Wprowadzenie

• Dla kogo jest ta książka?
• Wiemy, co myślisz
• Wiemy, co myśli Twój mózg
• Metapoznanie - myślenie o myśleniu
• Oto co MY zrobiliśmy
• Przeczytaj to
• Instalujemy najnowszą wersję Pythona
• Sam Python to nie wszystko
• Skonfiguruj VS Code wedle własnych upodobań
• Dodaj dwa wymagane rozszerzenia do VS Code
• Wsparcie dla Pythona w VS Code jest nie do pobicia
• Zespół recenzentów technicznych
• Podziękowania

0. Dlaczego Python? Podobny, ale inny

• Przygotowania do wykonywania kodu
• Przygotowanie do pierwszego doświadczenia z Jupyterem
• Wprowadźmy trochę kodu do edytora notatnika
• Naciśnij Shift+Enter, aby uruchomić kod
• Co zrobić, jeśli chcesz więcej niż jedną kartę?
• Przyjrzyj się bliżej kodowi rysowania kart
• Wielka czwórka: lista, krotka, słownik i zbiór
• Stwórz swoją talię kart z użyciem zbioru
• print dir - podwójne mambo
• Uzyskiwanie pomocy na temat wyników dir
• Wypełniamy zbiór kartami
• Teraz to wygląda jak talia kart
• A właściwie czym jest zmienna card?
• Musisz coś znaleźć?
• Zróbmy przerwę i sprawdźmy, czym dysponujemy
• Python jest dostarczany wraz z bogatą biblioteką standardową
• W Pythonie piszesz tylko kod, którego potrzebujesz
• Kiedy już myślałeś, że to koniec...

1. Zaczynamy. Wskakujemy!

• Jak trener pracował do tej pory?
• Trener potrzebuje lepszego stopera
• Plik i arkusz kalkulacyjny są ze sobą "powiązane"
• Nasze pierwsze zadanie: wyodrębnić dane z nazwy pliku
• Łańcuch znaków to obiekt mający atrybuty
• Pobieramy dane pływaka z nazwy pliku
• Nie próbuj zgadywać, co robi dana metoda.
• Dzielenie łańcuchów znaków na części
• Wciąż zostaje nam coś do zrobienia
• Komunikaty błędów czytaj od dołu do góry
• Uważaj na łączenie wywołań metod
• Wypróbujmy inną metodę łańcuchów znaków
• Pozostało nam jedynie utworzenie paru zmiennych
• Zadanie nr 1 zostało wykonane!
• Zadanie nr 2: przetworzenie danych z pliku

2. Listy liczb. Przetwarzanie danych z list

• Zadanie nr 2: przetworzenie danych z pliku
• Zrób sobie kopię danych trenera
• Wbudowana funkcja open operuje na plikach
• Stosowanie with do otwierania (i zamykania) pliku
• Zmienne są tworzone dynamicznie, wedle potrzeb
• Tym, o co nam naprawdę chodzi, są dane z pliku
• Już mamy dane pływaków z pliku
• Kolejne czynności wyglądają znajomo
• Wiedza z poprzedniego rozdziału zaczyna przynosić korzyści
• Konwersja łańcucha z czasem na wartość liczbową
• Setne sekundy w Pythonie
• Krótka prezentacja pętli for w Pythonie
• Pojedynek na gołe pięści: pętla for kontra pętla while
• Idziemy do przodu, robiąc wielkie postępy!
• Zachowajmy kopię skonwertowanych czasów
• Wyświetlenie listy metod listy
• Nadszedł czas, by obliczyć średnią
• Konwersja średniej na format łańcucha z czasem
• Pora zebrać wszystko w całość
• Zadanie nr 2 jest (w końcu) gotowe!

3. Lista plików. Funkcje, moduły i pliki

• Już masz większość potrzebnego kodu
• Jak utworzyć funkcję w Pythonie?
• Zapisuj swój kod tak często, jak masz ochotę
• Zwyczajne skopiowanie kodu nie wystarczy
• Koniecznie skopiuj cały niezbędny kod
• Używaj modułów do współdzielenia kodu
• Pław się w blasku zwróconych danych
• W razie konieczności funkcje mogą zwracać krotki
• Przygotujmy listę nazw plików trenera
• Nadszedł czas, by pobawić się w detektywa.
• Co można robić z listami?
• Czy przyczyną problemu są dane, czy nasz kod?
• Decyzje, decyzje i jeszcze raz decyzje
• Poszukajmy dwukropka "w" łańcuchu
• Czy w efekcie przetworzyłeś 60 plików?
• Kod dla trenera zaczyna nabierać kształtu

4. Sformatowane literały łańcuchowe. Twórz wykresy na podstawie danych

• Tworzymy prosty wykres słupkowy przy użyciu HTML-a i SVG
• Przechodzimy od prostego wykresu do wykresu dla trenera
• Konstruujemy potrzebne łańcuchy z HTML-em w kodzie
• Konkatenacja łańcuchów znaków nie jest skalowalna
• F-łańcuchy są bardzo popularną możliwością Pythona
• Dzięki użyciu f-łańcuchów generowanie kodu SVG jest proste!
• Wciąż dysponujemy danymi, prawda?
• Zadbaj, by zwracane były wszystkie niezbędne dane
• Teraz już mamy dane liczbowe, ale czy nadają się one do użycia?
• Pozostaje nam już jedynie dokończyć stronę WWW
• Zapisywanie w plikach, podobnie jak odczyt z plików, jest bezbolesne
• Zostały już tylko poprawki estetyczne
• Czas na kolejną niestandardową funkcję
• Dodajmy kolejną funkcję do naszego modułu
• Co jest z tymi wartościami setnych sekundy?
• Zaokrąglanie nie jest tym, czego chcemy (w tym przypadku)
• Wszystko idzie doskonale.

5. Grunt to organizacja. Decyzje dotyczące struktur danych

• Pobierzmy listę imion pływaków
• Lista-zbiór-lista - sztuczka usuwająca powtórzenia
• Trener dysponuje już listą imion
• Mała zmiana robi "wielką" różnicę
• Każda krotka jest unikatowa
• Bardzo szybkie wyszukiwanie z użyciem słowników
• Słowniki to magazyny par klucz-wartość ułatwiające wyszukiwanie
• Anatomia tworzenia słownika
• Słowniki są zoptymalizowane pod kątem szybkości wyszukiwania
• Wyświetlanie całego słownika
• Moduł pprint wyświetla dane w atrakcyjny sposób
• Twój słownik list jest łatwy do przetwarzania
• Wszystko zaczyna do siebie pasować

6. Tworzenie aplikacji internetowych. Pisanie aplikacji internetowych

• Instalujemy Flaska z PyPI
• Przygotuj katalog aplikacji
• Podczas pracy z kodem mamy różne możliwości
• Anatomia minimalnej aplikacji Flaska
• Budujemy aplikację internetową kawałek po kawałku
• O co chodzi z tym NameError?
• Flask udostępnia wbudowaną obsługę sesji
• Do obsługi sesji Flask używa słownika
• Wprowadzenie w kodzie "lepszej poprawki"
• Tworzenie szablonów Jinja2 oszczędza czas
• Rozszerz szablon base.html, by utworzyć więcej stron
• Dynamiczne tworzenie listy rozwijanej
• Musimy w jakiś sposób przetworzyć dane formularza
• Dane z formularza są dostępne jako słownik
• Funkcje obsługują domyślne wartości parametrów
• Domyślne wartości parametrów są opcjonalne
• Końcowa wersja kodu, strona 1. z 2
• Końcowa wersja kodu, strona 2. z 2
• Jak na pierwszą aplikację internetową wygląda to dobrze
• System dla trenera jest gotowy do użycia

7. Wdrażanie. Uruchamiaj swój kod gdziekolwiek

• Wciąż coś wydaje się nie w porządku
• Jinja2 wykonuje kod zapisany pomiędzy {{ i }}.
• Dziesięć kroków wdrażania aplikacji w chmurze
• Konto dla początkujących to wszystko, czego Ci trzeba
• Nic Cię nie powstrzyma przed natychmiastowym rozpoczęciem.
• W razie wątpliwości pozostań przy ustawieniach domyślnych
• Wygenerowana aplikacja nie robi wiele
• Wdrażanie aplikacji w serwisie PythonAnywhere
• Rozpakuj swój kod z poziomu konsoli
• Skonfiguruj kartę Web, aby wskazywała na Twój kod
• Zmodyfikuj plik WSGI swojej aplikacji
• Twoja aplikacja działająca w chmurze jest gotowa!

8. Praca z HTML-em. Webscraping

• Trener potrzebuje więcej danych
• Przed pozyskaniem danych ze stron WWW musisz je poznać
• Potrzebujemy planu działania
• Przewodnik po scrapowaniu stron WWW krok po kroku
• Czas na poznanie technologii parsowania HTML-a
• Pobieramy nieprzetworzoną stronę HTML z Wikipedii
• Poznaj dane, które chcesz scrapować
• Wycinek można skopiować z dowolnej sekwencji
• Anatomia wycinków, 1. z 3
• Anatomia wycinków, 2. z 3
• Anatomia wycinków, 3. z 3
• Najwyższy czas na nieco poważniejsze parsowanie HTML-a
• Przeszukiwanie zupy w celu znalezienia interesujących nas znaczników
• Zwróconą zupę także można przeszukiwać
• Która tabela zawiera potrzebne dane?
• Cztery duże tabele i cztery zestawy rekordów świata
• Czas zająć się pobraniem faktycznych danych
• Pobieramy dane ze wszystkich tabel, 1. z 2
• Pobieramy dane ze wszystkich tabel, 2. z 2
• Ta zagnieżdżona pętla jest podchwytliwa

9. Praca z danymi. Manipulowanie danymi

• Naginanie danych do naszej woli.
• Teraz już dysponujesz potrzebnymi danymi.
• Skorzystaj z tego, co już potrafisz.
• Czy tu aby nie jest za dużo danych?
• Odrzucenie danych sztafet
• Teraz jesteś już gotów, by zaktualizować stronę z wykresami słupkowymi
• Python posiada wbudowaną bibliotekę do obsługi JSON-a
• JSON jest formatem tekstowym, ale niezbyt ładnym
• Dochodzimy do integracji z aplikacją internetową
• Wszystko, co trzeba: skopiuj i wklej.
• Dodawanie rekordów świata do wykresu słupkowego
• Czy najnowsza wersja aplikacji internetowej jest gotowa?
• Serwis PythonAnywhere zadba o to.
• Musisz skopiować także swój kod pomocniczy
• Prześlij aplikację do serwisu PythonAnywhere
• Poinstruuj serwis, by zaczął wykonywać Twój najnowszy kod
• Przetestuj skrypt przed wdrożeniem go w chmurze
• Niech zadanie będzie wykonywane codziennie o 1:00 w nocy

9,5. Praca z ramkami danych. Dane tabelaryczne

• Słoń w pomieszczeniu. a może to panda?
• Słownik słowników w pandas?
• Zaczynamy zgodnie z przyjętymi konwencjami
• Lista ramek danych
• Wybór kolumn z ramki danych
• Ramka danych na słownik, podejście 1.
• Usuwanie niepożądanych danych z ramki danych
• Negowanie wyrażeń warunkowych w pandas
• Ramka danych na słownik, podejście 2.
• Ramka danych na słownik, podejście 3.
• To jest kolejny słownik słowników
• Polonizacja słownika rekordów
• Gdzie są nasze dane?
• Porównanie gazpacho i pandas
• To był jedynie błyskawiczny rzut oka.

10. Bazy danych. Organizujemy się

• Odezwał się do nas trener.
• Planowanie popłaca.
• Zadanie nr 1: określenie struktury bazy danych
• Struktura z chusteczek + dane
• Instalowanie modułu DBcm z PyPI
• Początki z DBcm i ze SQLite
• DBcm świetnie współdziała z instrukcją "with"
• Kod SQL zapisuj pomiędzy sekwencjami trzech cudzysłowów
• Nie wszystkie polecenia SQL zwracają wyniki
• Twoje tabele są gotowe (a zadanie nr 1 jest wykonane)
• Określanie listy plików z wynikami pływaków
• Zadanie nr 2: dodawanie danych do tabeli
• Zachowaj bezpieczeństwo, używając w SQL-u symboli zastępczych Pythona
• Powtórzmy ten proces dla tabeli konkurencji
• Pozostaje już jedynie tabela czasów.
• Czasy są zapisane w plikach pływaków.
• Narzędzie do aktualizacji bazy danych, 1. z 2
• Narzędzie do aktualizacji bazy danych, 2. z 2
• Za danie nr 2 (w końcu) zostało wykonane

11. Listy składane. Integracja z bazą danych

• Wypróbujmy zapytania w nowym notatniku
• Pięć wierszy kodu pętli staje się jednym
• Podwójne mambo bez podkreśleń
• Jedno zapytanie z głowy, pozostają trzy.
• Dwa zapytania z głowy, pozostają jeszcze dwa.
• Ostatnie (zapytanie), choć nie najmniej ważne...
• Kod narzędzi danych, część 1. z 2
• Kod narzędzi danych, część 2. z 2
• Już niemal nadszedł czas na integrację bazy danych
• Aktualizacja istniejącego kodu aplikacji internetowej
• Zatem. o co chodzi z tym szablonem?
• Zajmijmy się wyświetleniem konkurencji
• Pozostaje nam już jedynie wyświetlenie wykresu
• Przeglądamy ostatni kod modułu klubplywacki.py
• Poznaj szablon Jinja2 do generowania kodu SVG
• Moduł narzedzia_konwersji
• list zip. że co?!?
• Integracja bazy danych z aplikacją została zakończona!

12. Kolejne wdrożenie. Ostatnie szlify.

• Migracja do MariaDB
• Przenoszenie danych trenera do MariaDB
• Ponowne wykorzystanie tabel, 1. z 2
• Wprowadź trzy zmiany w pliku schema.sql
• Ponowne wykorzystanie tabel, 2. z 2
• Sprawdź, czy tabele zostały zdefiniowane poprawnie
• Skopiowanie istniejących danych do bazy MariaDB
• Zadbaj o zgodność zapytań z MariaDB
• Zmienić trzeba także kod narzędzi bazy danych
• Utwórz bazę danych w serwisie PythonAnywhere
• Popraw słownik z informacjami do nawiązania połączenia z bazą
• Kopiowanie wszystkiego do chmury
• Zaktualizuj swoją aplikację, wgrywając najnowszy kod
• Jeszcze tylko kilka kroków.
• Wypełnij swoją bazę danych w chmurze danymi
• Nadszedł czas na "Jazdę próbną" aplikacji w chmurze
• Czy jest jakiś problem z PythonAnywhere?
• Trener jest naprawdę szczęśliwy!

Dodatek. Pozostałości. Dziesięć najważniejszych zagadnień, o których nie napisaliśmy

• 1. Klasy
• 2. Wyjątki
• 3. Testowanie
• 4. Wyrażenie przypisania
• 5. Gdzie jest switch? Jaki switch?
• 6. Zaawansowane możliwości języka
• 7. Współbieżność
• 8. Podpowiedzi typów
• 9. Środowiska wirtualne
• 10. Narzędzia

Skorowidz

• Title: Python. Rusz głową! Wydanie III
• Author: Paul Barry
• Original title: Head First Python: A Learner's Guide to the Fundamentals of Python Programming, A Brain-Friendly Guide, 3rd Edition
• Translation: Piotr Rajca
• ISBN: 978-83-289-0701-0, 9788328907010
• Date of issue: 2024-11-05
• Format: Ebook
• Item ID: pytrg3
• Publisher: Helion