Python Programmierkurs

Lektion 1 • Variablen und eingebaute Datentypen

Führt in Variablen, Typzuweisung und die primitiven Typen von Python ein. Das Verständnis von Typen ist die Voraussetzung für alle nachfolgenden Datenmanipulationen.

Lektion 2 • Operatoren und Ausdrücke

Erläutert arithmetische, Vergleichs-, logische und Zuweisungsoperatoren. Die Vertrautheit mit Operatoren ermöglicht das Schreiben aussagekräftiger Berechnungsausdrücke.

Lektion 3 • Ein- und Ausgabe sowie grundlegendes Debugging

Behandelt die Formatierung von Ausgaben, Benutzereingaben und das Lesen von Fehlermeldungen. Diese Fähigkeiten machen Skripte interaktiv und Fehler diagnostizierbar.

Lektion 4 • Kernsyntax und Codestruktur

Vermittelt Einrückungsregeln, Kommentare und die Anweisungsstruktur. Richtige Syntaxgewohnheiten verhindern Fehler während des gesamten Kurses.

Lektion 1 • For-Schleifen und Iteration

Behandelt die Iteration über Sequenzen und die Verwendung von range. For-Schleifen ermöglichen die wiederholte Verarbeitung von Sammlungen, die in späteren Kapiteln eingeführt werden.

Lektion 2 • While-Schleifen und Schleifensteuerung

Erläutert bedingungsgesteuerte Schleifen sowie break, continue und pass. Diese Werkzeuge behandeln unbestimmte Wiederholungen und Szenarien für vorzeitigen Abbruch.

Lektion 3 • Grundlagen der Ausnahmebehandlung

Behandelt try-, except-, else- und finally-Blöcke zur Fehlerbehandlung. Robuster Kontrollfluss erfordert den eleganten Umgang mit unerwarteten Laufzeitbedingungen.

Lektion 4 • Comprehensions und funktionale Iteration

Führt List Comprehensions und map/filter-Muster ein. Prägnante Iterationssyntax verbessert die Lesbarkeit und Leistung bei Datenaufgaben.

Lektion 1 • Auswahl und Verschachtelung von Datenstrukturen

Leitet die Auswahl zwischen Strukturen und den Aufbau verschachtelter Komposite an. Die richtige Strukturauswahl wirkt sich direkt auf die Codeklarheit und Laufzeiteffizienz aus.

Lektion 2 • Dictionaries: Schlüssel, Werte und Methoden

Behandelt die Erstellung von Dicts, Zugriffsmuster und Iterationsmethoden. Dictionaries sind das Rückgrat strukturierter Daten und der Konfigurationsverwaltung.

Lektion 3 • Tupel und unveränderliche Sequenzen

Erläutert die Erstellung, Entpackung und Vorteile der Unveränderlichkeit von Tupeln. Tupel erzwingen Datenintegrität, wenn Mutation zu Fehlern führen würde.

Lektion 4 • Sets und Membership-Operationen

Vermittelt die Erstellung von Sets, Deduplizierung und Mengenalgebra. Sets bieten O(1)-Membership-Tests, die für leistungskritischen Code entscheidend sind.

Lektion 1 • Definieren und Aufrufen von Funktionen

Vermittelt def-Syntax, Parameter und Rückgabewerte. Funktionen sind die primäre Einheit der Wiederverwendung für alle nachfolgenden Module.

Lektion 2 • Gültigkeitsbereich, Namensräume und Closures

Erläutert Regeln für lokale, umschließende, globale und eingebaute Gültigkeitsbereiche. Die Beherrschung des Gültigkeitsbereichs verhindert subtile Fehler in größeren Programmen.

Lektion 3 • Docstrings und Funktionsdokumentation

Vermittelt Konventionen für Docstrings und Introspektionswerkzeuge. Gut dokumentierte Funktionen sind für die Teamzusammenarbeit und das API-Design unerlässlich.

Lektion 4 • Lambda-Funktionen und Funktionen höherer Ordnung

Führt anonyme Funktionen und Funktionen als First-Class-Objekte ein. Diese Muster untermauern die funktionale Programmierung und Callback-basierte APIs.

Lektion 1 • Klassen, Objekte und Attribute

Führt Klassendefinition, Instanziierung und Instanzattribute ein. Klassen organisieren zusammengehörige Daten und Verhalten in wiederverwendbare Baupläne.

Lektion 2 • Dunder-Methoden und Überladen von Operatoren

Behandelt __str__, __repr__, __eq__, __len__ und arithmetische Dunder. Benutzerdefinierte Dunder-Methoden lassen Objekte sich natürlich mit der Python-Syntax verhalten.

Lektion 3 • Methoden: Instanz-, Klassen- und statische Methoden

Behandelt die drei Methodentypen und ihre angemessenen Anwendungsfälle. Die Wahl des richtigen Methodentyps verdeutlicht die Absicht und reduziert die Kopplung.

Lektion 4 • Kapselung und Properties

Erläutert private Namenskonventionen, Getter, Setter und @property. Die Kapselung schützt den internen Zustand und erzwingt einen gültigen Datenzugriff.

Lektion 1 • Logging mit dem logging-Modul

Erläutert Log-Level, Handler, Formatierer und die Logger-Hierarchie. Strukturiertes Logging ersetzt das Print-Debugging in produktionsreifen Anwendungen.

Lektion 2 • Pfadmanipulation und Verzeichnisoperationen

Behandelt pathlib für Pfadkonstruktion, Traversierung und Dateisystemabfragen. Portable Pfadbehandlung verhindert betriebssystemspezifische Fehler in plattformübergreifendem Code.

Lektion 3 • Erweiterte Muster der Ausnahmebehandlung

Behandelt benutzerdefinierte Ausnahmeklassen, Exception Chaining und Kontextunterdrückung. Strukturierte Fehlerbehandlung macht Bibliotheks-APIs vorhersagbar und debugbar.

Lektion 4 • Arbeiten mit Binär- und strukturierten Dateien

Vermittelt den Zugriff auf Binärdateien und strukturierte Formate wie Pickle. Binär-I/O ist für Bilder, serialisierte Objekte und benutzerdefinierte Protokolle erforderlich.

Lektion 1 • Verwalten von Abhängigkeiten mit pip

Erläutert pip install, Requirements-Dateien und das Pinning von Abhängigkeiten. Ordnungsgemäße Abhängigkeitsverwaltung gewährleistet reproduzierbare Projektumgebungen.

Lektion 2 • Arbeiten mit JSON- und CSV-Daten

Behandelt das Lesen und Schreiben von JSON und CSV mit Standardbibliothekswerkzeugen. Diese Formate sind beim Datenaustausch und in Konfigurationsdateien allgegenwärtig.

Lektion 3 • Erstellen und Importieren von Modulen

Vermittelt Modulerstellung, Import-Syntax und Namensraumverwaltung. Modularer Code ist einfacher zu testen, zu warten und projektübergreifend zu teilen.

Lektion 4 • Erstellen und Verteilen von Paketen

Behandelt die Paketverzeichnisstruktur, __init__.py und relative Importe. Pakete ermöglichen die saubere Organisation und Verteilung großer Codebasen.

Lektion 1 • Debugging mit pdb und IDE-Werkzeugen

Erläutert Haltepunkte, schrittweise Ausführung und Variableninspektion. Systematisches Debugging reduziert den Zeitaufwand für die Diagnose komplexer Laufzeitfehler.

Lektion 2 • Unit-Testing mit pytest

Vermittelt die Struktur von Testfunktionen, Assertions und die Testentdeckung. Automatisierte Tests fangen Regressionen ab und dokumentieren das erwartete Verhalten dauerhaft.

Lektion 3 • Codeabdeckung und Refactoring-Techniken

Vermittelt Abdeckungsmessung und sichere Refactoring-Strategien. Hohe Abdeckung und saubere Struktur reduzieren die Fehlerraten in langlebigen Codebasen.

Lektion 4 • Codequalität mit Lintern und Formatierern

Behandelt flake8, pylint und black zur Stildurchsetzung. Konsistente Formatierung und Linting reduzieren Reibungsverluste bei Code-Reviews in kollaborativen Projekten.