Biblioteka Publiczna

Python na poważnie : czarny pas w programowaniu, skalowaniu, testowaniu i nie tylko

Tytuł oryginału: "Serious Python : black-belt advice on deployment, scalability, testing, and more".

Autor: Danjou, Julien.

Rozwijaj swoje umiejętności programowania w Pythonie, zagłębiając się w tajniki języka przy pomocy książki Python na poważnie. Napisana z myślą o developerach i doświadczonych programistach książka Python na poważnie bazuje na ponad 15-letnim doświadczeniu w pracy z Pythonem, uczy czytelników, jak unikać typowych błędów, jak pisać kod w bardziej produktywny sposób i jak szybciej

budować lepsze programy. Omówimy szereg zaawansowanych zagadnień, takich jak wielowątkowość i memoizacja, przedstawimy porady ekspertów m.in. w zakresie projektowania interfejsów API i obsługi baz danych, a także wytłumaczymy pewne wewnętrzne mechanizmy, aby pomóc w lepszym zrozumieniu języka Python.
Na początku dowiesz się, jak rozpocząć projekt i rozwiązać takie kwestie jak numerowanie wersji i automatyczne sprawdzanie kodu. Później zobaczysz, jak efektywnie definiować funkcje, wybierać odpowiednie struktury danych i biblioteki, budować przyszłościowe programy, przygotowywać oprogramowanie do dystrybucji oraz optymalizować swoje programy, także na poziomie kodu bajtowego.
Ponadto dowiesz się jak:
Tworzyć i wykorzystywać efektywne dekoratory i metody, z uwzględnieniem metod abstrakcyjnych, statycznych i klas
Używać Pythona do programowania funkcyjnego przy pomocy generatorów oraz funkcji czystych i funkcyjnych
Rozszerzać narzędzie flake o analizę drzewa składniowego AST, wprowadzając bardziej zaawansowaną technikę automatycznego sprawdzania kodu
Przeprowadzać dynamiczną analizę wydajności w celu wykrywania słabych punktów w kodzie
Korzystać z relacyjnych baz danych, a także efektywnie zarządzać danymi i przesyłać je strumieniowo przy użyciu PostgreSQL Wznieś swoje umiejętności na wyższy poziom. Ucz się od ekspertów i zostań poważnym programistą Pythona dzięki książce Python na poważnie!

Zobacz pełny opis

---

1. 1. ROZPOCZYNANIE PROJEKTU
2. Wersje Pythona
3. Układ projektu
4. Co robić
5. Czego nie robić
6. Numerowanie wersji
7. Style programowania i automatyczne sprawdzanie
8. Narzędzia do wykrywania błędów stylu
9. Narzędzia do wykrywania błędów programistycznych
10. Joshua Harlow o Pythonie
11. 2. MODUŁY, BIBLIOTEKI I PLATFORMY
12. System importowania
13. Moduł sys
14. Ścieżki importowania
15. Niestandardowe importery
16. Obiekty wyszukujące z listy sys.meta_path
17. Przydatne standardowe biblioteki
18. Zewnętrzne biblioteki
19. Lista wymagań, jakie powinna spełniać bezpieczna biblioteka zewnętrzna
20. Chronienie kodu przy użyciu opakowania API
21. Instalacja pakietu: dodatkowe możliwości narzędzia pip
22. Stosowanie i wybieranie platform Doug Hellmann, Python Core Developer, o bibliotekach Pythona
23. 3. DOKUMENTACJA I NAJLEPSZE PRAKTYKI
24. Dokumentowanie przy użyciu Sphinksa
25. Rozpoczęcie pracy ze Sphinksem i reST
26. Moduły Sphinksa
27. Pisanie rozszerzeń Sphinksa
28. Zarządzanie zmianami interfejsów API
29. Numerowanie wersji API
30. Dokumentowanie zmian API
31. Oznaczanie przestarzałych funkcji przy użyciu modułu warnings
32. Podsumowanie
33. Christophe de Vienne o rozwijaniu interfejsów API
34. 4. OBSŁUGA ZNACZNIKÓW CZASU I STREF CZASOWYCH
35. Problem brakujących stref czasowych
36. Budowanie domyślnych obiektów datetime
37. Rozpoznawanie stref czasowych przy użyciu dateutil
38. Serializowanie obiektów datetime rozpoznających strefę czasową
39. Rozwiązywanie problemu niejednoznacznych godzin
40. Podsumowanie
41. 5. DYSTRYBUCJA OPROGRAMOWANIA
42. Krótka historia plików setup.py
43. Zarządzanie pakietami przy użyciu setup.cfg
44. Standardowy format dystrybucji wheel
45. Dzielenie się swoją pracą ze światem
46. Punkty wejścia
47. Wizualizowanie punktów wejścia
48. Wykorzystywanie skryptów konsoli
49. Wykorzystywanie wtyczek i sterowników
50. Podsumowanie
51. Nick Coghlan o zarządzaniu pakietami
52. 6. TESTY JEDNOSTKOWE
53. Podstawy testowania
54. Proste testy
55. Pomijanie testów
56. Uruchamianie wybranych testów
57. Równoległe uruchamianie testów
58. Tworzenie obiektów wykorzystywanych w testach przy użyciu fikstur
59. Uruchamianie scenariuszy testowych
60. Kontrolowane testy bazujące na atrapach obiektów
61. Odkrywanie nieprzetestowanego kodu przy użyciu coverage
62. Środowiska wirtualne
63. Konfigurowanie środowiska wirtualnego
64. Stosowanie virtualenv wraz z narzędziem tox
65. Odtwarzanie środowiska
66. Stosowanie różnych wersji Pythona
67. Integrowanie innych testów
68. Zasady dotyczące testowania
69. Robert Collins o testowaniu
70. 7. METODY I DEKORATORY
71. Dekoratory i kiedy ich używać
72. Tworzenie dekoratorów
73. Pisanie dekoratorów
74. Stosowanie wielu dekoratorów
75. Pisanie dekoratorów klas
76. W jaki sposób działają metody w Pythonie
77. Metody statyczne
78. Metody klasy
79. Metody abstrakcyjne
80. Mieszanie metod statycznych, klasy i abstrakcyjnych
81. Umieszczanie implementacji w metodach abstrakcyjnych
82. Prawda o metodzie super
83. Podsumowanie
84. 8. PROGRAMOWANIE FUNKCYJNE
85. Tworzenie czystych funkcji
86. Generatory
87. Tworzenie generatora
88. Zwracanie i przekazywanie wartości przy użyciu instrukcji yield
89. Inspekcje generatorów
90. Wyrażenia listowe
91. Funkcjonowanie funkcji funkcyjnych
92. Stosowanie funkcji na elementach przy użyciu funkcji map(...)
93. Filtrowanie list przy użyciu funkcji filter(...)
94. Pobieranie indeksów przy użyciu funkcji enumeratef)
95. Sortowanie listy przy użyciu funkcji sorted()
96. Wyszukiwanie przy użyciu any() i all() elementów spełniających warunki
97. Łączenie list przy użyciu funkcji zip()
98. Rozwiązania typowych problemów
99. Przydatne funkcje itertools
100. Podsumowanie
101. 9. DRZEWO AST, HY I ATRYBUTY JAK W JĘZYKU LISP
102. Analizowanie drzewa AST
103. Pisanie programu przy użyciu AST
104. Obiekty AST
105. Przechodzenie drzewa AST
106. Rozszerzanie narzędzia flake8 o analizy AST
107. Pisanie klasy
108. Pomijanie nieistotnego kodu
109. Sprawdzanie, czy istnieje odpowiedni dekorator
110. Poszukiwanie argumentu self
111. Szybkie wprowadzenie do Hy
112. Podsumowanie
113. Paul Tagliamonte o AST i Hy
114. 10. WYDAJNOŚĆ I OPTYMALIZACJE
115. Struktury danych
116. Zrozumienie działania programu przez profilowanie
117. cProfile
118. Dezasemblowanie przy użyciu modułu dis
119. Efektywne definiowanie funkcji
120. Listy uporządkowane i bisect
121. namedtuple i slots
122. Memoizacja
123. Szybszy Python dzięki PyPy
124. Eliminacja kopiowania przy użyciu protokołu bufora
125. Podsumowanie
126. Victor Stinner o optymalizacji
127. 11. SKALOWALNOŚĆ I ARCHITEKTURA
128. Wielowątkowość w Pythonie i jej ograniczenia
129. Przetwarzanie wieloprocesowe kontra wielowątkowe
130. Architektura sterowana zdarzeniami
131. Inne opcje i asyncio
132. Architektura zorientowana na usługi
133. Komunikacja między procesami przy użyciu ZeroMQ
134. Podsumowanie
135. 12. ZARZĄDZANIE RELACYJNYMI BAZAMI DANYCH
136. Rozwiązania RDBMS, ORM i kiedy ich używać
137. Wewnętrzne bazy danych
138. Strumieniowe przesyłanie danych przy użyciu Fiask i PostgreSQL
139. Pisanie aplikacji do strumieniowego przesyłania danych
140. Budowanie aplikacji
141. Dimitri Fontaine on Databases
142. 13. PISZ MNIEJ, PROGRAMUJ WIĘCEJ
143. Użycie modułu six do wspierania wersji Python 2 i 3
144. Ciągi a unicode
145. Rozwiązywanie problemu przeniesienia modułów Pythona
146. Moduł modernize
147. Wykorzystywanie Pythona jak języka Lisp do tworzenia jednego dyspozytora
148. Tworzenie metod generycznych w języku Lisp
149. Metody generyczne w Pythonie
150. Menedżery kontekstu
151. Redukowanie szablonowego kodu przy użyciu attr

Zobacz spis treści

Dodaj komentarz do pozycji:

Swoją opinię można wyrazić po uprzednim zalogowaniu.