Эта статья была изначально опубликована в: https://blog.duomly.com/how-to-practice-python-skills/
Обучение Python не сильно отличается от изучения других языков программирования. Один путь для того, чтобы стать опытным в Python (или любой другой язык) в основном зависит от существующих знаний и опыта программирования. Это означает, что опытные программисты – уже знакомы с основными процессами программирования – обычно используют разные стратегии, чем новички.
Тем не менее, есть несколько общих вещей для всех, и один из них в том, что вам нужно много практиковать!
К счастью, Python имеет широкий, дружелюбный и выделенный сообщество. Это открытый источник и обеспечивает несколько сред, которые действительно облегчают развитие.
Есть много хороших советов о том, как практиковать Python. Эта статья ориентирована на эти 10:
- Выберите правильную среду
- Убедитесь, что у вас есть сильные основы
- Написать и улучшить код
- Читать документацию
- Построить на основах
- Уловить стандарты, советы, советы и хитрости
- Анализировать исходный код
- Заинтересоваться библиотеками
- Стать частью сообщества
- Узнайте второй язык программирования
Выберите правильную среду
Для начала вы должны быть в порядке с обычным интерпретатором Python 3 и менеджером пакета на любой использовании операционной системы. Windows, Mac OS или любой Linux Distro сделает работу. (Даже Android с QPYthon, хотя его возможности ограничены по сравнению с оригинальным Python.) Позже вы можете установить AnaConda на Windows, Mac OS или Linux. Он содержит интерпретатор Python, Conda Package, зависимость и систему управления окружающей средой, а также многие сторонние пакеты, которые вы можете найти полезным.
Вы должны выбрать подходящую IDE (встроенная среда разработки). Многие универсальные IDes, как Visual Studio, Visual Studio Code, Emacs, Vim Sublime Text или Atom имеют действительно хорошую поддержку для Python. Если вам нравятся продукты Jetbrains, вы можете использовать Pycharm. Spyder – удобный Python-IDE, включенный в AnaConda. IPython и Jupyter действительно приятно начать с тех пор, как они предлагают хорошие интерактивные функции. Наконец, есть консоль Python, но вам может быть более полезным проверить немного короткого кода, а не писать полные программы.
Вы можете проверить Эта статья Чтобы узнать больше о IDES Python. Другая хорошая идея состоит в том, чтобы рассмотреть возможность установки и настраивания линта Python, как Pylint или Pyflakes. Они являются небольшими пакетами, которые выделяют проблемы в вашем коде, связанном с синтаксисом или стилем.
Делать Уверен, что у вас есть сильные основы
Если вы хотите попрактиковаться на любой язык программирования, вы должны хорошо изучать основы, чтобы вы могли построить их. Это означает, что вам нужно знать, по крайней мере, базовый синтаксис, понять основные концепции программирования, ознакомиться со встроенными типами и структурами данных и так далее.
В Python вы должны проверить, понимаете ли вы предложение IF, в то время как и для циклов, функций, целых чисел, поплавков, строк, кортежи, наборы, списки, словари и т. Д. Некоторые другие типы, такие как комплексные числа, именованные кортежи, замороженные множества могут быть полезны.
Вы должны найти подходящую книгу Python или даже, возможно, учебное пособие для начала. Duomly предлагает Учебник Python Вы можете использовать для изучения этих концепций и многое другое. Также есть официальный учебник Python, просто называемый учебником Python.
Написать и улучшить код
Написание множества кода на себе является неотъемлемой частью языков программирования обучения.
Начните с кода из книг и учебников. Затем попробуйте изменить его, сделайте его более общим или подходящим для каких-либо других целей. После этого попробуйте комбинировать то, что вы узнали на небольших, но значимых программах. Тем не менее, помните одно из самых важных вещей о программировании: это не о печати Речь идет о мышлении!
Вы сделаете ошибки. Все программисты делают. Это совсем не плохо. Что очень важно, чтобы попытаться выяснить, что пошло не так, то есть учиться на своих собственных ошибках. Каждый раз, когда вы получаете и исправляете ошибку, вы станете немного лучшим программистом, чем раньше.
Иногда выгодно вернуться к старому коду своему и попытаться улучшить его. Надеюсь, вы заметите, что вы намного лучше, чем раньше, когда вы написали оригинальный код.
Подумайте о проблемах, которые вы хотели бы решить. В идеале, это проблемы, которые вы увлечены. Эмоциональное участие обычно улучшает результаты. Определите свои небольшие и средние проекты и старайтесь часто работать над ними. Как только вы узнаете что-то новое, спросите себя, как вы можете применить его к какой-то проблеме, которую вы заинтересованы в решении.
Читать документацию
Документация имеет решающее значение в Python. Вы должны принять привычку читать это часто. В идеале, прежде чем применить некоторую существующую функцию или метод, вы должны проверить соответствующую документацию.
К счастью, встроенные библиотеки Python и самые популярные сторонние пакеты обычно приходят с полной документацией, доступной на их веб-сайтах и документах, которые вы можете скачать. Вы также можете получить документацию на Python Entity (класс, метод, функцию и т. Д.) программно, вызывая атрибут. Док :
>>> print(slice.__doc__) slice(stop) slice(start, stop[, step]) Create a slice object. This is used for extended slicing (e.g. a[0:10:2]).
Документация может содержать более подробную информацию в некоторых случаях.
Вы можете многому научиться из документации. Вы можете понять, как использовать функцию, метод или класс, какие аргументы предоставлять, какие возвращает значения для ожидаемого и т. Д. Это часто содержит связанные примеры, которые могут быть вполне информативны, а иногда и просвещать.
Построить на основах
Однажды вы в порядке с основы, вы можете начать расширять свои знания.
Не волнуйтесь, вы не собираетесь забывать основные основы. Вам понадобится их все время.
Темы, такие как обработка исключений, упаковка и распаковки, * args и ** Kwargs, функциональные декораторы, модули и пакеты, объектно-ориентированные на объектно-ориентированные программирование и генераторы и должны быть хорошо поняты и в значительной степени практикуются.
Существует более продвинутые темы для покрытия как специальные методы, COROTINES, асинхронные программирования, многопотативные и многопроцессовые, регулярные выражения, тестирование подразделения и так далее. Вероятно, вам не понадобятся все они в начале. Таким образом, вы можете начать с того, что кажется полезным. Например, если вам нужны некоторые манипуляции с жесткими строками, вы можете решать регулярные выражения. Если вы работаете над некоторым крупномасштабным научным вычислением проекта, вы можете найти многопроцессорную интересную.
Поймать советы, стандарты, советы и трюки
Есть много особенностей Python особенностей языка, и изучение их не является тривиальной задачей. К счастью, есть некоторые ресурсы, которые возвышены многим из них.
Официальная документация Python содержит много информации. PEP 20, также называемый дзен Питона T. Peters, определяет руководящие принципы Python:
>>> import this The Zen of Python, by Tim Peters Beautiful is better than ugly. Explicit is better than implicit. Simple is better than complex. Complex is better than complicated. Flat is better than nested. Sparse is better than dense. Readability counts. Special cases aren't special enough to break the rules. Although practicality beats purity. Errors should never pass silently. Unless explicitly silenced. In the face of ambiguity, refuse the temptation to guess. There should be one-- and preferably only one --obvious way to do it. Although that way may not be obvious at first unless you're Dutch. Now is better than never. Although never is often better than *right* now. If the implementation is hard to explain, it's a bad idea. If the implementation is easy to explain, it may be a good idea. Namespaces are one honking great idea -- let's do more of those!
Руководство по PEP 8 или стилю для кода Python Code G. Van Rossum, B. Warsaw и N. Coghlan приводит к стилистическому руководству для кода Python. Часто полезно прочитать его и попытаться придерживаться его максимально возможной. Это может улучшить читаемость вашего кода и облегчить вас и другим разработчикам, чтобы сохранить его.
Точно так же PEP 257, который является конвенциями DOCSTRING от D. Goodger и G. Van Rossum объясняет, как написать документацию, которая позже может быть получена с помощью. Док атрибут.
Книги Маленькая книга Python Anti-Paills by A. dewes и C. Neumann (бесплатно и доступно в Интернете), а также Python Tricks: шведский стол из потрясающих функций Python от D. Bader предлагает много информации о том, как написать Чистый, эффективный, поддерживаемый и Pyphonic код.
Анализировать исходный код
Python – это открытый источник, а также большинство его популярных библиотек. Это означает, что вы можете получить доступ и прочитать исходный код. Он часто доступен на Github, но есть другие места, где вы можете найти источник. Чтение и понимание кода для интереса к библиотеке позволяет лучше представить свои возможности и детали реализации.
Кроме того, вы можете многому научиться, анализируя источник, написанный другими (надеюсь, хорошими) программистами. Вы можете получить идеи, увидеть их способы внедрения, изучать новые узоры и трюки и так далее.
Заинтересоваться в библиотеке
Python поставляется с большим количеством полезных библиотек для разных целей: регулярные выражения, математика, статистика, произвольные номера генерации, тестирование единиц, итерации, функциональное программирование, многопоточность и многопроцессорное, определение абстрактных классов и многое другое. Есть некоторые очень полезные сторонние библиотеки из многих различных областей науки и техники.
Очевидно, вы не можете узнать, как их использовать все, но вы можете сосредоточиться на нескольких из них, которые выглядят интересными для области, в которой вы хотите специализироваться. Если вы хотите стать ученым данных или практикующим учебником машин, вам нужно будет начать с NUMPY, который является фундаментальной библиотекой для обработки единичных и многомерных массивов в эффективном и лаконичном порядке. Это быстро и позволяет операциям массива без явного письма Python для петлей:
>>> import numpy as np >>> >>> a = np.array([1, 2, 3, 4, 5]) >>> a array([1, 2, 3, 4, 5]) >>> b = 2**a >>> b array([ 2, 4, 8, 16, 32]) >>> a + b array([ 3, 6, 11, 20, 37]) >>> b / 2 array([ 1., 2., 4., 8., 16.])
Numpy предоставляет множество функций для манипулирования массивами. Он также имеет ограниченное количество подпрограмм для линейной алгебры, статистики, генерации случайного количества и многое другое.
Scipy – это научная вычислительная библиотека, построенная поверх Naumpy, которая содержит дополнительные процедуры для линейной алгебры и статистики, но и для оптимизации, интерполяции, интеграции, с использованием специальных функций, преобразования Фурье и многое другое.
Пандас является одной из самых популярных библиотек в целом. Он также построен на вершине Numpy и хорошо работает с Numpy и Scipy. Это позволяет работать с маркированными одно- и двумерными данными.
Scikit – Учите является фундаментальной библиотекой для машинного обучения со многими алгоритмами, которые разделяют последовательную API (интерфейс программирования приложений). Tensorflow, Theano, Pytoch и Keras используются для искусственных нейронных сетей.
Matplotlib и Bokeh являются хорошими вариантами для визуализации данных. Все эти библиотеки имеют очень хорошую документацию. Вы также можете узнать о некоторых из них в учебном пособие по эксплуатации Duomly.
Если вы хотите иметь дело с веб-разработкой, вы можете учиться и практиковать работу с некоторыми из веб-каркасов Python для задней части. Самый популярный – Django, который приходит с наиболее обязательными деталями. Это очень удобно для больших веб-приложений с обычными требованиями. Другое – это колба – мощное, гибкое и удобное микроразрушение с множеством расширений. И Django и Flask являются одними из самых популярных веб-каркасов в целом.
У Python есть другие веб-каркасы, такие как пирамида, бутылка, торнадо и так далее. SQLalchemy – это пакет, который позволяет работать с базами данных объектно-ориентированным образом. Он сильно используется веб-каркатами, но и в науке о данных.
Стать частью сообщества
Как уже говорилось, Python имеет большое, преданное и дружеское сообщество. Вы можете стать частью этого. Читайте сообщения, комментарий, задайте вопросы, поиск объяснений и т. Д.
После того, как у вас есть достаточный уровень знаний, вы можете начать свой вклад в качестве разработчика на проекты с открытым исходным кодом, либо как кто-то, кто пишет интересные посты и учебники. Этот вклад высоко оценен сообществом и многими потенциальными работодателями.
Узнайте второй язык программирования
Python – это язык программирования общего назначения, и во многих ситуациях он может полностью выполнять требования.
Однако всегда выгодно изучать другие языки программирования. Таким образом, вы можете углубить ваше понимание парадигми по общему программированию и расширить ваши горизонты. Как только вы узнаете один язык, узнав, что другой легче. Большинство хороших программистов знают несколько языков программирования.
Если вы хотите быть веб-разработчиком, вы, вероятно, нуждаетесь в JavaScript в любом случае. Обучение C хорошо для лучшего понимания основных концепций программирования, но вы также можете разрабатывать действительно быстрые функции Python. RUST – это относительно новый и удивительный язык программирования, который уже имеет хорошую интеграцию с Python.
Примеры проектов для практики
Есть много потенциальных небольших проектов, которые вы можете использовать для практики Python. Например, вы можете попытаться автоматизировать скучные задачи. Зная строки, регулярные выражения и, в конечном итоге, библиотека шаблонов, такая как Jinja, может помочь вам эффективно управлять текстовыми файлами: поиск, сопоставление, замена или сравнения файлов.
Если вы часто работаете с Microsoft Office Excel, вы можете попробовать использовать xlwings, numpy и pandas для ускорения расчетов.
Вы можете использовать Python для создания игр. Например, вы можете случайно применить библиотеку и попытаться имитировать Rolling Dice или работать с картами. Если вы хотите создать приятный графический интерфейс пользователя, вы можете использовать библиотеки, такие как PYQT или TKinter. Некоторые из обычных приложений для начинающих создают калькулятор (больше вариантов лучше) или известная игра называется Tic Tac Toe.
Если вам нравится перейти к веб-разработке, вы можете попробовать колбу. Это требует всего пять строк кода для получения наиболее простого, но функционального веб-приложения. Официальный веб-сайт Flask содержит отличную документацию и учебное пособие, которую вы можете использовать для изучения этой большой рамки.
Duomly Учебное пособие машинного обучения Имеет инструкции, которые вы можете использовать для практики применений науки и машины и машины. Если вы хотите найти и проанализировать несколько классных наборов данных, проверьте статью 15 лучших бесплатных наборов данных для машинного обучения.
Искусственный интеллект – это область, где Python широко применяется. Вы можете играть с распознаванием изображений, обработки натурального языка или веб-соскабливания. Чтобы найти дополнительную информацию о том, как вы можете легко начать выполнять эти требовательные, но интересные задачи, вы можете проверить: Распознавание изображения в Python Как создать чатбот AI в Python
Выводы
Вы только что прочитали несколько советов о том, как практиковать Python. Надеюсь, они помогут вам стать программистом Python. Не забудьте продолжать кодирование, писать интересные программы, попробуйте учиться на ошибках, а также участвовать в составе сообщества. Наконец, всегда имейте в виду, что программирование не о печати. Это все о мышлении.
Счастливое кодирование!
Оригинал: “https://dev.to/duomly/a-few-useful-tips-on-how-to-practice-python-5a9”