ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Modern Python Cookbook: 133 recipes to develop flawless and expressive programs in Python 3.8, 2nd Edition

دانلود کتاب Modern Python Cookbook: 133 دستور العمل برای توسعه برنامه های بی عیب و نقص در Python 3.8 ، نسخه 2

Modern Python Cookbook: 133 recipes to develop flawless and expressive programs in Python 3.8, 2nd Edition

مشخصات کتاب

Modern Python Cookbook: 133 recipes to develop flawless and expressive programs in Python 3.8, 2nd Edition

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 180020745X, 9781800207455 
ناشر: Packt Publishing - ebooks Account 
سال نشر: 2020 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 65,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Modern Python Cookbook: 133 recipes to develop flawless and expressive programs in Python 3.8, 2nd Edition 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 Modern Python Cookbook: 133 دستور العمل برای توسعه برنامه های بی عیب و نقص در Python 3.8 ، نسخه 2 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.


توضیحاتی در مورد کتاب Modern Python Cookbook: 133 دستور العمل برای توسعه برنامه های بی عیب و نقص در Python 3.8 ، نسخه 2



دستورالعمل‌های کاملی که در 15 فصل پخش شده‌اند تا به شما کمک کنند بر مشکلات رایج پایتون برای همه در سراسر جهان غلبه کنید. هر دستور العمل یک رویکرد حل مشکل برای حل پایتون موثر دارد.

ویژگی‌های کلیدی

  • برنامه‌های Python گویا و مؤثر ایجاد کنید
  • بهترین شیوه ها و اصطلاحات رایج از طریق دستور العمل هایی که به دقت توضیح داده شده است
  • روش های جدیدی برای استفاده از Python برای توسعه متمرکز بر داده ها کشف کنید
  • از یادداشت های نوع اختیاری Python استفاده کنید
< h4>توضیحات کتاب

Python انتخاب ترجیحی توسعه دهندگان، مهندسان، دانشمندان داده، و علاقمندان در همه جا است. این یک زبان عالی است که می تواند برنامه های شما را تقویت کند و سرعت، ایمنی و مقیاس پذیری عالی را ارائه دهد. می توان از آن برای اسکریپت نویسی ساده یا برنامه های کاربردی وب پیچیده استفاده کرد. با افشای پایتون به عنوان یک سری دستور العمل های ساده، این کتاب به شما بینشی از ویژگی های زبان خاص در یک زمینه خاص می دهد. داشتن زمینه ملموس به درک زبان یا ویژگی کتابخانه استاندارد کمک می کند.

این کتاب با 133 دستور العمل در آخرین نسخه Python 3.8 ارائه شده است. دستور العمل ها برای همه مفید خواهد بود، از مبتدیانی که به تازگی پایتون را شروع کرده اند تا متخصصان. شما نه تنها مفاهیم برنامه نویسی پایتون را یاد خواهید گرفت، بلکه نحوه ساخت برنامه های کاربردی پیچیده را نیز یاد خواهید گرفت.

دستورالعمل ها به تمام مفاهیم ضروری پایتون مربوط به ساختارهای داده، برنامه نویسی شی گرا، برنامه نویسی تابعی و برنامه نویسی آماری می پردازند. شما با تفاوت های ظریف نحو پایتون و نحوه استفاده موثر از آن آشنا خواهید شد.

در پایان این کتاب پایتون، به دانش تست، خدمات وب، پیکربندی و برنامه کاربردی مجهز خواهید شد. نکات و ترفندهای یکپارچه سازی شما به دانش نحوه ایجاد برنامه‌های کاربردی با گزارش‌گیری انعطاف‌پذیر، پیکربندی قدرتمند، گزینه‌های خط فرمان، تست‌های واحد خودکار و مستندات خوب مجهز خواهید شد.

آنچه خواهید آموخت

  • مشاهده جزئیات پیچیده نحو Python و نحوه استفاده از آن به نفع خود
  • بهبود کدنویسی خود با Python خوانایی از طریق توابع
  • دستکاری موثر داده ها با استفاده از ساختارهای داده داخلی
  • آشنایی با تکنیک های برنامه نویسی پیشرفته در پایتون
  • خود را به ویژگی های برنامه نویسی تابعی و آماری مجهز کنید
  • تست های مناسب بنویسید تا مطمئن شوید که برنامه همانطور که تبلیغ می شود کار می کند
  • li>
  • یکپارچه سازی نرم افزار کاربردی با استفاده از Python

این کتاب برای چه کسانی است

کتاب Python برای توسعه دهندگان وب، برنامه نویسان، برنامه نویسان سازمانی، مهندسان و بزرگان است. دانشمندان داده اگر مبتدی هستید، این کتاب شما را شروع می کند. اگر باتجربه باشید، پایگاه دانش شما را گسترش خواهد داد. دانش اولیه برنامه نویسی به شما کمک می کند.

فهرست محتوا

  1. اعداد، رشته ها و تاپل ها
  2. گزاره ها و نحو
  3. تعریف تابع
  4. ساختارهای داده داخلی قسمت 1: فهرست ها و مجموعه ها
  5. ساختارهای داده داخلی قسمت 2: دیکشنری ها
  6. ورودی ها و خروجی های کاربر
  7. li>
  8. مبانی کلاس ها و اشیا
  9. طراحی کلاس پیشرفته تر
  10. ویژگی های برنامه نویسی کاربردی
  11. ورودی/خروجی، فرمت فیزیکی و طرح بندی منطقی
  12. li>
  13. تست
  14. خدمات وب
  15. ادغام برنامه: پیکربندی
  16. ادغام برنامه: ترکیبی
  17. برنامه نویسی آماری و رگرسیون خطی< /li>

توضیحاتی درمورد کتاب به خارجی

Complete recipes spread across 15 chapters to help you overcome commonly faced issues by Python for everybody across the globe. Each recipe takes a problem-solution approach to resolve for effective Python.

Key Features

  • Develop expressive and effective Python programs
  • Best practices and common idioms through carefully explained recipes
  • Discover new ways to apply Python for data-focused development
  • Make use of Python's optional type annotations

Book Description

Python is the preferred choice of developers, engineers, data scientists, and hobbyists everywhere. It is a great language that can power your applications and provide great speed, safety, and scalability. It can be used for simple scripting or sophisticated web applications. By exposing Python as a series of simple recipes, this book gives you insight into specific language features in a particular context. Having a tangible context helps make the language or a given standard library feature easier to understand.

This book comes with 133 recipes on the latest version of Python 3.8. The recipes will benefit everyone, from beginners just starting out with Python to experts. You'll not only learn Python programming concepts but also how to build complex applications.

The recipes will touch upon all necessary Python concepts related to data structures, object oriented programming, functional programming, and statistical programming. You will get acquainted with the nuances of Python syntax and how to effectively take advantage of it.

By the end of this Python book, you will be equipped with knowledge of testing, web services, configuration, and application integration tips and tricks. You will be armed with the knowledge of how to create applications with flexible logging, powerful configuration, command-line options, automated unit tests, and good documentation.

What you will learn

  • See the intricate details of the Python syntax and how to use it to your advantage
  • Improve your coding with Python readability through functions
  • Manipulate data effectively using built-in data structures
  • Get acquainted with advanced programming techniques in Python
  • Equip yourself with functional and statistical programming features
  • Write proper tests to be sure a program works as advertised
  • Integrate application software using Python

Who this book is for

The Python book is for web developers, programmers, enterprise programmers, engineers, and big data scientists. If you are a beginner, this book will get you started. If you are experienced, it will expand your knowledge base. A basic knowledge of programming would help.

Table of Contents

  1. Numbers, Strings, and Tuples
  2. Statements and Syntax
  3. Function Definitions
  4. Built-In Data Structures Part 1: Lists and Sets
  5. Built-In Data Structures Part 2: Dictionaries
  6. User Inputs and Outputs
  7. Basics of Classes and Objects
  8. More Advanced Class Design
  9. Functional Programming Features
  10. Input/Output, Physical Format, and Logical Layout
  11. Testing
  12. Web Services
  13. Application Integration: Configuration
  14. Application Integration: Combination
  15. Statistical Programming and Linear Regression


فهرست مطالب

Cover
Copyright
Packt Page
Contributors
Table of Contents
Preface
Chapter 1: Numbers, Strings, and Tuples
	Working with large and small integers
	Choosing between float, decimal, and fraction
	Choosing between true division and floor division
	Rewriting an immutable string
	String parsing with regular expressions
	Building complex strings with f-strings
	Building complicated strings from lists of characters
	Using the Unicode characters that aren\'t on
our keyboards
	Encoding strings – creating ASCII and UTF-8 bytes
	Decoding bytes – how to get proper characters from some bytes
	Using tuples of items
	Using NamedTuples to simplify item access in tuples
Chapter 2: Statements and Syntax
	Writing Python script and module files –
syntax basics
	Writing long lines of code
	Including descriptions and documentation
	Writing better RST markup in docstrings
	Designing complex if...elif chains
	Saving intermediate results with the := \"walrus\"
	Avoiding a potential problem with break
statements
	Leveraging exception matching rules
	Avoiding a potential problem with an
except: clause
	Concealing an exception root cause
	Managing a context using the with statement
Chapter 3: Function Definitions
	Function parameters and type hints
	Designing functions with optional parameters
	Designing type hints for optional parameters
	Using super flexible keyword parameters
	Forcing keyword-only arguments with the *separator
	Defining position-only parameters with the / separator
	Writing hints for more complex types
	Picking an order for parameters based on partial functions
	Writing clear documentation strings with
RST markup
	Designing recursive functions around
Python\'s stack limits
	Writing testable scripts with the scriptlibrary
switch
Chapter 4: Built-In Data Structures Part 1: Lists and Sets
	Choosing a data structure
	Building lists – literals, appending, and comprehensions
	Slicing and dicing a list
	Deleting from a list – deleting, removing,
popping, and filtering
	Writing list-related type hints
	Reversing a copy of a list
	Building sets – literals, adding,
comprehensions, and operators
	Removing items from a set – remove(), pop(),
and difference
	Writing set-related type hints
Chapter 5: Built-In Data Structures Part 2: Dictionaries
	Creating dictionaries – inserting and updating
	Removing from dictionaries – the pop()
method and the del statement
	Controlling the order of dictionary keys
	Writing dictionary-related type hints
	Understanding variables, references, and assignment
	Making shallow and deep copies of objects
	Avoiding mutable default values for function parameters
Chapter 6: User Inputs and Outputs
	Using the features of the print() function
	Using input() and getpass() for user input
	Debugging with f\"{value=}\" strings
	Using argparse to get command-line input
	Using cmd to create command-line applications
	Using the OS environment settings
Chapter 7: Basics of Classes and Objects
	Using a class to encapsulate data and
processing
	Essential type hints for class definitions
	Designing classes with lots of processing
	Using typing.NamedTuple for immutable objects
	Using dataclasses for mutable objects
	Using frozen dataclasses for
immutable objects
	Optimizing small objects with __slots__
	Using more sophisticated collections
	Extending a built-in collection – a list that
does statistics
	Using properties for lazy attributes
	Creating contexts and context managers
	Managing multiple contexts with multiple
resources
Chapter 8: More Advanced Class Design
	Choosing between inheritance and
composition – the \"is-a\" question
	Separating concerns via multiple inheritance
	Leveraging Python\'s duck typing
	Managing global and singleton objects
	Using more complex structures – maps of lists
	Creating a class that has orderable objects
	Improving performance with an ordered collection
	Deleting from a list of complicated objects
Chapter 9: Functional Programming Features
	Introduction
	Writing generator functions with the yield statement
	Applying transformations to a collection
	Using stacked generator expressions
	Picking a subset – three ways to filter
	Summarizing a collection – how to reduce
	Combining the map and reduce transformations
	Implementing \"there exists\" processing
	Creating a partial function
	Simplifying complex algorithms with
immutable data structures
	Writing recursive generator functions with
the yield from statement
Chapter 10: Input/Output, Physical Format, and Logical Layout
	Using pathlib to work with filenames
	Replacing a file while preserving the previous version
	Reading delimited files with the CSV module
	Using dataclasses to simplify working with
CSV files
	Reading complex formats using regular expressions
	Reading JSON and YAML documents
	Reading XML documents
	Reading HTML documents
	Refactoring a .csv DictReader as a dataclass reader
Chapter 11: Testing
	Test tool setup
	Using docstrings for testing
	Testing functions that raise exceptions
	Handling common doctest issues
	Unit testing with the unittest module
	Combining unittest and doctest tests
	Unit testing with the pytest module
	Combining pytest and doctest tests
	Testing things that involve dates or times
	Testing things that involve randomness
	Mocking external resources
Chapter 12: Web Services
	Defining the card model
	Using the Flask framework for RESTful APIs
	Parsing the query string in a request
	Making REST requests with urllib
	Parsing the URL path
	Parsing a JSON request
	Implementing authentication for web services
Chapter 13: Application Integration: Configuration
	Finding configuration files
	Using YAML for configuration files
	Using Python for configuration files
	Using class-as-namespace for configuration
	Designing scripts for composition
	Using logging for control and audit output
Chapter 14: Application Integration: Combination
	Combining two applications into one
	Combining many applications using the
Command Design Pattern
	Managing arguments and configuration in composite applications
	Wrapping and combining CLI applications
	Wrapping a program and checking the output
	Controlling complex sequences of steps
Chapter 15: Statistical Programming and Linear Regression
	Using the built-in statistics library
	Average of values in a counter
	Computing the coefficient of a correlation
	Computing regression parameters
	Computing an autocorrelation
	Confirming that the data is random – the null hypothesis
	Locating outliers
	Analyzing many variables in one pass
Other Books You May Enjoy
Index




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد