Python — это универсальный язык программирования со множеством вариантов использования в самых разных областях. Если вы усвоили основы этого языка и теперь жаждете что-нибудь сделать при помощи Python, мы предложим вам несколько направлений и вариантов.
Содержание
- Python в реальном мире
- Разработка крутого программного обеспечения на Python
- Погружение в Data Science и машинное обучение
- Автоматизация и оптимизация рабочих процессов
- Разработка встроенных систем и роботов
- Что, вероятно, не следует делать при помощи Python
- Что еще я могу делать на Python
- Заключение
В этой статье мы расскажем, как можно использовать Python в следующих областях:
- общая разработка программного обеспечения
- наука о данных и математика
- ускорение и автоматизация вашего рабочего процесса
- создание встроенных систем и роботов
Также мы предложим вам идеи для практических проектов, ресурсы и учебные пособия, которые помогут вам сразу же приступить к созданию программ при помощи Python.
Python в реальном мире
Python — это высокоуровневый язык программирования общего назначения. Как следует из этого определения, вы можете использовать его для разных целей, от веб-разработки до науки о данных, машинного обучения и робототехники. Варианты использования Python в реальном мире безграничны.
Вам, наверное, интересно, что уже было успешно создано с помощью Python. Если вы взглянете на компании, использующие этот язык, вы найдете среди них игроков мирового класса: Google, YouTube, Facebook, Instagram, Spotify, Netflix и др.
Google с самого начала использовал Python, и он стал одним из основных серверных языков этого технологического гиганта. Гвидо ван Россум, создатель Python, работал там несколько лет, руководя его разработкой.
В Instagram любят Python за его простоту. Этот сервис известен тем, что совершил «крупнейшее в мире развертывание веб-фреймворка Django, полностью написанного на Python».
Spotify использует этот язык для анализа данных и своих внутренних сервисов. По словам его команды, простота использования Python приводит к молниеносной конвейерной разработке. Spotify анализирует большие объемы данных, чтобы давать рекомендации своим пользователям, поэтому ему нужен производительный инструмент, который хорошо работает. Питон вам в помощь!
Кроме того, Python имеет жизненно важное значение для науки и освоения космоса, со множеством интересных вариантов его использования в робототехнике и управлении оборудованием.
Из этой статьи вы узнаете, как вы можете использовать свои навыки Python в самых разных областях.
Разработка крутого программного обеспечения при помощи Python
Экосистема Python предоставляет богатый набор фреймворков, инструментов и библиотек, которые позволяют вам писать практически любые приложения. Вы можете использовать Python для создания приложений для Интернета, а также для настольных и мобильных платформ. Вы даже можете использовать Python для создания видеоигр.
Веб-разработка
Разработка веб-приложений при помощи Python — один из самых востребованных навыков, открывающий перед вами множество возможностей. В этой области вы найдете несколько полезных фреймворков, библиотек и инструментов Python для разработки крутых веб-приложений, API и многого другого. Вот некоторые из самых популярных веб-фреймворков Python:
| Фреймворк | Его описание |
|---|---|
| Django | Высокоуровневый фреймворк, который способствует быстрой разработке веб-приложений с чистым и прагматичным дизайном. Это позволяет вам сосредоточиться на написании ваших приложений, не изобретая велосипед. |
| FastAPI | Быстрая и производительная веб-инфраструктура для создания веб-API. FastAPI построен на основе современных функций подсказок типов и обеспечивает асинхронное программирование. |
| Flask | Легкая платформа для создания веб-приложений стандарта WSGI. Flask позволяет быстро приступить к работе и при необходимости масштабировать ваши программы до сложных приложений. |
| Tornado | Веб-фреймворк и асинхронная сетевая библиотека. Tornado использует неблокирующий сетевой ввод-вывод, поэтому с его помощью можно писать приложения, которые могут масштабироваться до десятков тысяч открытых подключений. |
Для начала можно ознакомиться со следующими материалами:
Если вам нужны идеи конкретного проекта для немедленного применения ваших навыков веб-разработки, то вы их можете почерпнуть отсюда. В наши дни, с таким количеством рабочих мест и возможностей для карьерного роста, иметь личное портфолио — отличная идея, так что дерзайте и пробуйте. Вам не нужно ничего знать о Django, чтобы начать работу с этим пошаговым руководством. Это идеальный способ немедленно погрузиться в веб-разработку на Python.
CLI-разработка
Еще одна область, в которой Python блистает, — это разработка приложений с интерфейсом командной строки (CLI). CLI-приложения есть повсюду. Это большие и маленькие инструменты для применения в командной строке, которые позволяют автоматизировать повторяющиеся и скучные задачи в вашей повседневной работе.
В Python есть впечатляющий набор библиотек и фреймворков CLI, которые могут сделать вашу жизнь более приятной и помочь вам быстро создавать инструменты командной строки:
| Библиотеки | Их описание |
|---|---|
argparse | Стандартный библиотечный модуль, позволяющий создавать удобные интерфейсы командной строки. Вы можете определить аргументы, которые хотите принимать в командной строке, и тщательно их проанализировать. argparse автоматически генерирует справку и сообщения об использовании и выдает ошибки, когда ваши пользователи производят неверный ввод. |
| Click | Пакет Python для создания красивых интерфейсов командной строки с минимальным количеством кода. Он легко настраивается и поставляется с разумными настройками по умолчанию. Его цель заключаются в том, чтобы сделать процесс написания CLI-инструментов быстрым и занимательным. |
| Typer | Библиотека для создания CLI-приложений, которые понравятся пользователям и разработчикам. Она предоставляет автоматические справочные сообщения и автоматическое завершение для всех оболочек. Это сводит к минимуму дублирование кода и облегчает отладку. |
Чтобы начать CLI-разработку, ознакомьтесь со следующими материалами:
- How to Build Command Line Interfaces in Python With argparse
- Comparing Python Command-Line Parsing Libraries – Argparse, Docopt, and Click
Если вы хотите перейти к разработке конкретного проекта CLI-приложения, то можно начать с создания генератора дерева каталогов для своей командной строки. Это пошаговое руководство поможет вам написать инструмент командной строки для создания диаграмм ASCII, отображающих содержимое каталога или папки в вашей файловой системе.
Создание приложений с удобным и интуитивно понятным интерфейсом командной строки — ценный навык для любого разработчика Python.
Разработка GUI-приложений
Создание приложений с традиционным графическим интерфейсом пользователя (GUI) для среды рабочего стола также удобно делать при помощи языка Python. Если вы заинтересованы в создании такого рода приложений, Python предлагает широкий выбор библиотек с графическим интерфейсом, фреймворков и различных инструментов:
| Библиотека | Ее описание |
|---|---|
| Kivy | Библиотека для быстрой разработки приложений с инновационными пользовательскими интерфейсами, например мультитач-приложений. Она работает на Linux, Windows, macOS, Android, iOS и Raspberry Pi. |
| PyQt | Набор расширений графического фреймворка Qt для языка программирования Python, выполненный в виде расширения Python. Данный фреймворк также предоставляет классы для работы в сети, потоков, баз данных SQL и многого другого. Он поддерживает платформы Windows, Linux и macOS. |
| PySimpleGUI | Библиотека, целью которой является упрощение графических интерфейсов tkinter, Qt, wxPython и Remi. Она использует основные типы данных Python для определения окон и упрощения обработки событий. |
Qt for Python (PySide6) | Qt для Python — это проект, предоставляющий официальный набор расширений Python (PySide6) для платформы Qt. |
| tkinter | Стандартный интерфейс Python для набора инструментов Tk GUI. Он позволяет создавать приложения с графическим интерфейсом без использования сторонних зависимостей. Этот фреймворк доступен на большинстве платформ Unix, а также в системах Windows. |
| wxPython | Расширение Python для библиотеки C++ wxWidgets. Данный фреймворк позволяет создавать приложения для Windows, macOS и Linux с единой кодовой базой. Он придает приложениям естественный внешний вид, поскольку использует собственный API. |
Быстрый способ начать создавать приложения с графическим интерфейсом — это использовать tkinter. Этот модуль входит в стандартную библиотеку Python. Попрактикуйтесь в использовании tkinter и наблюдайте, как ваше видение материализуется на экране. Набив руку, можно приступить к работе и с другими инструментами Python GUI.
Чтобы начать программировать графические интерфейсы, также можно ознакомиться со следующими материалами:
- Python GUI Programming Tutorials
- Python GUI Programming Learning Path
- GUI Programming With PyQt Learning Path
Создание бэкенд-приложений является важной частью разработки. Тем не менее, вам также нужен и фронтенд. Создание приложений, с которыми пользователи могут эффективно взаимодействовать, имеет первостепенное значение.
Если вы хотите начать создавать реальные приложения с графическим интерфейсом, то можно, например, создать калькулятор с помощью PyQt. Завершение этого проекта поможет вам понять основы полнофункциональной среды данного графического интерфейса, и вы сможете сразу же приступить к созданию других приложений для своего рабочего стола.
Также можно найти и другие практические проекты, которые помогут вам в путешествии по GUI-программированию. Обратите внимание на следующие ресурсы:
- Build a Bulk File Rename Tool With Python and PyQt
- Build a Contact Book With Python, PyQt, and SQLite
Эти туториалы проведут вас через процесс создания приложений с графическим интерфейсом при помощи PyQt и Python. Работа над этими проектами поможет вам применить широкий спектр навыков для создания полнофункциональных реальных приложений.
Разработка игр
Создание компьютерных игр — это отличный способ научиться программировать не только на Python, но и на любом другом языке. Для разработки игр вам понадобятся переменные, циклы, условные операторы, функции, объектно-ориентированное программирование и многое другое. Геймдев — отличный вариант для интеграции сразу многих навыков.
Компьютерные игры сыграли важную роль в программировании. Многие люди занимаются программированием, так как любят играть и хотят воспроизвести свои любимые игры или создавать новые. Геймдев может стать веселым и полезным приключением, в котором вы сможете получить незабываемые впечатления от игры, которую только что создали.
В экосистеме Python вы найдете несколько библиотек и фреймворков для быстрого создания игр. Вот некоторые из них:
| Библиотеки | Их описание |
|---|---|
| Arcade | Библиотека Python для создания 2D-видеоигр. Она идеально подходит для людей, которые только учатся программировать: им не придется изучать сложную игровую среду, чтобы начать создавать свои собственные игры. |
| PyGame | Набор модулей Python, предназначенных для написания видеоигр. Данный фреймворк добавляет функциональность поверх библиотеки SDL и позволяет создавать полнофункциональные игры и мультимедийные программы. Он обладает высокой переносимостью и работает на нескольких платформах и операционных системах. |
| pyglet | Мощная библиотека Python для создания игр и других визуально насыщенных приложений для Windows, macOS и Linux. Она поддерживает работу с окнами, обработку событий пользовательского интерфейса, графику OpenGL, загрузку изображений и воспроизведение видео и музыки. |
Для начала изучения программирования игр ознакомьтесь со следующими материалами:
На Python можно создать и буквально в течение нескольких часов развернуть аркадные игры, приключенческие игры и головоломки. Вы также можете делать классические игры, такие как «Виселица», «Крестики-нолики», «Камень-ножницы-бумага» и другие, используя уже приобретенные навыки программирования.
Если вы хотите погрузиться в создание своей первой игры, начать можно с создания игры Asteroids при помощи Python и PyGame. А если вы хотите сделать еще один шаг вперед и создать свою первую игру-платформер, то ознакомьтесь со статьей “Создание платформенной игры-аркады на Python”.
Погружение в Data Science и машинное обучение
Data Science включает в себя очистку, подготовку и анализ данных для извлечения из них знаний. Data Science сочетает в себе статистику, математику, программирование и навыки решения задач для извлечения полезной информации из данных.
Python играет фундаментальную роль в области науки о данных и математики. Он стал популярен среди ученых из-за его удобочитаемости, производительности, гибкости и переносимости. Научная экосистема Python значительно выросла. Вы найдете солидные решения практически для всех основных областей математики и естественных наук.
Python предоставляет инструменты для машинного обучения (ML), искусственного интеллекта (AI), научных вычислений, анализа и визуализации данных. Он также имеет эффективные инструменты для сбора, анализа и обработки данных.
Машинное обучение
Машинное обучение может стать первым шагом для тех, кто интересуется искусственным интеллектом. В процессе работы над ML-проектами вы изучите алгоритмы, которые строят модели на базе выборок обучающих данных, а затем делают на их основе прогнозы и принимают решения.
Машинное обучение может показаться пугающей областью для изучения, так как сейчас это направление стремительно развивается. Вот краткий перечень нескольких популярных инструментов для машинного обучения на Python:
| Библиотеки | Их описание |
|---|---|
| Keras | Промышленный фреймворк глубокого обучения с удобным API. Он позволяет проводить эксперименты и быстро пробовать новые идеи. Также данный фреймворк следует передовым методам снижения когнитивной нагрузки. |
| NLTK | Фреймворк для работы с данными человеческого языка. Он предоставляет библиотеки для классификации, токенизации, выделения корней, тегов, синтаксического анализа и семантических рассуждений. |
| PyTorch | Фреймворк машинного обучения с открытым исходным кодом, который серьезно ускоряет путь от исследовательского прототипа до промышленного развертывания. |
| scikit-learn | Библиотека машинного обучения с открытым исходным кодом, которая поддерживает обучение с с учителем и без него. Это эффективный инструмент для предиктивного анализа данных, доступный каждому и многократно используемый в различных контекстах. |
| TensorFlow | Фреймворк полного цикла с открытым исходным кодом для машинного обучения. Он имеет комплексную и гибкую экосистему инструментов, библиотек и ресурсов сообщества, которые помогут вам создавать и развертывать приложения на базе машинного обучения. |
Для начала изучения машинного обучения можно ознакомиться со следующими материалами:
Научные вычисления
Еще одна область, в которой Python играет значительную роль, это научные вычисления. Ученые используют передовые вычислительные возможности, доступные благодаря суперкомпьютерам, кластерам компьютеров и даже настольным и портативным компьютерам, для понимания и решения сложных задач.
Вот некоторые из библиотек и инструментов, которые вы можете использовать для научных вычислений в Python:
| Библиотеки | Их описание |
|---|---|
| NumPy | Фундаментальная библиотека для научных вычислений при помощи Python. Она предлагает комплексные математические функции, генераторы случайных чисел, процедуры линейной алгебры, преобразования Фурье и многое другое. NumPy предоставляет высокоуровневый синтаксис, который делает ее доступной и продуктивной. |
| SciPy | Библиотека с открытым исходным кодом для математики, науки и техники в разработке на Python. |
| SimPy | Платформа моделирования дискретных событий на основе процессов, основанная на Python. Она может помочь вам смоделировать реальные системы, такие как аэропорты, службы поддержки клиентов, автомагистрали и многое другое. |
Для начала можно ознакомиться со следующими материалами:
- Math for Data Science Learning Path
- NumPy, SciPy, and Pandas: Correlation With Python
- SimPy: Simulating Real-World Processes With Python
Библиотеки и инструменты в этом разделе – фундаментальные элементы языка Python в области Data Science. Некоторые из них являются основными компонентами библиотек более высокого уровня для машинного обучения, анализа данных и многого другого.
Анализ данных и их визуализация
Анализ данных — это процесс сбора, проверки, очистки, преобразования и моделирования данных для получения полезной информации, прогнозов, выводов, поддержки процессов принятия решений и многого другого. Он тесно связан с визуализацией данных, которая, в свою очередь, отвечает за их графическое представление.
В Python можно найти солидные и хорошо зарекомендовавшие себя библиотеки для анализа и визуализации данных. Вот некоторые из них:
| Библиотеки | Их описание |
|---|---|
| Bokeh | Интерактивная библиотека визуализации данных для браузеров. Она предоставляет инструменты для создания элегантной и универсальной графики. Они помогут вам быстро создавать интерактивные графики, информационные панели и приложения для работы с данными. |
| Dash | Фреймворк Python для быстрого создания приложений веб-аналитики. Он идеально подходит для создания приложений визуализации данных с пользовательскими интерфейсами, отображаемыми в браузере. |
| Matplotlib | Библиотека для создания статических, анимированных и интерактивных визуализаций данных в Python. |
| pandas | Мощный и гибкий инструмент с открытым исходным кодом для анализа и обработки данных. Этот фреймворк предоставляет быстрые, гибкие и выразительные структуры данных для работы с реляционными или размеченными данными. |
| Seaborn | Библиотека визуализации данных Python, основанная на Matplotlib. Она предоставляет высокоуровневый интерфейс для рисования привлекательных и информативных статистических графиков, которые позволяют вам исследовать и понимать ваши данные. Ее можно очень хорошо интегрировать со структурами данных pandas. |
Чтобы начать работу с анализом и визуализацией данных, ознакомьтесь со следующими материалами:
- Data Collection & Storage Learning Path
- Data Visualization With Python Learning Path
- Data Science With Python Core Skills Learning Path
- Pandas for Data Science Learning Path Learning Path
- Develop Data Visualization Interfaces in Python With Dash
Если вы хотите улучшить свои навыки анализа данных, создав практический проект, то можете сделать журнал оценок при помощи Python и pandas. Этот подробно разобранный проект проведет вас через процесс создания скрипта Python, который загружает данные об оценках и вычисляет буквенные оценки для группы учащихся. Проект включает в себя загрузку из файла данных в виде значений, разделенных запятыми (CSV), изучение данных, а также расчет и построение оценок с использованием библиотеки pandas.
Веб-скрапинг
Одним из наиболее важных источников информации для изучения данных является интернет. Процесс сбора и анализа необработанных данных из интернета с помощью автоматизированного инструмента (краулера или, другими словами, поискового робота) известен как веб-скрапинг.
В Python есть отличный набор инструментов и библиотек для извлечения данных из интернета. Вот некоторые из них:
| Библиотеки | Их описание |
|---|---|
| Beautiful Soup | Библиотека Python для извлечения данных из файлов HTML и XML в деревья синтаксического анализа. Библиотека предоставляет методы Python для навигации, поиска, изменения и извлечения информации из деревьев синтаксического анализа. |
requests | Элегантная и мощная HTTP-библиотека на языке Python. Она предоставляет интуитивно понятный и лаконичный API для работы с HTTP-запросами. |
| Scrapy | Быстрый высокоуровневый фреймворк для сканирования и парсинга веб-страниц. Он позволяет сканировать сайты и извлекать оттуда структурированные данные. |
urllib.request | Модуль стандартной библиотеки, определяющий функции и классы, которые помогают открывать URL-адреса. Он также позволяет работать с базовой и дайджест-аутентификацией, перенаправлениями, файлами cookie и многим другим. |
Чтобы начать извлечение данных из интернета, ознакомьтесь со следующими материалами:
Освоив основы парсинга веб-страниц, вы сможете погрузиться в практический проект и сделать свой собственный парсер веб-страниц при помощи Python и Beautiful Soup. После завершения этого проекта вы сможете применить тот же процесс и инструменты к любым другим статическим сайтам. Эти навыки позволяют извлекать нужную информацию и использовать ее в своих приложениях. Попробуйте – не пожалеете!
Замечание: Прежде чем использовать свои навыки Python для парсинга веб-страниц, вы должны проверить политику использования целевого сайта, чтобы убедиться, что его парсинг с помощью автоматизированных инструментов не является нарушением условий его использования.
Второй проект, который вы можете создать прямо сейчас, — это сервис уведомлений о ценах на биткойны. С момента достижения максимальной цены чуть более 40 000 долларов в январе 2021 года эта криптовалюта так или иначе присутствует в умах миллионов людей. Цена биткоина продолжает колебаться, но многие все равно сочли бы его выгодным вложением.
Если вы хотите заработать на виртуальной золотой лихорадке, то вам просто нужно знать, когда делать свой ход. Вы должны все время быть в курсе цен на биткоины. Основой этого проекта является создание апплетов IFTTT (If This Then That). Вы узнаете, как использовать HTTP-запросы и веб-перехватчик для подключения вашего приложения к внешним службам.
Этот сервис уведомлений о ценах на биткоины — идеальный стартовый проект для начинающего питониста, интересующегося криптой. Впоследствии вы можете расширить созданный вами сервис, чтобы отслеживать и другие валюты.
Благодаря интернету, и все чаще интернету вещей, теперь у вас есть доступ к огромному количеству данных, которых не было много лет назад.
Аналитика — очень существенная часть любой области, где ведется работа с данными. О чем говорят разные люди? Какие закономерности вы видите в их поведении? Twitter — отличное место, где можно получить ответы на некоторые из такого рода вопросов. Если вы интересуетесь анализом данных, то можете сделать при помощи Python проект по анализу настроений в Твиттере. Это отличный способ использовать свои навыки Python для поиска ответов на вопросы об окружающем нас мире.
Работая над этим проектом, вы научитесь собирать данные из Твиттера и анализировать настроения пользователей с помощью среды Docker. Вы узнаете, как зарегистрировать приложение в Twitter, что вам нужно сделать, чтобы получить доступ к их потоковому API. Также вы увидите, как использовать модуль Tweepy для фильтрации твитов, которые вы хотите извлечь, TextBlob для расчета тональности этих твитов, Elasticsearch для анализа их содержимого и Kibana для визуализации результатов.
Автоматизация и оптимизация рабочих процессов при помощи Python
Компьютеры очень хорошо справляются с повторяющимися и скучными задачами. Они могут делать одно и то же в течение длительного времени, не совершая ошибок. Эти их свойство может помочь вам сделать вашу повседневную работу более приятной и продуктивной.
При помощи Python вы можете много чего сделать по части автоматизации своего рабочего процесса. Например, автоматизировать и управлять своими операциями DevOps, создавать эффективную среду разработки Python, управлять процессом упаковки и развертывания в своем цикле разработки, тестировать свое программное обеспечение, управлять системами баз данных и многое другое.
Devops
DevOps позволяет вам управлять всем жизненным циклом ваших приложений, включая разработку, тестирование, упаковку и развертывание, а также другие связанные операции.
Python — один из основных языков, используемых в DevOps. Его гибкость и доступность делают Python отличным выбором для этой работы, позволяя командам разработчиков улучшить свой рабочий процесс и сделать его более эффективным и продуктивным.
Некоторые популярные инструменты DevOps написаны на Python. Его же можно использовать и для управления большинством этих инструментов. Вот некоторые из них:
| Библиотеки | Их описание |
|---|---|
| Ansible | Инструмент для управления конфигурацией и развертывания приложений. Он позволяет использовать инфраструктуру как код. |
| Docker Compose | Инструмент для определения и запуска многоконтейнерных приложений Docker. Вы можете настроить службы вашего приложения с помощью файла YAML. Затем с помощью одной команды вы можете создать и запустить все службы из вашего файла конфигурации. С Docker Compose можно работать над производством, постановкой, разработкой, тестированием и многим другим. |
Чтобы начать работу с DevOps, ознакомьтесь со следующими материалами:
Благодаря этим ресурсам вы приобретете различные навыки и научитесь использовать инструменты и технологии, которые должен знать любой работающий с Python инженер DevOps.
Среды разработки
Создание продуктивной и эффективной среды для вас и ваших товарищей по команде является фундаментальной частью разработки программного обеспечения. Для этого в Python есть отличный набор инструментов, которые позволяют изолировать ваши пакеты, библиотеки и версию Python в виртуальных средах для каждого проекта.
Вот наиболее популярные из них:
| Инструмент разработки | Его описание |
|---|---|
conda | Пакет с открытым исходным кодом и система управления средой. Он позволяет быстро устанавливать, запускать и обновлять пакеты и их зависимости. Conda поможет вам найти и установить пакеты. |
pip | Инструмент управления пакетами для Python. Он позволяет устанавливать пакеты из PyPI и других репозиториев. |
| Pipenv | Инструмент, цель которого — привнести лучшее из мира виртуальных сред в мир Python. Pipenv позволяет вам создавать и управлять виртуальными средами для ваших проектов. Он предоставляет возможность совместного использования pip и virtualenv через единый интерфейс. |
| pipx | Инструмент, помогающий устанавливать и запускать Python-приложения для конечных пользователей в изолированных средах. Он создает изолированную среду для каждого приложения и связанных с ним пакетов. Это делает приложения доступными в вашей командной строке или оболочке. |
| pyenv | Инструмент для установки и управления несколькими версиями Python. Он позволяет быстро переключаться между ними и определять версии Python для каждого проекта. |
Чтобы организовать эффективную среду разработки, ознакомьтесь со следующими материалами:
- Python Development Tools Tutorials
- Perfect Your Python Development Setup Learning Path
- An Effective Python Environment: Making Yourself at Home
Изучение того, как создать эффективную среду Python для ваших приключений в области разработки, поднимет вашу производительность на новый уровень, поэтому очень важно отточить этот навык неспешно.
Развертывание программного обеспечения
Другой важной частью цикла разработки программного обеспечения является его упаковка, распространение и развертывание для конечных пользователей или клиентов. В Python быстрый и популярный способ развертывания приложений и библиотек — публикация их в PyPI.
Вот некоторые из инструментов, которые вы можете использовать для этой цели:
| Инструмент | Его описание |
|---|---|
| Flit | Инструмент, позволяющий быстро разместить пакеты и модули Python в PyPI. Это поможет вам настроить информацию о вашем пакете, чтобы вы могли опубликовать его в PyPI с минимальными усилиями. |
| Poetry | Инструмент для создания, сборки, установки и упаковки проектов Python. Он также позволяет публиковать ваши проекты в PyPI. Он отслеживает и разрешает зависимости вашего проекта. Он использует ваши текущие виртуальные среды или создает новые, чтобы изолировать ваши пакеты от общесистемной установки Python. |
| PyInstaller | Инструмент, который превращает приложения Python в автономные исполняемые файлы, работающие в Windows, GNU/Linux, macOS и других системах. |
| setuptools | Набор усовершенствований для утилит установки Python. Он позволяет создавать и распространять дистрибутивы Python, особенно те, которые зависят от других пакетов. |
| Twine | Утилита для публикации пакетов Python на PyPI. Она позволяет загружать исходные и бинарные дистрибутивы ваших проектов. |
Для начала ознакомьтесь со следующими материалами:
- How to Publish an Open Source Python Package to PyPI
- Using PyInstaller to Easily Distribute Python Applications
С помощью этих ресурсов вы можете приступить к упаковке и развертыванию приложений, библиотек и пакетов Python для конечных пользователей, клиентов или учебных заведений. Кроме того, Python Packaging Authority предоставляет много полезной информации и руководств, которые помогут вам распространять пакеты Python при помощи современных инструментов.
Системы баз данных
Большинство приложений, которые вы создадите в своей карьере разработчика, будут тем или иным образом взаимодействовать с данными. Это взаимодействие обычно происходит через систему управления базами данных. СУБД позволяет вам определять, создавать, поддерживать и контролировать доступ к вашей базе данных или к нескольким базам данных.
Для подключения и управления базами данных при помощи Python у вас есть несколько вариантов, которые включают в себя как стандартные пакеты библиотек, так и сторонние. Также в Python есть способы использования для баз данных SQL и NoSQL.
Вот ряд библиотек Python, которые вы можете использовать для подключения к базам данных и работы с ними:
| Библиотеки | Базы данных | Их описание |
|---|---|---|
| MongoEngine | MongoDB | MongoEngine — это средство сопоставления документов и объектов для работы с базой данных MongoDB при помощи объектно-ориентированного программирования на Python. |
| MySQL Connector/Python | MySQL | MySQL Connector — это автономный драйвер Python для связи с серверами MySQL. |
| SQLAlchemy | SQL | SQLAlchemy — это набор инструментов Python для SQL и объектно-реляционный преобразователь для баз данных SQL. |
| Psycopg | PostgreSQL | Psycopg — это адаптер базы данных PostgreSQL для языка программирования Python. |
| PyMongo | MongoDB | PyMongo — это дистрибутив Python, содержащий инструменты для работы с базами данных MongoDB. Он предоставляет собственный драйвер Python для этого типа баз данных. |
sqlite3 | SQLite | sqlite3 — это легкая база данных, не требующая отдельного серверного процесса и позволяющая обращаться к базам данных, используя несколько нестандартный вариант SQL. Она находится в свободном доступе и входит в стандартную библиотеку Python. |
Чтобы начать работу с базами данных, ознакомьтесь со следующими материалами:
Создание баз данных и работа с ними — это мощный способ управления данными в приложениях на Python. Базы данных добавляют значительную функциональность и универсальность вашим программам и позволяют предоставлять интересные функции пользователям и клиентам. Управление базами данных — это фундаментальный навык разработчика.
Тестирование программного обеспечения
Когда вы начинаете программировать на Python или на любом другом языке программирования, то вы, вероятно, создаете небольшие программы и сценарии, которые можно запускать и тестировать вручную, убеждаясь, что они работают так, как вы ожидаете. Однако когда ваши программы разрастаются и усложняются, их тестирование вручную практически невозможно. Именно тогда на сцену выходит автоматизированное тестирование.
К сожалению, разработчики допускают ошибки, и идеального кода не существует. Поэтому вам понадобится процесс тестирования, который поможет выявить ошибки и избежать их появления в реально работающей программе. Тестирование также может повлиять на дизайн вашего кода и помочь вам проверить такие вещи, как производительность, безопасность, удобство использования, соответствие нормативным требованиям и многое другое. Таким образом, тестирование является важным компонентом разработки программного обеспечения.
В языке Python есть одни из самых лучших инструментов для тестирования. Вы можете использовать их для написания согласованных тестов и их автоматического запуска. Вот некоторые из этих инструментов:
| Библиотеки | Их описание |
|---|---|
| doctest | Стандартный модуль, который ищет в строках документации фрагменты текста, похожие на интерактивные сеансы Python, и выполняет их, чтобы убедиться, что они работают правильно. |
| pytest | Надежная и солидная среда тестирования, которая позволяет писать и автоматизировать тесты. Она может масштабироваться от небольших модульных тестов до сложных функциональных тестов для ваших приложений и библиотек. |
| tox | Универсальный инструмент командной строки для управления и тестирования в отдельной виртуальной среде. Это позволяет проверить, правильно ли установлены пакеты в разных версиях и интерпретаторах Python. Он может запускать тесты в каждой из настроенных сред. |
unittest | Среда модульного тестирования, доступная в стандартной библиотеке Python. Поддерживает автоматизацию тестирования, настройку и удаление тестов, объединение тестов в коллекции и многое другое. |
Чтобы начать изучать тестирование, ознакомьтесь со следующими материалами:
Как разработчик, вы должны создавать надежный код, который работает правильно. Это означает, что вам нужно тестировать свой код каждый раз, когда вы меняете его или добавляете новые функции. В таких ситуациях лучше всего использовать автоматизированные тесты.
Разработка встроенных систем и роботов при помощи Python
Написание собственных приложений для интернета или рабочего стола — это конечно круто, но написание кода, управляющего работой аппаратных систем и роботов, может быть еще круче! Такие области, как интернет вещей, домашняя автоматизация, беспилотные автомобили и робототехника, становятся все более популярными благодаря достижениям науки и техники.
Python последовательно вошел в мир датчиков, электродвигателей, схем, микроконтроллеров и роботов. Сегодня можно найти несколько библиотек Python, которые движутся в этом направлении. Вот некоторые из них:
| Библиотеки | Их описание |
|---|---|
| BBC micro:bit | Карманный компьютер, который знакомит вас с тем, как программное и аппаратное обеспечение работают вместе. Он программируется с помощью Python. |
| CircuitPython | Язык программирования, разработанный для упрощения экспериментов и обучения программированию на недорогих платах микроконтроллеров. |
| MicroPython | Простая и эффективная реализация Python. MicroPython включает в себя небольшое подмножество стандартной библиотеки Python. Также он оптимизирован для работы на микроконтроллерах и в ограниченных средах. |
| PythonRobotics | Собрание различных алгоритмов робототехники с визуализацией. PythonRobotics ориентирован на автономную навигацию. Его цель — позволить вам понять основные идеи, лежащие в основе каждого роботизированного алгоритма, который он предоставляет. |
| Raspberry Pi | Компьютер общего назначения на базе Linux. Он имеет полноценную операционную систему с графическим интерфейсом, которая способна запускать множество различных программ одновременно. Python встроен в Raspberry Pi. |
| rospy | Клиентская библиотека для ROS (операционная система для роботов). Ее API позволяет программистам Python быстро взаимодействовать с ROS для создания сложных и надежных моделей поведения роботов. |
Чтобы начать работу со встроенными системами, ознакомьтесь со следующими материалами:
- MicroPython: An Intro to Programming Hardware in Python
- Episode 5: Exploring CircuitPython
- Embedded Python: Build a Game on the BBC micro:bit
Если вы хотите начать создавать проект, связанный с оборудованием, в которое встроен Python, посмотрите, как создавать физические проекты с помощью Python на Raspberry Pi. В этом проекте вы узнаете, как настроить Raspberry Pi, запустить на нем код Python, считывать данные с его датчиков, отправлять сигналы на его электронные компоненты и многое другое.
Что, вероятно, не следует делать при помощи Python
Python — очень универсальный язык, и с ним можно многое сделать. Однако, все-таки вы не можете делать на нем все. Есть вещи, для которых Python вообще не очень-то подходит.
Будучи интерпретируемым языком, Python имеет определённые трудности при взаимодействии с низкоуровневыми устройствами. Также у вас возникнут проблемы, если вы захотите написать операционную систему на Python. Для низкоуровневых приложений лучше использовать С или C++.
Однако даже это может вскоре измениться. Люди, которые работают над проектами, расширяющими возможности использования Python для низкоуровневых взаимодействий, могут многое рассказать о гибкости этого языка. MicroPython и CircuitPython — лишь пара таких проектов, раскрывающих низкоуровневые возможности для Python.
Что еще я могу сделать при помощи Python
Список идей в этом руководстве не является исчерпывающим. Существует множество других областей, над которыми вы можете работать с Python. Если вы ищете практические проекты, для которых хорошо подходит Python, ознакомьтесь с 13 идеями проектов для разработчиков Python среднего уровня, чтобы вдохновиться.
Вы также можете провести собственное исследование, чтобы найти проекты, которые вызывают у вас интерес. Если вы не знаете, с чего начать, подпишитесь на Real Python в Twitter. Там вы найдете крутые и интересные проекты Python от нашего сообщества.
Заключение
Базовое понимание того, что вы можете делать на Python, является ключом к постоянному повышению уровня ваших навыков питониста. Вы можете использовать Python в самых разных областях, от разработки приложений до робототехники!
В этой статье вы увидели, что Python можно использовать областях, как общая разработка ПО, Data Science и математика, автоматизация и оптимизация рабочих процессов, разработка встроенных систем и роботов.
Мы также подбросили вам идеи для нескольких практических проектов, которые можно создать, чтобы вывести свои навыки Python на новый уровень.
Перевод статьи Leonadis Pozo Ramos “What Can I Do With Python?”