Python с нуля

Краткое содержание
Оглавление
Введение
	Об авторе
	От издательства
Глава 1. Введение в программирование на Python
	Что такое Python
	История Python
	Установка Python и среды разработки
	Интерпретатор Python и REPL (Read-Eval-Print Loop)
	Ваша первая программа на Python
	Синтаксис и основные концепции программирования
	Запуск программ на Python
	Основные методы отладки
	Стиль кода Python и лучшие практики
	Ресурсы для изучения Python
Глава 2. Переменные, типы данных и операторы
	Соглашения об именовании переменных
	Основные типы данных
	Числовые типы данных
	Строковый тип данных
	Булев тип данных
	Приведение типов
	Арифметические операторы
	Операторы сравнения
	Логические операторы
	Приоритет и ассоциативность операторов
	Задания для самопроверки
Глава 3. Управляющие структуры: условные операторы и циклы
	Условные операторы: if, elif и else
	Булевы выражения и операторы сравнения
	Циклы: for и while
	Операторы break, continue и pass
	Вложенные циклы и условия
	Задания для самопроверки
Глава 4. Функции и модули
	Определение и вызов функций
	Параметры и аргументы функции
		Позиционные аргументы
		Параметры ключевых слов
		Параметры переменной длины
	Операторы возврата и возвращаемые значения
	Область действия функции и локальные переменные
	Глобальные переменные и оператор global
	Лямбда-функции
	Встроенные функции
	Модули и оператор import
	Создание и использование модулей
	Стандартная библиотека Python
	Задания для самопроверки
Глава 5. Структуры данных: cписки, кортежи и словари
	Списки в Python
	Кортежи в Python
	Словари в Python
	Списковое включение
	Сортировка и поиск в структурах данных
	Продвинутые методы работы со структурами данных
		Копирование и клонирование структур данных
		Нарезка списка и расширенные нарезки
		Множественные входные последовательности в списковых включениях
		Словарные включения
		Множества и операции с ними
			Объединение
			Пересечение
			Разность
			Симметричная разность
		Стеки и очереди со списками
		Продвинутые методы сортировки
		Бинарный поиск
		Работа с вложенными структурами данных
	Задания для самопроверки
Глава 6. Ввод и вывод
	Стандартный ввод-вывод
	Чтение пользовательского ввода с помощью input()
	Ввод и вывод файлов
		Открытие файлов
		Чтение и запись данных
		Закрытие файлов
	Работа с двоичными файлами
	Обработка ошибок ввода-вывода при работе с файлами
	Задания для самопроверки
Глава 7. Объектно-ориентированное программирование
	Классы и объекты
	Определение классов
	Атрибуты и методы класса
	Атрибуты экземпляра и методы
	Конструкторы и деструкторы
	Наследование
	Переопределение метода
	Полиморфизм
	Абстрактные классы и интерфейсы
	Инкапсуляция и сокрытие данных
	Абстракция данных и инкапсуляция данных
	Модификаторы частного доступа
	Перегрузка операторов
	Класс и статические методы и переменные
	Обработка исключений в ООП
	Сборка мусора и управление памятью
	Продвинутые темы в ООП
		Декораторы
		Метаклассы
		Множественное наследование
		Миксины и компоновщик
			Миксины
			Компоновщик
		Порядок разрешения методов (MRO)
		Утиная типизация и EAFP
		Monkey patch и динамические классы
		Фабрики классов и метапрограммирование
		Рефлексия и интроспекция
	Задания для самопроверки
Глава 8. Обработка исключений
	Синтаксис обработки исключений
		Синтаксис блоков try-except
		Обработка исключений с помощью блоков except
		Обработка нескольких исключений с помощью одного блока except
		Использование блоков else и finally в конструкциях try-except
	Множественные блоки Except и цепочки исключений
	Генерация исключений
	Исключения, определяемые пользователем
	Возможности блока finally
	Лучшие практики и советы по обработке исключений
		Сообщения об ошибках
		Изящный сбой
		Тестирование обработки исключений
		Документирование
	Задания для самопроверки
Глава 9. Регулярные выражения
	Сопоставление текста с помощью регулярных выражений
	Специальные символы и экранирование
	Классы символов и выражения в квадратных скобках
		Основные классы символов
		Сокращенные классы символов
		Вложенные классы символов
	Квантификаторы и альтернация
		Квантификатор *
		Квантификатор +
		Квантификатор ?
		Квантификатор { }
		Альтернация и |
		Квантификаторы и альтернация: лучшие практики и советы
	Группировка и захват
		Использование круглых скобок для группировки
		Захват совпадений с помощью групп
		Группы без захвата
		Именованные группы
		Группировка и захват: лучшие практики и советы
	Обратные ссылки и подстановки
		Использование обратных ссылок в регулярных выражениях
		Замена совпадений с помощью регулярных выражений
		Обратные ссылки и подстановки: лучшие практики и советы
	Опережающие и ретроспективные проверки
		Положительная опережающая проверка
		Отрицательная опережающая проверка
		Положительная ретроспективная проверка
		Отрицательная ретроспективная проверка
		Лучшие практики и советы
	Лучшие практики и советы по использованию регулярных выражений
		Понимание проблемы перед написанием регулярного выражения
		Простота и читабельность регулярного выражения
		Тестирование и отладка регулярных выражений
		Использование встроенных функций и библиотек вместо регулярных выражений
		Баланс между гибкостью и производительностью в регулярных выражениях
		Работа с граничными случаями и специальными символами
	Задания для самопроверки
Глава 10. Работа с библиотеками и API
	Работа с библиотеками с помощью pip
		Установка библиотек с помощью pip
		Управление установленными библиотеками с помощью pip
		Обновление и удаление библиотек с помощью pip
		Лучшие практики использования pip
	Использование стандартных библиотек
	Библиотеки и API сторонних производителей
		Поиск и оценка библиотек и API сторонних производителей
		Установка и импорт библиотек сторонних производителей
		Общие библиотеки и API сторонних производителей
		Лучшие практики использования библиотек и API сторонних производителей
	Аутентификация и авторизация с помощью API
		API-ключи
		OAuth
		Токены
		Лучшие практики аутентификации и авторизации API
	Запросы и ответы API
		HTTP-запросы
		Коды состояния ответа HTTP
		Парсинг ответов API
		Обработка ошибок в ответах API
		Лучшие практики работы с API
	Работа с данными JSON и XML
		Парсинг данных JSON
		Создание данных в формате JSON
		Парсинг данных XML
		Создание данных XML
		Лучшие практики работы с данными JSON и XML
	Обработка ошибок и отладка в библиотеках и API
		Работа с ошибками в библиотеках
		Библиотеки и API для отладки
		Лучшие практики обработки ошибок и отладки
	Работа с библиотеками и API Лучшие практики и советы
	Задания для самопроверки
Глава 11. Отладка и тестирование
	Техники и инструменты отладки
		Стратегии отладки
		Оператор print и логирование
		Отладчик Python (PDB)
		Отладка с помощью точек останова и точек наблюдения
		Отладка проблем с памятью
		Профилирование и оптимизация производительности
	Отладка распространенных ошибок и проблем
		Ошибки синтаксиса
		Ошибки отступов
		Ошибки именования
		Ошибки типов
		Ошибки атрибутов
		Ошибки индекса и ключа
		ValueError и TypeError
		Ошибки ImportError и ModuleNotFound
		FileNotFoundError и IOError
		Обработка исключений и возвратов
	Отладка в интегрированных средах разработки (IDE)
		Отладка в PyCharm
		Отладка в Visual Studio Code
		Отладка в Eclipse с помощью PyDev
		Отладка в блокнотах Jupyter Notebooks
		Функции и советы по отладке, специфичные для IDE
	Введение в тестирование и разработку на основе тестирования (TDD)
		Важность тестирования
		Виды тестирования
		Обзор разработки на основе тестирования (TDD)
		Юнит-тестирование в Python
		Написание тестируемого кода
		Автоматизация тестирования и непрерывная интеграция
	Юнит-тестирование с помощью Pytest
		Установка и настройка Pytest
		Написание тестовых функций с помощью Pytest
		Фикстуры Pytest. Настройка и завершение
		Утверждения и соответствия (matchers) в Pytest
		Запуск и настройка Pytest
		Параметризация тестов и тестирование на основе данных
		Плагины и расширения Pytest
	Тестовое покрытие и качество кода
		Понятие тестового покрытия
		Измерение тестового покрытия с помощью Coverage.py
		Анализ отчетов о покрытии
		Улучшение тестового покрытия
		Метрики качества кода
		Линтинг и статический анализ
		Интеграция проверок качества кода в рабочий процесс
	Интеграционное тестирование и непрерывная интеграция (CI)
		Написание интеграционных тестов
		Инструменты и фреймворки для интеграционного тестирования
		Непрерывная интеграция: обзор
		Настройка CI-пайплайна
		Преимущества сочетания интеграционного тестирования и CI
	Отладка и тестирование: лучшие практики и советы
		Общие советы по отладке
		Лучшие практики тестирования
		Советы по разработке на основе тестирования
		Код-ревью и совместная работа
		Непрерывное совершенствование отладки и тестирования
		Баланс между покрытием тестами и сопровождаемостью
		Чего следует избегать при отладке и тестировании
	Задания для самопроверки
Глава 12. Введение в Data Science на Python
	Что такое Data Science
		Роль Python в Data Science
		Обзор библиотек и инструментов
		Применение Data Science в реальном мире с помощью Python
	Установка библиотек Data Science в Python
	NumPy: массивы и матрицы
		Создание массивов NumPy
		Атрибуты и свойства массива
		Индексация и нарезка массивов
		Операции с массивами и трансляция
		Матричные операции и линейная алгебра
		Продвинутые возможности NumPy
		Практическое применение NumPy в Data Science
	Pandas: манипулирование данными и их анализ
		Ключевые структуры данных: Series и DataFrame
		Импорт и экспорт данных
		Очистка и предварительная обработка данных
		Выбор и индексация данных
		Агрегирование и группировка данных
		Слияние, объединение и конкатенация данных
		Функциональность временных рядов и дат
		Визуализация с помощью Pandas
		Практическое применение Pandas в Data Science
	Matplotlib: визуализация данных
		Архитектура Matplotlib
		Создание основных типов графиков
			Линейные графики
			Диаграммы рассеяния
			Столбчатые диаграммы
			Гистограммы
		Настройка графиков
		Продвинутые техники построения графиков
			Подграфики
			3D-графики
		Сохранение и экспорт графиков
		Интеграция Matplotlib с Pandas
		Лучшие практики и советы по визуализации данных с помощью Matplotlib
	Seaborn: продвинутая визуализация данных
		Seaborn и Matplotlib: ключевые различия
		Типы графиков Seaborn
		Настройка графиков Seaborn
		Темы и стили Seaborn
		Интеграция Seaborn с Pandas
		Продвинутые техники Seaborn
		Лучшие практики и советы по визуализации данных с помощью Seaborn
	Scikit-learn: машинное обучение
		Ключевые понятия и терминология
		Предварительная обработка данных с помощью Scikit-learn
		Алгоритмы контролируемого обучения
		Алгоритмы неконтролируемого обучения
		Оценка и выбор модели
		Настройка гиперпараметров
		Интеграция Scikit-learn с Pandas и Numpy
		Лучшие практики и советы по машинному обучению с помощью Scikit-learn
	TensorFlow: глубокое обучение
		Ключевые компоненты TensorFlow
		Архитектура TensorFlow
		TensorFlow Eager Execution
		Построение нейронных сетей с помощью TensorFlow
		Обучение и оценка моделей в TensorFlow
		Расширения и библиотеки TensorFlow
		Практическое применение TensorFlow в глубоком обучении
	Keras: высокоуровневое глубокое обучение
		Ключевые особенности Keras
		Параметры бэкенда Keras
		Построение нейронных сетей с помощью Keras
		Обучение и оценка моделей в Keras
		Сохранение и загрузка моделей в Keras
		Настройка Keras: пользовательские слои, функции потерь и метрики
		Практическое применение Keras в глубоком обучении
	Обработка естественного языка с помощью NLTK
		Установка и настройка NLTK
		Токенизация
		Морфологическая разметка (POS)
		Распознавание именованных сущностей (NER)
		Парсинг и чанкинг
		Классификация текста с помощью NLTK
		Анализ тональности текста
		Суммаризация текста
		Практическое применение NLTK в NLP
	Лучшие практики и советы по Data Science
		Понимание проблемы и определение целей
		Сбор и предварительная обработка данных
		Конструирование и выбор признаков
		Выбор и оценка моделей
		Интерпретируемость и объяснимость
		Коммуникация и визуализация
		Масштабируемость и развертывание
		Совместная работа и контроль версий
		Постоянное обучение и совершенствование
		Этические аспекты в Data Science
	Задания для самопроверки
Глава 13. Веб-скрапинг с помощью Python
	Области применения веб-скрапинга
		Правовые и этические соображения
		Компоненты веб-страницы
		Рабочий процесс веб-скрапинга
	Основы HTML
		Структура HTML-документа
			Объявление Doctype
		Теги и элементы HTML
		Атрибуты HTML
			id и class
			href
			src
			alt
			title
			style
		Таблицы и списки HTML
		HTML-формы и элементы ввода
			Структура формы
			Входные элементы
		Концепция объектной модели документа (DOM)
	Библиотеки и инструменты веб-скрапинга
		Requests: HTTP для людей
		Beautiful Soup: парсинг и навигация по HTML
		lxml: высокопроизводительный парсер HTML и XML
		Selenium: автоматизация браузера для веб-скрапинга
		Scrapy: комплексная платформа для веб-скрапинга
		Выбор правильного инструмента для веб-скрапинга
	Извлечение данных из веб-страниц
		Определение целевых данных
		Изучение исходного кода веб-страницы
			Google Chrome
			Firefox
			Safari
			Microsoft Edge
		Навигация по структуре HTML
		Работа с пагинацией и бесконечной прокруткой
		Работа с динамическим содержимым и JavaScript
	Работа с формами и сессиями
		Взаимодействие с формами
		Отправка форм и работа с перенаправлениями
		Управление сессиями и файлами куки
		Обработка аутентификации и входа в систему
		Советы по работе с формами и сессиями
	Парсинг XML и JSON
		Парсинг XML в Python
		Парсинг JSON в Python
		Конвертация данных из XML в JSON и наоборот
		Работа с API и структурированными данными
	Продвинутые методы веб-скрапинга
		Обработка AJAX-запросов и асинхронная загрузка
		Обход капчи и мер по борьбе с ботами
			Ротация IP-адресов
			Настройка заголовков запросов
			Представление задержек
			Использование оптического распознавания символов (OCR)
			Сторонние услуги по решению капч
		Работа с прокси-серверами и ротация IP-адресов
		Веб-скрапинг с использованием многопоточности и параллелизма
		Эффективное хранение и обработка полученных данных
		Мониторинг и сопровождение веб-скраперов
	Этические и правовые соображения
	Лучшие практики и советы по веб-скрапингу
		Планирование проекта веб-скрапинга
		Выбор правильных инструментов и библиотек
		Относитесь с уважением к ресурсам сайта
		Обработка ошибок и механизмы повторной попытки
		Внедряйте надежные решения для хранения данных
		Мониторинг и сопровождение веб-скраперов
		Документация кода и процессов веб-скрапинга
	Задания для самопроверки
Глава 14. Программирование графических интерфейсов с помощью Python
	Преимущества приложений с GUI
		Популярные библиотеки GUI
		Выбор правильной GUI-библиотеки
		Основные концепции программирования GUI
	Наборы инструментов и фреймворки GUI
		Tkinter
		PyQt и PySide
		Kivy
		wxPython
		PyGTK и PyGObject
		PySimpleGUI
		Сравнение наборов инструментов и фреймворков GUI
	Создание GUI-приложений с помощью Tkinter
		Установка и настройка Tkinter
		Создание базового окна Tkinter
		Виджеты Tkinter и их свойства
			Label
			Button
			Entry
			Text
			Checkbutton
			Radiobutton
			Scale
		Менеджеры геометрии: Pack, Grid и Place
			Pack
			Grid
			Place
			Выбор менеджера геометрии
		Обработка событий в Tkinter
		Создание наследуемых виджетов и компонентов
		Создание приложения Tkinter: пошаговый пример
		Отладка и устранение неполадок в приложениях Tkinter
	Продвинутые техники программирования GUI
		Работа с несколькими окнами и диалогами
		Настройка стилей и тем виджетов
		Реализация функциональности перетаскивания
		Создание и управление таймерами
		Обработка событий клавиатуры и мыши
		Многопоточность и конкурентность в GUI-приложениях
		Интеграция веб-контента и API
		Развертывание и распространение
	Лучшие практики и советы по программированию GUI
		Проектирование удобных для пользователя интерфейсов
		Организация и модульность кода
		Оптимизация производительности
		Обработка ошибок и обратная связь с пользователем
		Доступность и интернационализация
			Доступность
			Интернационализация
		Тестирование и отладка
		Документация и руководства пользователя
	Задания для самопроверки
Заключение
Список источников