Docstrings retten den Tag!

Ein Verrückter hat deine numpy-Installation manipuliert! Alle Funktionen gibt es noch, aber sie haben zufällige Namen bekommen. Du musst dringend die Funktion numpy.histogram() aufrufen und hast keine Zeit, das Paket neu zu installieren. Zum Glück hat der Übeltäter nicht daran gedacht, die Docstrings zu ändern – und du weißt, wie man sie ausliest. numpy enthält sehr viele Funktionen, daher haben wir die Auswahl auf vier mögliche Kandidaten eingegrenzt, hinter denen sich numpy.histogram() verbergen könnte: numpy.leyud(), numpy.uqka(), numpy.fywdkxa() oder numpy.jinzyxq().

Untersuche in der IPython-Shell die Docstrings jeder dieser Funktionen, um herauszufinden, welche tatsächlich numpy.histogram() ist. Du kannst dafür entweder die native Python-Methode oder Funktionen aus dem Modul inspect verwenden.

Diese Übung ist Teil des Kurses

Funktionen in Python schreiben

Interaktive Übung

In dieser interaktiven Übung kannst du die Theorie in die Praxis umsetzen.

Diese Übung ist Teil des Kurses

Funktionen in Python schreiben

Mittlere SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

Das Ziel dieses Kurses ist, dich zu einer Python-Expertin bzw. einem Python-Experten zu machen. Deshalb startest du im ersten Kapitel mit Best Practices beim Schreiben von Funktionen. Du lernst, was Docstrings sind, warum sie wichtig sind und woran du erkennst, wann du einen Codeblock in eine Funktion auslagern solltest. Außerdem erfährst du im Detail, wie Python Argumente an Funktionen übergibt, und lernst typische Stolperfallen kennen, die beim Aufrufen von Funktionen Kopfschmerzen beim Debuggen verursachen können.

Exercise 1: Docstrings Exercise 2: Eine Docstring verfassen Exercise 3: Docstrings abrufen Exercise 4: Docstrings retten den Tag!

Aktuelle Übung

Exercise 5: DRY und "Do One Thing"Exercise 6: Eine Funktion extrahieren Exercise 7: Eine Funktion aufteilen Exercise 8: Pass-by-Assignment Exercise 9: Mutable oder immutable?Exercise 10: Best Practice für Standardargumente

Wenn du das Schlüsselwort "with" in Python gesehen hast und dich gefragt hast, was es damit auf sich hat, ist dieses Kapitel genau richtig für dich! Context Manager sind eine bequeme Möglichkeit, Verbindungen in Python bereitzustellen und sicherzustellen, dass sie aufgeräumt werden, sobald du sie nicht mehr brauchst. Dieses Kapitel zeigt dir, wie du Context Manager verwendest und wie du deine eigenen schreibst.

Exercise 1: Context Manager verwenden Exercise 2: Die Anzahl der Katzen Exercise 3: Die Schnelligkeit von Katzen Exercise 4: Context Manager schreiben Exercise 5: Der Context Manager timer()Exercise 6: Ein schreibgeschützter open()-Kontextmanager Exercise 7: Fortgeschrittene Themen Exercise 8: Anwendungsfälle für Context Manager Exercise 9: Den NASDAQ scrapen Exercise 10: Das Arbeitsverzeichnis ändern

Dekoratoren sind ein äußerst mächtiges Konzept in Python. Sie erlauben dir, das Verhalten einer Funktion zu ändern, ohne den Code der Funktion selbst anzupassen. Dieses Kapitel legt die Grundlagen, um Dekoratoren gründlich zu verstehen (Funktionen als Objekte, Scope und Closures), und gibt dir eine gute Einführung darin, wie Dekoratoren verwendet und definiert werden. Dieser Deep Dive in Pythons Interna bereitet dich darauf vor, eine echte Pythonista-Koryphäe zu werden.

Exercise 1: Funktionen sind Objekte Exercise 2: Eine Daten-App für die Kommandozeile bauen Exercise 3: Den Code deiner Kollegin/deines Kollegen reviewen Exercise 4: Funktionen für ein Mathe-Spiel zurückgeben Exercise 5: Geltungsbereich Exercise 6: Scope verstehen Exercise 7: Variablen außerhalb des lokalen Geltungsbereichs ändern Exercise 8: Closures Exercise 9: Auf eine Closure prüfen Exercise 10: Closures bewahren deine Werte Exercise 11: Dekoratoren Exercise 12: Decorator-Syntax verwenden Exercise 13: Einen Decorator definieren

Jetzt, da du weißt, wie Dekoratoren unter der Haube funktionieren, bekommst du in diesem Kapitel viele Praxisbeispiele, wann und wie du in deinem eigenen Code Dekoratoren schreibst. Außerdem lernst du fortgeschrittene Konzepte wie das Bewahren der Metadaten dekorierter Funktionen und das Schreiben von Dekoratoren, die Argumente annehmen.

Exercise 1: Praxisbeispiele Exercise 2: Gib den Rückgabetyp aus Exercise 3: Zähler Exercise 4: Dekoratoren und Metadaten Exercise 5: Docstrings beim Dekorieren von Funktionen bewahren Exercise 6: Decorator-Overhead messen Exercise 7: Dekoratoren mit Argumenten Exercise 8: Run_n_times()Exercise 9: HTML-Generator Exercise 10: Timeout(): ein Praxisbeispiel Exercise 11: Funktionen taggen Exercise 12: Den Rückgabetyp prüfen Exercise 13: Super gemacht!