Python Tutorials

In diesem Lab werden wir die Grundlagen von NumPy Universal Functions (ufuncs) untersuchen. Ufuncs sind Funktionen, die elementweise auf ndarrays operieren und Array-Broadcasting, Typumwandlung und andere Standardfunktionen unterstützen. Wir lernen die verschiedenen Methoden von ufuncs, Broadcasting-Regeln, Typumwandlungsregeln und wie man das Verhalten von ufuncs überschreibt.

Broadcasting ist ein leistungsstarkes Feature in NumPy, das es ermöglicht, Arrays mit unterschiedlichen Formen in arithmetischen Operationen zu verwenden. Es bietet eine Möglichkeit, Array-Operationen zu vektorisieren und die rechnerische Effizienz zu verbessern. Dieses Lab führt Sie durch die Grundlagen des Broadcastings in NumPy.

In diesem Lab werden wir die Grundlagen der Indizierung in NumPy untersuchen. Indizierung ermöglicht es uns, auf spezifische Elemente oder Teilmengen von Elementen in einem Array zuzugreifen und diese zu manipulieren. Das Verständnis, wie man Indizierung effektiv einsetzt, ist entscheidend für die Arbeit mit Arrays in NumPy.

In diesem Lab lernen Sie die Grundlagen der Arbeit mit NumPy-Arrays kennen. NumPy ist eine leistungsstarke Bibliothek für numerisches Rechnen in Python. Sie bietet effiziente Datenstrukturen und Funktionen für mathematische Operationen auf Arrays.

Dieses Lab bietet eine Schritt-für-Schritt-Anleitung zur Erstellung von Arrays mit NumPy, einer grundlegenden Bibliothek für Array-Container in Python. Sie lernen verschiedene Methoden zur Array-Erstellung kennen, darunter die Konvertierung von Python-Sequenzen, die Verwendung intrinsischer NumPy-Funktionen zur Array-Erstellung, das Replizieren und Zusammenfügen bestehender Arrays sowie das Lesen von Arrays von der Festplatte.

Dieses Lab bietet eine Schritt-für-Schritt-Anleitung zum Verständnis der verschiedenen verfügbaren Datentypen in NumPy und wie der Datentyp eines Arrays geändert werden kann. NumPy unterstützt eine breite Palette von numerischen Typen, einschließlich boolescher Werte, Ganzzahlen, Gleitkommazahlen und komplexer Zahlen. Das Verständnis dieser Datentypen ist wichtig für die Durchführung verschiedener numerischer Berechnungen und Datenanalyseaufgaben mit NumPy.

In diesem Lab lernen wir, wie man Daten mit der Funktion numpy.genfromtxt importiert. Diese Funktion ermöglicht es uns, tabellarische Daten aus verschiedenen Quellen zu lesen und in NumPy-Arrays umzuwandeln. Wir werden verschiedene Optionen untersuchen, um die Eingabe zu definieren, die Zeilen in Spalten aufzuteilen, Spalten auszuwählen, den Datentyp festzulegen und die Konvertierung anzupassen.

In diesem Lab lernen wir strukturierte Arrays in NumPy kennen. Strukturierte Arrays sind ndarrays, deren Datentyp aus einer Zusammensetzung einfacherer Datentypen besteht, die als eine Sequenz benannter Felder organisiert sind. Sie sind nützlich für die Arbeit mit strukturierten Daten, wie z. B. tabellarischen Daten, bei denen jedes Feld ein anderes Attribut der Daten darstellt.

In diesem Lab lernen Sie die Bedeutung der Dokumentation Ihres Python-Codes mithilfe von Docstrings kennen. Wir werden untersuchen, wie man mithilfe der help()-Funktion und des __doc__-Attributs auf vorhandene Docstrings für eingebaute Funktionen zugreift. Darüber hinaus sammeln Sie praktische Erfahrungen beim Schreiben eigener Docstrings für benutzerdefinierte Funktionen und überprüfen deren Zugänglichkeit mithilfe der help()-Funktion, wodurch Ihr Code verständlicher und wartbarer wird.

In diesem Lab sammeln Sie praktische Erfahrungen bei der Bearbeitung von Listen in Python, einer fundamentalen Datenstruktur. Sie lernen, Listen zu erstellen, darauf zuzugreifen, Elemente hinzuzufügen, zu entfernen, zu modifizieren, zu sortieren, abzufragen und zu verschachteln. Am Ende werden Sie effektiv mit Listen arbeiten können, um Daten in Ihren Python-Programmen zu verwalten und zu verarbeiten.

In diesem Lab erlangen Sie ein umfassendes Verständnis von Tupeln in Python. Sie lernen, wie man Tupel erstellt, auf ihre Elemente mittels Indizierung und Slicing zugreift und wie man sie unter Berücksichtigung ihrer Unveränderlichkeit durch Techniken wie Slicing und Konkatenation modifiziert. Darüber hinaus befassen Sie sich mit Tupel-Operatoren und dem Unpacking, um zu entdecken, wie man effizient mit Tupeldaten arbeitet. Abschließend erkunden und nutzen Sie gängige eingebaute Tupel-Funktionen und -Methoden, um verschiedene Operationen mit Tupeln durchzuführen.

In diesem Lab sammeln Sie praktische Erfahrungen mit der Verwaltung von Dictionaries (Wörterbüchern) in Python. Dictionaries sind wesentliche Datenstrukturen zur Speicherung von Daten in Schlüssel-Wert-Paaren. Sie lernen, wie man Dictionaries erstellt und inspiziert, auf Elemente zugreift und diese modifiziert, Elemente hinzufügt und löscht sowie Dictionary View Objects (Ansichtsobjekte) erkundet.

In diesem Lab lernen Sie die grundlegenden Konzepte der Verarbeitung von Eingabe und Ausgabe (Input und Output, I/O) in Python kennen. Wir werden untersuchen, wie Informationen mithilfe der print()-Funktion auf der Konsole angezeigt werden, einschließlich der Steuerung von Trennzeichen (Separators) zwischen mehreren Argumenten. Darüber hinaus sammeln Sie praktische Erfahrungen beim Erfassen von Benutzereingaben über die Tastatur, beim Schreiben von Daten in Dateien und beim Zurücklesen von Daten aus Dateien – wesentliche Fähigkeiten für die Interaktion mit externen Datenquellen in Ihren Python-Programmen.

In diesem Lab lernen Sie die fundamentalen Konzepte der objektorientierten Programmierung (OOP) in Python kennen. Wir werden untersuchen, wie man Klassen definiert, die als Baupläne für die Erstellung von Objekten dienen, und das Verhältnis zwischen Klassen und Objekten verstehen. Anschließend sammeln Sie praktische Erfahrungen, indem Sie Instanzen Ihrer definierten Klassen erstellen und verwenden. Das Lab führt Sie durch die Initialisierung von Objekten mit der `__init__`-Methode, um deren Anfangszustand festzulegen, und die Anpassung ihrer String-Darstellung mithilfe der `__repr__`-Methode für bessere Fehlersuche und Lesbarkeit.

In diesem Lab lernen Sie, wie man Module und Pakete in Python importiert und verwendet. Wir werden Python-Module mit pydoc untersuchen, Module mit `import` importieren, spezifische Objekte mit `from...import` importieren und Python-Pakete verstehen. Dieses Lab bietet praktische Übungen für effektive Code-Organisation und Wiederverwendung.

In diesem Lab lernen Sie, wie Sie den PEP 8 Style Guide auf Ihren Python-Code anwenden. PEP 8 gibt Empfehlungen für das Schreiben von lesbarem und konsistentem Python-Code und behandelt Einrückung (Indentation), Zeilenlänge, Leerzeichensetzung und Namenskonventionen. Sie üben die Implementierung der Richtlinien, erkunden die Regeln und verwenden autopep8 für die automatische Formatierung.

In diesem Labor erhalten Sie ein umfassendes Verständnis der Zeichenkodierung in Python. Wir werden die Geschichte und Konzepte der Zeichenkodierung untersuchen, von ASCII über Unicode bis hin zu UTF-8. Sie lernen, wie man `ord()` und `chr()` verwendet, mit `encode()` und `decode()` zwischen Zeichenketten und Bytes konvertiert und wie man Kodierungsfehler behandelt.

In diesem Lab lernen Sie, wie Sie Ausnahmen in Python effektiv mit der `try...except`-Anweisung behandeln. Wir werden untersuchen, wie man spezifische Ausnahmen wie `ValueError` abfängt, mehrere Ausnahmetypen behandelt und Code ausführt, unabhängig davon, ob eine Ausnahme aufgetreten ist, mithilfe von `else`- und `finally`-Blöcken. Sie lernen auch, wie man benutzerdefinierte Ausnahmen auslöst (raise custom exceptions), um spezifische Fehlerbedingungen in Ihrem Code zu signalisieren. Durch praktische Übungen sammeln Sie Erfahrung im Schreiben robuster und fehlertoleranter Python-Programme.