Python-Workshop (17.11.2025 - 21.11.2025)

Dieses Repository enthält die Materialien und Code-Beispiele eines fünftägigen Python-Kurses.

Inhalte

Montag (01_montag.ipynb)

• Einführung & Setup: "Hello World", Jupyter Notebook Basics.
• Package Management: Verwendung von uv zur Verwaltung von Abhängigkeiten (numpy, matplotlib, pandas).
• Data Science Basics: Kurzer Einblick in pandas (DataFrames) und matplotlib (Plots).
• Type Hinting: Grundlagen der Typ-Annotationen, Type Aliasing, TypedDict, Literal.
• Datenformate: Arbeiten mit JSON (json Modul).
• Funktionale Programmierung: lambda-Funktionen, map, filter.
• List Comprehensions: Effiziente Erstellung und Filterung von Listen.
• String Formatting: F-Strings, Format-Specifiers (Alignment, Precision, Types).
• Logging Basics: Einfaches Logging mit logging.basicConfig.

Dienstag (02_dienstag.ipynb)

• Advanced Logging:
  • Konfiguration via logging.config.dictConfig und YAML.
  • Eigene Logger, Handler (Stream, File, Rotating), Formatter und Filter.
  • Logging von Exceptions (exc_info).
• Error Handling: Globaler Exception-Hook (sys.excepthook).
• Objektorientierte Programmierung (OOP):
  • Klassen und Instanzen (class, __init__).
  • Methoden, Attribute, Properties (@property, @x.setter).
  • Vererbung, Mehrfachvererbung, MRO (Method Resolution Order).
  • Magic Methods (z.B. __str__, __repr__, __add__).
  • Sichtbarkeiten (Public, Protected, Private/Name Mangling).
  • Klassen- und Statische Methoden (@classmethod, @staticmethod).
  • Abstrakte Basisklassen (abc.ABC, @abstractmethod).
• Introspection: dir(), vars(), type().
• Decorators (Intro): Grundlagen von Funktions-Dekoratoren.

Mittwoch (03_mittwoch.ipynb)

• Advanced Decorators:
  • Dekoratoren mit Argumenten.
  • Klassen-Dekoratoren.
  • Praktische Beispiele (Type-Checking, Logging).
• Dataclasses: Einfache Datenklassen mit @dataclass.
• Rekursion & Caching: Rekursive Funktionen (Fibonacci) und Optimierung mit functools.cache.
• Generatoren:
  • yield und yield from.
  • Generator Expressions.
  • Unendliche Sequenzen.
• Profiling: Performance-Analyse mit cProfile (Vergleich List Comprehension vs. Generator Expression).
• Coroutines: Senden von Werten an Generatoren (.send()), Exception Handling in Generatoren (.throw()).

Donnerstag (04_donnerstag.ipynb)

• Asynchrone Programmierung:
  • async - await Syntax.
  • Verwendung des Moduls asyncio.
  • Anlegen von Task Objekten.
  • Verwendung von gather zum Sammeln der Ergebnisse.
• Asynchroner Webscrapper: Transition von einem Synchronen Projekt in ein asynchrones Framework. Zusätzlich Demonstration von aiohttp.
• Unittesting:
  • Erstellen von Tests mit Pythons builtin unittest Modul.
  • Verwendung von VSC als Testumgebung.
  • Testabdeckung mit coverage.
  • Einblick in pytest.
• Exception Handling: Erstellen und Verwalten eigener Exceptions.
• Argparse: Python Skripte auf der Kommandozeile.

Freitag (05_freitag.ipynb)

• TODO

Ausführen der Notebooks

Stellen Sie sicher, dass Sie die Abhängigkeiten installiert haben:

uv sync

Starten Sie dann den Jupyter Server:

uv run jupyter lab