Python Programmierung Grundlagen: Schulung bis zum eigenen Paket

Python einrichten

• Wofür Python heute eingesetzt wird: Automatisierung, Datenauswertung, Web-Backends
• Installation unter Windows mit dem python.org-Installer und dem Launcher py
• Installation unter macOS über den offiziellen Installer oder Homebrew
• Python unter Linux: Systeminterpreter unangetastet lassen, eigene Versionen parallel
• Virtuelle Umgebungen mit venv und Projektverwaltung mit uv
• Editor einrichten: VS Code mit Python-Erweiterung, Interpreter auswählen

Python im Überblick

• Das Zen von Python (import this) als Leitlinie für lesbaren Code
• Hallo Welt in der interaktiven Konsole und als Skriptdatei
• Anatomie eines Programms: Module, Anweisungen, if __name__ == "__main__"
• Ausdrücke und Anweisungen unterscheiden, Zuweisungsausdruck :=
• Einrückung statt Klammern, Kommentare und Docstrings
• Ausgaben mit print(): Trennzeichen, Zeilenende, Umleitung in Dateien
• Blöcke und Geltungsbereiche: lokale und globale Namen, global, nonlocal
• Erster Rundgang durch Bedingungen, Schleifen und Funktionen
• Alles ist ein Objekt: Namen, Referenzen und Identität
• Code-Stil nach PEP 8, automatisch formatiert und geprüft mit Ruff

Typen und Werte

• Die eingebauten Typen im Überblick: veränderlich und unveränderlich
• Der Typ str: Unicode, Escape-Sequenzen und Raw-Strings
• Numerische Typen int, float, complex und Decimal für Geldbeträge
• Der Typ bool, Wahrheitswerte beliebiger Objekte und None
• Sequenztypen list, tuple, range und bytes im Vergleich
• Typ und Identität prüfen mit type(), id() und isinstance()
• Typannotationen lesen und schreiben: int | None, list[str]

Bedingungen und Operatoren

• Bedingte Syntax mit if, elif und else
• Bedingte Operatoren und verkettete Vergleiche wie 0 < x < 10
• Bedingte Zuweisung mit dem Ausdruck a if bedingung else b
• Strukturelles Pattern Matching mit match und case
• Arithmetische Operatoren, Ganzzahldivision // und Modulo %
• Bitweise Operatoren für Flags und Binärformate
• Vergleichsoperatoren und der Unterschied zwischen == und is
• Boolesche Operatoren and, or, not und Kurzschlussauswertung
• Vorrang von Operatoren und wann Klammern die Lesbarkeit verbessern

Schleifen

• Schleifen in Python: über Objekte iterieren statt Indizes zählen
• Die while-Schleife für Abbruchbedingungen und Eingabeschleifen
• Die for-Schleife mit range(), enumerate() und zip()
• Zusätzliche Kontrolle mit break, continue und dem else-Zweig

Funktionen

• Funktionen definieren mit def, Docstring und Typannotationen
• Positionsargumente, Standardwerte und die Falle veränderlicher Standardwerte
• Variable Argumentlisten mit *args und Entpacken beim Aufruf
• Schlüsselwort-Argumente, **kwargs, reine Positions- und Keyword-Parameter
• Rückgabewerte, mehrere Werte als Tupel und das implizite None
• Generatoren mit yield und Generatorausdrücke für große Datenmengen
• Dekoratoren selbst schreiben, functools.wraps und lru_cache nutzen
• Lambda-Ausdrücke und Funktionen als Argumente, etwa sorted(key=…)

Strukturierte Daten

• Grundlegende Datenstrukturen und ihr Laufzeitverhalten
• Listen und Tupel: Indizierung, Slicing und Entpacken
• Dictionaries: Zugriff mit get(), Iteration, Zusammenführen mit |
• Mengen für eindeutige Werte und Mengenoperationen
• List-, Dict- und Set-Comprehensions lesbar formulieren
• Gemischte, verschachtelte Strukturen wie JSON-ähnliche Daten
• Hilfreiche Typen aus collections: Counter, defaultdict, deque

Klassen und Objekte

• Eine Klasse erstellen mit class und __init__
• Objekte erzeugen und mit __repr__ lesbar darstellen
• Instanzmethoden, @classmethod und @staticmethod
• Objektdaten: Instanz- und Klassenattribute, @property
• Vererbung mit super() und Komposition als Alternative
• Eigene Iterator-Objekte mit __iter__ und __next__
• Datenklassen mit @dataclass statt handgeschriebener Konstruktoren

Ausnahmen

• Ausnahmen behandeln mit try, except, else und finally
• Fehler gezielt auslösen, eigene Ausnahmeklassen und raise … from
• Kontextmanager mit with für zuverlässiges Aufräumen
• Protokollieren mit dem Modul logging statt verstreuter print()-Aufrufe

String-Objekte

• String-Objekte: Unveränderlichkeit, Indizierung und Slicing
• Allgemeine String-Methoden wie strip(), replace(), startswith()
• Strings formatieren mit f-Strings und Format-Spezifikationen
• Aufteilen und Verbinden mit split() und join()
• Muster suchen und ersetzen mit regulären Ausdrücken aus re

Datei-Ein- und -Ausgabe

• Dateien öffnen mit open() und with, Pfade mit pathlib
• Text- versus Binärmodus, Zeichenkodierung UTF-8 ausdrücklich angeben
• CSV-Dateien mit dem Modul csv lesen und schreiben
• JSON-Daten mit json laden, verändern und speichern
• Binäre Dateien verarbeiten und Byte-Strukturen mit struct auslesen

Eingebaute Funktionen

• Numerische Funktionen: abs(), round(), divmod(), sum(), min(), max()
• String-Funktionen: len(), ord(), chr(), repr(), format()
• Container-Funktionen: sorted(), reversed(), any(), all(), map()
• Objekt- und Klassenfunktionen: getattr(), hasattr(), dir(), vars()

Module, Pakete und Kommandozeile

• Standardmodule verwenden: import, from … import und Aliasnamen
• Ein eigenes Modul erstellen und den Importpfad verstehen
• Befehlszeilenargumente auswerten mit argparse
• Module zu Paketen bündeln und mit pyproject.toml beschreiben
• Abhängigkeiten von PyPI hinzufügen und per Lockdatei festschreiben
• Tests mit pytest schreiben, Fixtures und parametrisierte Fälle

Datenbanken

• Die Python-Datenbank-API (PEP 249): Verbindung, Cursor, Transaktionen
• Eine Datenbankschnittstelle mit sqlite3 als eigene Klasse kapseln
• SQL-Injection vermeiden: Platzhalter statt zusammengesetzter Strings

Threads, Prozesse und asyncio

• Threads und Prozesse im Vergleich, Rolle des Global Interpreter Lock
• Multithreading mit threading und ThreadPoolExecutor für Ein-/Ausgabe
• Multiprocessing mit ProcessPoolExecutor für rechenintensive Aufgaben
• Nebenläufige Ein-/Ausgabe mit asyncio, async und await
• Free-threaded Python ohne GIL: Stand und Grenzen des Einsatzes

Python-Code mit Coding-Agenten pflegen

• Ruff und mypy als Prüfschritt, den der Agent nach jeder Python-Änderung ausführt
• Typannotationen und Docstrings als Vorgabe, nach der der Agent implementiert
• Erst pytest-Fälle vom Agenten schreiben lassen, dann die Python-Funktion
• Neue PyPI-Pakete nur über uv add – Herkunft und Notwendigkeit im Review klären
• Typische Python-Schwächen im Diff suchen: nacktes except, open() ohne encoding

Praxisprojekt: Ausgabenbuch mit SQLite und Kommandozeile

• Kontoauszüge als CSV einlesen, Buchungen prüfen und in SQLite ablegen
• Kommandozeile mit argparse: importieren, nach Kategorie filtern, Monatssummen
• Monatsbericht als JSON exportieren, Paket mit pyproject.toml und Tests ausliefern