3
- Zeit für etwas HTML-Parsing-Power
- Die »Suppe« nach interessanten Tags durchsuchen
- Die zurückgegebene »Suppe« ist ebenfalls durchsuchbar
- Welche Tabelle enthält die gesuchten Daten?
- Vier große Tabellen und vier Gruppen mit Weltrekorden
- Jetzt können wir die Daten auslesen
- Daten aus allen Tabellen extrahieren, Teil 1 von 2
- Daten aus allen Tabellen extrahieren, Teil 2 von 2
- Die verschachtelte Schleife war die Lösung!
- 9 Mit Daten arbeiten
- Datenmanipulation
- Daten Ihrem Willen unterwerfen .
- Jetzt haben Sie die nötigen Daten .
- Wenden Sie Ihr Wissen an!
- Haben wir zu viele Daten?
- Die Staffeldaten ausfiltern
- Nun können wir unsere Balkendiagramme aktualisieren
- Bürogespräch
- Python besitzt eine eingebaute JSON-Bibliothek
- JSON ist textbasiert, aber nicht schön
- Weiter mit der Web-App-Integration
- Eine Anpassung und ein Copy-and-paste-Vorgang reichen
- Die Weltrekorde zum Balkendiagramm hinzufügen
- Ist Ihre neueste Version der Web-App bereit?
- Bürogespräch
- PythonAnywhere ist für Sie da .
- Auch das Hilfsprogramm muss hochgeladen werden
- Die neueste Version der Web-App bei PythonAnywhere bereitstellen
- Den neuesten Code auf PythonAnywhere ausführen
- Hilfsprogramme vor der Bereitstellung testen
- Die Aufgabe täglich um 1:00 Uhr morgens ausführen
- 9,5 Mit Elefanten Dataframes arbeiten
- Tabellarische Daten
- Der Elefant im Raum . oder ist es ein Panda?
- Ein verschachteltes Dictionary mit pandas?
- Halten Sie sich zunächst an die Konvention
- Eine Liste mit pandas-Dataframes
- Spalten aus einem Dataframe auswählen
- Dataframe zu Dictionary, erster Versuch
- Unnötige Daten aus einem Dataframe entfernen
- Den pandas-Bedingungsausdruck verneinen
- Dataframe zu Dictionary, zweiter Versuch
- Dataframe zu Dictionary, dritter Versuch
- Noch ein verschachteltes Dictionary
- Vergleich zwischen gazpacho und pandas
- Dies war nur ein winziger Einblick .
- 10 Datenbanken
- Dinge ordnen
- Der Coach hat sich gemeldet .
- Bürogespräch
- Planung zahlt sich aus .
- Schritt 1: Eine Datenbankstruktur festlegen
- Serviettenstruktur und -daten
- Das DBcm-Modul von PyPI installieren
- Einstieg in DBcm und SQLite
- DBcm und »with« als Team
- Benutzen Sie dreifach doppelte Anführungszeichen für Ihren SQL-Code
- Nicht jede SQL-Anweisung gibt etwas zurück
- Ihre Tabellen sind bereit (und Schritt 1 ist erledigt)
- Welche Schwimmer-Dateien brauchen wir?
- Schritt 2: Die Datenbanktabelle mit Inhalt füllen
- Sicherheit durch Pythons SQL-Platzhalter
- Wiederholen wir dieses Vorgehen für die Ereignisse
- Jetzt fehlt nur noch die times-Tabelle .
- Die Zeiten stehen in den Schwimmer-Dateien .
- Ein Hilfsprogramm zur Datenbankaktualisierung, 1 von 2
- Ein Hilfsprogramm zur Datenbankaktualisierung, 2 von 2
- Schritt 2 ist (endlich) abgeschlossen
- 11 Listenabstraktionen
- Datenbankintegrationen
- Testen wir die Abfragen in einem neuen Notebook
- Fünf Codezeilen werden zu einer
- Aus fünf Codezeilen wird eine .
- Combo-Mambo ohne Dunder
- Eine Abfrage erledigt, drei fehlen noch .
- Zwei Abfragen erledigt, zwei fehlen noch .
- Zu guter Letzt, die letzte Abfrage .
- Der Code für die Datenbankhilfsfunktionen, Teil 1 von 2
- Wir sind fast bereit für die Datenbankintegration
- Bürogespräch
- Es ist Zeit, den Datenbankcode zu integrieren!
- Den Code der Web-App aktualisieren
- Die Templates auf nötige Änderungen überprüfen
- Was ist mit dem Template los?
- Eine Liste der Ereignisse anzeigen .
- Jetzt brauchen wir nur noch ein Balkendiagramm .
- Überprüfung des aktuellen Codes in swimclub.py
- Begegnung mit dem SVG-erzeugenden Jinja2-Template
- Das Modul convert_utils
- list zip . wie bitte?!?
- Ihre Datenbankintegrationen sind fertig!
- 12 Bereitstellung in neuem Licht
- Der letzte Schliff
- Bürogespräch
- Migration zu MariaDB
- Die Daten des Coachs zu MariaDB umziehen
- Drei Anpassungen für schema.sql
- Die Tabellen wiederverwenden, Teil 2 von 2
- Überprüfen, ob die Tabellen korrekt eingerichtet wurden
- Die vorhandenen Daten zu MariaDB übertragen
- Die Abfragen mit MariaDB kompatibel machen
- Die Datenbankhilfsfunktionen müssen ebenfalls angepasst werden
- Eine neue Datenbank auf PythonAnywhere anlegen
- Das Dictionary mit Datenbankinformationen anpassen
- Alles in die Cloud kopieren
- Die Web-App mit dem neuesten Code aktualisieren
- Nur noch wenige Schritte .
- Die Cloud-Datenbank mit Daten füllen
- Zeit für eine PythonAnywhere-Probefahrt
- Stimmt mit PythonAnywhere etwas nicht?
- Bürogespräch
- Der Coach ist überglücklich!
- Anhang
- Die zehn wichtigsten Themen, die wir nicht behandelt haben
- 1. Klassen
- 2. Ausnahmen (Exceptions)
- 3. Tests
- 4. Der Walross-Operator
- 5. Wo ist switch? Welcher switch?
- 6. Fortgeschrittene Sprachmerkmale
- 7. Nebenläufigkeit
- 8. Typhinweise
- 9. Virtuelle Umgebungen
- 10. Werkzeuge
- Der Index
System requirements
File format: PDF
Copy protection: Watermark-DRM (Digital Rights Management)
System requirements:
- Computer (Windows; MacOS X; Linux): Use the free software Adobe Reader, Adobe Digital Editions, or any other PDF viewer of your choice (see eBook Help).
- Tablet/Smartphone (Android; iOS): Install the free app Adobe Digital Editions or another reading app for eBooks, e.g., PocketBook (see eBook Help).
- E-reader: Bookeen, Kobo, Pocketbook, Sony, Tolino and many more (only limited: Kindle).
The file format PDF always displays a book page identically on any hardware. This makes PDF suitable for complex layouts such as those used in textbooks and reference books (images, tables, columns, footnotes). Unfortunately, on the small screens of e-readers or smartphones, PDFs are rather annoying, requiring too much scrolling.
This eBook uses Watermark-DRM, a „soft” copy protection. This means that there are no technical restrictions to prevent illegal distribution. However, there is a personalised watermark embedded in the eBook that can be used to identify the purchaser of the eBook in the event of misuse and to provide evidence for legal purposes.
For more information, see our eBook Help page.