دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [THIRD ed.]
نویسندگان: FABRIZIO KRUGER HEINRICH ROMANO
سری:
ISBN (شابک) : 9781801815529, 1801815526
ناشر: PACKT PUBLISHING LIMITED
سال نشر: 2021
تعداد صفحات: [553]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب LEARN PYTHON PROGRAMMING - an in -depth introduction to the fundamentals of python. به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب برنامه نویسی پایتون را بیاموزید - مقدمه ای عمیق بر اصول اساسی پایتون. نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
از طریق آموزش های مختصر و پروژه های عملی در این نسخه سوم کاملاً به روز شده، پایتون 3.9 را راه اندازی و اجرا کنید. خرید کتاب چاپی یا کیندل شامل یک کتاب الکترونیکی رایگان در قالب PDF است. ویژگیهای کلیدی با نمونههای غنیتر، نحو Python 3.9 و فصلهای جدید در APIها و بستهبندی و توزیع کد پایتون بازبینی شده است. توضیحات کتاب Learn Python Programming، نسخه سوم مقدمه ای نظری و عملی برای Python است، یک زبان برنامه نویسی بسیار انعطاف پذیر و قدرتمند که می تواند در بسیاری از رشته ها اعمال شود. این کتاب یادگیری پایتون را آسان می کند و به شما درک کاملی از زبان می دهد. شما یاد خواهید گرفت که چگونه برنامه بنویسید، APIهای مدرن بسازید، و با استفاده از کتابخانه های علم داده معروف پایتون، با داده ها کار کنید. این نسخه اصلاح شده آخرین بهروزرسانیهای مدیریت API، برنامههای بستهبندی و آزمایش را پوشش میدهد. همچنین پوشش گسترده تری از مدیران زمینه و فصل به روز شده علوم داده وجود دارد. این کتاب به شما این امکان را میدهد که مالکیت نوشتن نرمافزار خود را در دست بگیرید و در جمعآوری منابع مورد نیاز خود مستقل شوید. شما ایده روشنی خواهید داشت که به کجا بروید و چگونه بر آنچه از کتاب آموخته اید بسازید. از طریق مثالها، این کتاب طیف گستردهای از کاربردها را بررسی میکند و با ساختن پروژههای Python در دنیای واقعی بر اساس مفاهیمی که آموختهاید، به پایان میرسد. آنچه یاد خواهید گرفت پایتون را در ویندوز، مک و لینوکس راهاندازی و اجرا کنید در هر شرایطی کدی زیبا، قابل استفاده مجدد و کارآمد بنویسید از مشکلات رایج مانند کپیبرداری، طراحی پیچیده و مهندسی بیش از حد بنویسید. رویکردی به برنامه نویسی ایجاد یک API ساده با FastAPI و برنامهریزی برنامههای رابط کاربری گرافیکی با Tkinter دریافت نمای کلی اولیه از موضوعات پیچیدهتر مانند تداوم داده و رمزنگاری واکشی، تمیز کردن، و دستکاری دادهها، استفاده مؤثر از ساختارهای داده داخلی پایتون. is for این کتاب برای همه کسانی است که می خواهند پایتون را از ابتدا یاد بگیرند و همچنین برنامه نویسان با تجربه ای که به دنبال کتاب مرجع هستند. دانش قبلی از مفاهیم اولیه برنامه نویسی به شما کمک می کند تا آن را دنبال کنید، اما این پیش نیاز نیست.
Get up and running with Python 3.9 through concise tutorials and practical projects in this fully updated third edition. Purchase of the print or Kindle book includes a free eBook in PDF format. Key Features Extensively revised with richer examples, Python 3.9 syntax, and new chapters on APIs and packaging and distributing Python code Discover how to think like a Python programmer Learn the fundamentals of Python through real-world projects in API development, GUI programming, and data science Book Description Learn Python Programming, Third Edition is both a theoretical and practical introduction to Python, an extremely flexible and powerful programming language that can be applied to many disciplines. This book will make learning Python easy and give you a thorough understanding of the language. You'll learn how to write programs, build modern APIs, and work with data by using renowned Python data science libraries. This revised edition covers the latest updates on API management, packaging applications, and testing. There is also broader coverage of context managers and an updated data science chapter. The book empowers you to take ownership of writing your software and become independent in fetching the resources you need. You will have a clear idea of where to go and how to build on what you have learned from the book. Through examples, the book explores a wide range of applications and concludes by building real-world Python projects based on the concepts you have learned. What you will learn Get Python up and running on Windows, Mac, and Linux Write elegant, reusable, and efficient code in any situation Avoid common pitfalls like duplication, complicated design, and over-engineering Understand when to use the functional or object-oriented approach to programming Build a simple API with FastAPI and program GUI applications with Tkinter Get an initial overview of more complex topics such as data persistence and cryptography Fetch, clean, and manipulate data, making efficient use of Python's built-in data structures Who this book is for This book is for everyone who wants to learn Python from scratch, as well as experienced programmers looking for a reference book. Prior knowledge of basic programming concepts will help you follow along, but it's not a prerequisite.
Cover Copyright Contributors Table of Contents Preface Chapter 1: A Gentle Introduction to Python A proper introduction Enter the Python About Python Portability Coherence Developer productivity An extensive library Software quality Software integration Satisfaction and enjoyment What are the drawbacks? Who is using Python today? Setting up the environment Python 2 versus Python 3 Installing Python Setting up the Python interpreter About virtual environments Your first virtual environment Installing third-party libraries Your friend, the console How to run a Python program Running Python scripts Running the Python interactive shell Running Python as a service Running Python as a GUI application How is Python code organized? How do we use modules and packages? Python's execution model Names and namespaces Scopes Objects and classes Guidelines for writing good code Python culture A note on IDEs Summary Chapter 2: Built-In Data Types Everything is an object Mutable or immutable? That is the question Numbers Integers Booleans Real numbers Complex numbers Fractions and decimals Immutable sequences Strings and bytes Encoding and decoding strings Indexing and slicing strings String formatting Tuples Mutable sequences Lists Bytearrays Set types Mapping types: dictionaries Data types Dates and times The standard library Third-party libraries The collections module namedtuple defaultdict ChainMap Enums Final considerations Small value caching How to choose data structures About indexing and slicing About names Summary Chapter 3: Conditionals and Iteration Conditional programming A specialized else: elif The ternary operator Looping The for loop Iterating over a range Iterating over a sequence Iterators and iterables Iterating over multiple sequences The while loop The break and continue statements A special else clause Assignment expressions Statements and expressions Using the walrus operator A word of warning Putting all this together A prime generator Applying discounts A quick peek at the itertools module Infinite iterators Iterators terminating on the shortest input sequence Combinatoric generators Summary Chapter 4: Functions, the Building Blocks of Code Why use functions? Reducing code duplication Splitting a complex task Hiding implementation details Improving readability Improving traceability Scopes and name resolution The global and nonlocal statements Input parameters Argument-passing Assignment to parameter names Changing a mutable object Passing arguments Positional arguments Keyword arguments Iterable unpacking Dictionary unpacking Combining argument types Defining parameters Optional parameters Variable positional parameters Variable keyword parameters Positional-only parameters Keyword-only parameters Combining input parameters More signature examples Avoid the trap! Mutable defaults Return values Returning multiple values A few useful tips Recursive functions Anonymous functions Function attributes Built-in functions Documenting your code Importing objects Relative imports One final example Summary Chapter 5: Comprehensions and Generators The map, zip, and filter functions map zip filter Comprehensions Nested comprehensions Filtering a comprehension Dictionary comprehensions Set comprehensions Generators Generator functions Going beyond next The yield from expression Generator expressions Some performance considerations Don't overdo comprehensions and generators Name localization Generation behavior in built-ins One last example Summary Chapter 6: OOP, Decorators, and Iterators Decorators A decorator factory Object-oriented programming (OOP) The simplest Python class Class and object namespaces Attribute shadowing The self argument Initializing an instance OOP is about code reuse Inheritance and composition Accessing a base class Multiple inheritance Method resolution order Class and static methods Static methods Class methods Private methods and name mangling The property decorator The cached_property decorator Operator overloading Polymorphism – a brief overview Data classes Writing a custom iterator Summary Chapter 7: Exceptions and Context Managers Exceptions Raising exceptions Defining your own exceptions Tracebacks Handling exceptions Not only for errors Context managers Class-based context managers Generator-based context managers Summary Chapter 8: Files and Data Persistence Working with files and directories Opening files Using a context manager to open a file Reading and writing to a file Reading and writing in binary mode Protecting against overwriting an existing file Checking for file and directory existence Manipulating files and directories Manipulating pathnames Temporary files and directories Directory content File and directory compression Data interchange formats Working with JSON Custom encoding/decoding with JSON I/O, streams, and requests Using an in-memory stream Making HTTP requests Persisting data on disk Serializing data with pickle Saving data with shelve Saving data to a database Summary Chapter 9: Cryptography and Tokens The need for cryptography Useful guidelines Hashlib HMAC Secrets Random numbers Token generation Digest comparison JSON Web Tokens Registered claims Time-related claims Authentication-related claims Using asymmetric (public key) algorithms Useful references Summary Chapter 10: Testing Testing your application The anatomy of a test Testing guidelines Unit testing Writing a unit test Mock objects and patching Assertions Testing a CSV generator Boundaries and granularity Testing the export function Final considerations Test-driven development Summary Chapter 11: Debugging and Profiling Debugging techniques Debugging with print Debugging with a custom function Using the Python debugger Inspecting logs Other techniques Reading tracebacks Assertions Where to find information Troubleshooting guidelines Where to inspect Using tests to debug Monitoring Profiling Python When to profile Measuring execution time Summary Chapter 12: GUIs and Scripting First approach: scripting The imports Parsing arguments The business logic Second approach: a GUI application The imports The layout logic The business logic Fetching the web page Saving the images Alerting the user How can we improve the application? Where do we go from here? The turtle module wxPython, Kivy, and PyQt The principle of least astonishment Threading considerations Summary Chapter 13: Data Science in Brief IPython and Jupyter Notebook Using Anaconda Starting a Notebook Dealing with data Setting up the Notebook Preparing the data Cleaning the data Creating the DataFrame Unpacking the campaign name Unpacking the user data Cleaning everything up Saving the DataFrame to a file Visualizing the results Where do we go from here? Summary Chapter 14: Introduction to API Development What is the Web? How does the Web work? Response status codes Type hinting: An overview Why type hinting? Type hinting in a nutshell APIs: An introduction What is an API? What is the purpose of an API? API protocols API data-exchange formats The railway API Modeling the database Main setup and configuration Adding settings Station endpoints Reading data Creating data Updating data Deleting data User authentication Documenting the API Consuming an API Calling the API from Django Where do we go from here? Summary Chapter 15: Packaging Python Applications The Python Package Index The train schedule project Packaging with setuptools Required files pyproject.toml License README Changelog setup.cfg setup.py MANIFEST.in Package metadata Accessing metadata in your code Defining the package contents Accessing package data files Specifying dependencies Entry points Building and publishing packages Building Publishing Advice for starting new projects Alternative tools Further reading Summary Why subscribe? Packt Page Other Books You May Enjoy Index