Learning Python. 2nd Edition Mark Lutz, David Ascher


- Autorzy:
- Mark Lutz, David Ascher
- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 624
- Dostępne formaty:
-
ePubMobi
Opis
książki
:
Learning Python. 2nd Edition
Portable, powerful, and a breeze to use, Python is the popular open source object-oriented programming language used for both standalone programs and scripting applications. Python is considered easy to learn, but there's no quicker way to mastery of the language than learning from an expert teacher. This edition of Learning Python puts you in the hands of two expert teachers, Mark Lutz and David Ascher, whose friendly, well-structured prose has guided many a programmer to proficiency with the language.
Learning Python, Second Edition, offers programmers a comprehensive learning tool for Python and object-oriented programming. Thoroughly updated for the numerous language and class presentation changes that have taken place since the release of the first edition in 1999, this guide introduces the basic elements of the latest release of Python 2.3 and covers new features, such as list comprehensions, nested scopes, and iterators/generators.
Beyond language features, this edition of Learning Python also includes new context for less-experienced programmers, including fresh overviews of object-oriented programming and dynamic typing, new discussions of program launch and configuration options, new coverage of documentation sources, and more. There are also new use cases throughout to make the application of language features more concrete.
The first part of Learning Python gives programmers all the information they'll need to understand and construct programs in the Python language, including types, operators, statements, classes, functions, modules and exceptions. The authors then present more advanced material, showing how Python performs common tasks by offering real applications and the libraries available for those applications. Each chapter ends with a series of exercises that will test your Python skills and measure your understanding.
Learning Python, Second Edition is a self-paced book that allows readers to focus on the core Python language in depth. As you work through the book, you'll gain a deep and complete understanding of the Python language that will help you to understand the larger application-level examples that you'll encounter on your own. If you're interested in learning Python--and want to do so quickly and efficiently--then Learning Python, Second Edition is your best choice.
Wybrane bestsellery
-
Nowość Promocja
Dzięki tej książce opanujesz podstawowe koncepcje związane z użyciem LLM. Poznasz unikatowe cechy i mocne strony kilku najważniejszych modeli (w tym GPT, Gemini, Falcon). Następnie dowiesz się, w jaki sposób LangChain, lekki framework Pythona, pozwala na projektowanie inteligentnych agentów do przetwarzania danych o nieuporządkowanej strukturze. Znajdziesz tu również informacje dotyczące dużych modeli podstawowych, które wykraczają poza obsługę języka i potrafią wykonywać różne zadania związane na przykład z grafiką i dźwiękiem. Na koniec zgłębisz zagadnienia dotyczące ryzyka związanego z LLM, a także poznasz techniki uniemożliwiania tym modelom potencjalnie szkodliwych działań w aplikacji.- PDF + ePub + Mobi
- Druk 66 pkt
(39,90 zł najniższa cena z 30 dni)
66.75 zł
89.00 zł (-25%) -
Nowość Promocja
Na szczęście dzięki tej książce poradzisz sobie z takimi wyzwaniami! Najpierw zapoznasz się z matematycznymi podstawami algorytmów ML i NLP. Zaznajomisz się również z ogólnymi technikami uczenia maszynowego i dowiesz się, w jakim stopniu dotyczą one dużych modeli językowych. Kolejnym zagadnieniem będzie przetwarzanie danych tekstowych, w tym metody przygotowywania tekstu do analizy, po czym przyswoisz zasady klasyfikowania tekstu. Ponadto poznasz zaawansowane aspekty teorii, projektowania i stosowania LLM, wreszcie ― przyszłe trendy w NLP. Aby zdobyć praktyczne umiejętności, będziesz ćwiczyć na przykładach rzeczywistych zagadnień biznesowych i rozwiązań NLP.- PDF + ePub + Mobi
- Druk 44 pkt
(39,90 zł najniższa cena z 30 dni)
44.50 zł
89.00 zł (-50%) -
Nowość Promocja
Inteligencja obliczeniowa w machine learning (ML) to zbiór zaawansowanych technik, za sprawą których komputery mogą rozwiązywać złożone problemy, ucząc się z danych, zamiast polegać na regułach programowania. Dzięki algorytmom genetycznym, inspirowanym naturalną ewolucją, można optymalizować procesy w różnych branżach – od inżynierii, przez biotechnologię, aż po logistykę – bez potrzeby tworzenia dużych baz danych. Algorytmy te pozwalają na rozwiązywanie problemów takich jak dopasowywanie parametrów w symulacjach czy optymalizacja tras, co ma szerokie zastosowanie w codziennych wyzwaniach biznesowych.- Videokurs 134 pkt
(39,90 zł najniższa cena z 30 dni)
134.55 zł
299.00 zł (-55%) -
Nowość Promocja
To piąte, zaktualizowane i uzupełnione wydanie bestsellerowego przewodnika po tworzeniu aplikacji internetowych za pomocą Django. Pokazano tu proces planowania i budowy atrakcyjnych aplikacji, rozwiązywania typowych problemów i implementacji najlepszych praktyk programistycznych. Podczas tworzenia aplikacji, takich jak blog, serwis społecznościowy, aplikacja e-commerce i platforma e-learningowa, zapoznasz się z szerokim zakresem zagadnień związanych z tworzeniem złożonych aplikacji internetowych w Pythonie. Krok po kroku, dzięki szczegółowym planom projektów, dowiesz się, jakie korzyści niesie ze sobą praca z Django 5, i zrozumiesz zasady tworzenia aplikacji przy użyciu tego frameworka.- PDF + ePub + Mobi
- Druk 74 pkt
(39,90 zł najniższa cena z 30 dni)
74.50 zł
149.00 zł (-50%) -
Nowość Promocja
Dzięki tej praktycznej książce przekonasz się, że w Excelu możesz przeprowadzić dogłębną analizę danych i wyciągnąć z nich cenną wiedzę. Wystarczy, że skorzystasz z najnowszych funkcji i narzędzi Excela. W poradniku pokazano, jak za pomocą Power Query budować przepływy pracy porządkujące dane i jak projektować w skoroszycie relacyjne modele danych przy użyciu Power Pivot. Ponadto odkryjesz nowe możliwości przeprowadzania analiz, w tym dynamiczne funkcje tablicowe i pozyskiwanie wartościowych informacji z wykorzystaniem sztucznej inteligencji. Dowiesz się również, jak za sprawą integracji z Pythonem zautomatyzować analizę danych i budować raporty.- PDF + ePub + Mobi
- Druk 33 pkt
(32,90 zł najniższa cena z 30 dni)
33.50 zł
67.00 zł (-50%) -
Nowość Promocja
To trzecie wydanie przejrzystego przewodnika, który ułatwi Ci naukę programowania w Pythonie. Zaczniesz od przyswojenia podstawowych pojęć programistycznych, aby wkrótce płynnie posługiwać się funkcjami i strukturami danych. Zdobędziesz też umiejętność programowania zorientowanego obiektowo. W tym zaktualizowanym wydaniu znajdziesz również wskazówki, dzięki którym zastosujesz duże modele językowe, takie jak ChatGPT, do nauki programowania. Dowiesz się, jak tworzyć skuteczne zapytania dla tych modeli, a także jak testować i debugować kod Pythona. Dzięki ćwiczeniom, zamieszczonym w każdym rozdziale, będziesz stopniowo szlifować umiejętności programistyczne, a zasugerowane w książce strategie pomogą Ci w unikaniu frustrujących błędów — w ten sposób szybko nauczysz się tworzyć poprawny kod.- PDF + ePub + Mobi
- Druk 37 pkt
(36,90 zł najniższa cena z 30 dni)
37.45 zł
74.90 zł (-50%) -
Nowość Promocja
Web scraping umożliwia automatyczne zbieranie i analizowanie danych z internetu. Pozwala oszczędzać czas, automatyzując rutynowe zadania i umożliwiając analizę danych w czasie rzeczywistym. Jest szeroko stosowany w biznesie – od monitorowania cen konkurencji w e-commerce, przez analizę rynkową w finansach, aż po badania naukowe. Ta cenna w dobie big data umiejętność wspiera codzienną pracę analityków, programistów i przedsiębiorców. Według raportów liczba wyszukiwań związanych z web scrapingiem wzrosła o 30 procent w ciągu ostatnich kilku lat. To pokazuje, jak ważne dla firm jest efektywne pozyskiwanie danych z internetu. Szczególnie efektywnym wyborem jest web scraping w języku Python, który oferuje liczne narzędzia do scrapowania stron internetowych, między innymi Beautiful Soup i Scrapy. Zaletą wyboru Pythona jest także możliwość wizualizacji danych za pomocą matplotlib, co ułatwia ich interpretację. Ponadto technologia webscrapingu stale się rozwija, integrując się z narzędziami do przetwarzania języka naturalnego (NLP) i uczenia maszynowego, co zwiększa jej potencjał w analizie danych. Niezależnie od branży webscraping w Pythonie pozwala maksymalnie wykorzystać potencjał informacji dostępnych w sieci. To inwestycja w umiejętność, która będzie się rozwijać wraz z postępem technologicznym.- Videokurs 89 pkt
(39,90 zł najniższa cena z 30 dni)
89.54 zł
199.00 zł (-55%) -
Promocja
Jako ambitny Data Scientist, czyli danetyk, rozumiesz, dlaczego organizacje polegają na danych przy podejmowaniu ważnych decyzji - czy chodzi o firmy projektujące witryny internetowe, władze miasta decydujące o sposobie poprawy usług, czy naukowców pracujących nad zatrzymaniem rozprzestrzeniania się choroby. Chcesz nabyć umiejętności wyciągania pra- PDF + ePub 113 pkt
(71,82 zł najniższa cena z 30 dni)
113.40 zł
126.00 zł (-10%) -
Promocja
Ta pozycja, podobnie jak inne z serii Rusz głową!, została przygotowana zgodnie z jedyną w swoim rodzaju metodyką nauczania, wykorzystującą zasady funkcjonowania ludzkiego mózgu. Dzięki zagadkom, tajemniczym historiom, angażującym ćwiczeniom i przystępnie podanej wiedzy bez trudu przyswoisz nawet dość złożone koncepcje, takie jak programowanie zorientowane obiektowo, aplikacje sieciowe czy uczenie maszynowe. Znajdziesz tu zabawne i niekonwencjonalne ilustracje, świetne analogie, a w toku nauki krok po kroku zbudujesz własną aplikację. Przekonasz się, że to absolutnie wyjątkowy i niezwykle skuteczny podręcznik!- Druk 64 pkt
(39,90 zł najniższa cena z 30 dni)
64.50 zł
129.00 zł (-50%) -
Promocja
Przetwarzanie obrazów to dynamicznie rozwijająca się dziedzina, która znajduje zastosowanie w licznych branżach, takich jak medycyna, motoryzacja, przemysł rozrywkowy, bezpieczeństwo, rolnictwo czy marketing. Umożliwia automatyczne rozpoznawanie obiektów, analizę obrazów medycznych i tworzenie interaktywnych aplikacji korzystających ze sztucznej inteligencji. Warto się zagłębić w techniki przetwarzania obrazów, które stały się dostępniejsze i skuteczniejsze niż kiedykolwiek wcześniej dzięki lepszemu wykorzystaniu mocy obliczeniowej niezbędnej do procesowania sieci konwolucyjnych (CNN) i algorytmów YOLO. Ponadto modele generatywne, jak DALL-E czy Midjourney, oferują możliwości generowania obrazów na potrzeby trenowania modeli AI, co pozwala zwiększać różnorodność i wielkość puli danych (ang. data augmentation). Powszechnym narzędziem w segmencie computer vision jest biblioteka OpenCV. Jest używana do analizy obrazów, rozpoznawania obiektów, detekcji twarzy, wykrywania ruchu czy segmentacji obrazów. OpenCV oferuje dostęp do szerokiego zakresu narzędzi i algorytmów, a dobre opanowanie biblioteki otwiera drzwi do ciekawych projektów związanych z widzeniem komputerowym. Umiejętność przetwarzania obrazów jest niezwykle ceniona na rynku pracy – specjaliści mogą liczyć na atrakcyjne stanowiska i różnorodne wyzwania technologiczne.- Videokurs 42 pkt
(39,90 zł najniższa cena z 30 dni)
42.57 zł
99.00 zł (-57%)
O autorze książki
Mark Lutz od 30 lat zajmuje się programowaniem. Dziś jest jedną z najważniejszych postaci w świecie Pythona. Napisał kilka popularnych, wielokrotnie wznawianych książek o programowaniu w tym języku. Przeprowadził też kilkaset sesji treningowych poświęconych Pythonowi. Zanim w 1992 roku zainteresował się tym językiem, zajmował się implementacją Prologa i pracował nad kompilatorami, narzędziami programistycznymi, aplikacjami skryptowymi oraz systemami klient-serwer.
Mark Lutz, David Ascher - pozostałe książki
-
Promocja
To kompleksowy podręcznik do nauki programowania w Pythonie. Jego piąte wydanie zostało gruntownie zaktualizowane i rozbudowane o dodatkowe treści. Omówiono tu najnowsze wersje Pythona w liniach 3.X i 2.X, czyli 3.3 i 2.7, i dodano opisy nowych lub rozszerzonych mechanizmów, takich jak obsługa formatu JSON, moduł timeit, pakiet PyPy, metoda os.popen, generatory, rekurencje, słabe referencje, atrybuty i metody __mro__, __iter__, super, __slots__, metaklasy, deskryptory, funkcja random, pakiet Sphinx i wiele innych. W książce znalazło się mnóstwo ćwiczeń, quizów, pomocnych ilustracji oraz przykładów kodu. Jest to kompendium dla każdego, kto chce szybko zacząć programować w Pythonie i tworzyć wydajny kod o wysokiej jakości.- PDF + ePub + Mobi
- Druk 99 pkt
(39,90 zł najniższa cena z 30 dni)
99.50 zł
199.00 zł (-50%) -
Promocja
Get a comprehensive, in-depth introduction to the core Python language with this hands-on book. Based on author Mark Lutz's popular training course, this updated sixth edition will help you quickly write efficient, high-quality code with Python. It's an ideal way to begin, whether you're new to programming or a professional developer versed in othe-
- ePub + Mobi 228 pkt
(228,65 zł najniższa cena z 30 dni)
228.65 zł
269.00 zł (-15%) -
-
Promocja
Jeżeli jednak chcesz mieć zawsze pod ręką sprawdzone źródło informacji, które pozwoli Ci w każdej sytuacji rozwiać wątpliwości, to trafiłeś na doskonałą pozycję. Należy ona do serii Leksykon kieszonkowy i charakteryzuje się niezwykle zwięzłym, przejrzystym układem najważniejszych treści oraz poręczną formą. Znajdziesz tu szczegółowe informacje na temat typów wbudowanych, wyjątków, programowania obiektowego oraz przetwarzania nazw i reguł zasięgu. Kolejne wydanie tej książki zostało ulepszone i zaktualizowane o mnóstwo nowych informacji, takich jak wykorzystanie Python Launcher w systemie Windows czy formalne reguły dziedziczenia. To doskonałe źródło informacji na temat języka Python!- PDF + ePub + Mobi
- Druk 24 pkt
(19,90 zł najniższa cena z 30 dni)
24.95 zł
49.90 zł (-50%) -
Promocja
Updated for both Python 3.4 and 2.7, this convenient pocket guide is the perfect on-the-job quick reference. You’ll find concise, need-to-know information on Python types and statements, special method names, built-in functions and exceptions, commonly used standard library modules, and other prominent Python tools. The handy index lets you pinpoin-
- ePub + Mobi 42 pkt
(42,42 zł najniższa cena z 30 dni)
42.42 zł
49.90 zł (-15%) -
-
Promocja
Niniejsza książka należy do popularnej serii Leksykon kieszonkowy, dzięki której zawsze i wszędzie możesz przypomnieć sobie wybrane zagadnienia, związane z różną tematyką. Pozycja, którą właśnie trzymasz w rękach, została poświęcona językowi Python. W trakcie jej lektury zapoznasz się z takimi zagadnieniami, jak sterowanie przepływem programu, wykorzystanie pętli, list, słowników oraz operacje na plikach. Ponadto w każdej chwili będziesz mógł sprawdzić składnię oraz sposoby wykorzystania funkcji i wyjątków wbudowanych. Książka stanowi znakomite kompendium wiedzy na temat języka Python. Sprawdzi się ona w rękach początkującego użytkownika - jako przewodnik, a w rękach zaawansowanego programisty - jako pomocnik.- PDF + ePub + Mobi
- Druk 14 pkt
(9,90 zł najniższa cena z 30 dni)
14.95 zł
29.90 zł (-50%) -
Promocja
Dzięki tej książce zapoznasz się z podstawowymi typami wbudowanymi Pythona, takimi jak liczby, listy oraz słowniki, nauczysz się tworzyć i przetwarzać obiekty za pomocą instrukcji Pythona, a także opanujesz ogólny model składni tego języka, stworzysz strukturę kodu i wykorzystasz kod ponownie dzięki podstawowym narzędziom proceduralnym Pythona, dowiesz się wszystkiego o modułach Pythona - pakietach instrukcji i funkcji oraz innych narzędziach zorganizowanych w większe komponenty, odkryjesz narzędzie programowania zorientowanego obiektowo, umożliwiające strukturyzację kodu, opanujesz model obsługi wyjątków i narzędzia programistyczne służące do pisania większych programów, zapoznasz się z zaawansowanymi narzędziami Pythona, w tym dekoratorami, deskryptorami, metaklasami i przetwarzaniem tekstu Unicode.- PDF + ePub + Mobi
- Druk 74 pkt
(39,90 zł najniższa cena z 30 dni)
74.50 zł
149.00 zł (-50%) -
Promocja
If you've mastered Python's fundamentals, you're ready to start using it to get real work done. Programming Python will show you how, with in-depth tutorials on the language's primary application domains: system administration, GUIs, and the Web. You'll also explore how Python is used in databases, networking, front-end scripting layers, text proce-
- ePub + Mobi 220 pkt
(220,15 zł najniższa cena z 30 dni)
220.15 zł
259.00 zł (-15%) -
-
Promocja
This is the book to reach for when you're coding on the fly and need an answer now. It's an easy-to-use reference to the core language, with descriptions of commonly used modules and toolkits, and a guide to recent changes, new features, and upgraded built-ins -- all updated to cover Python 3.X as well as version 2.6. You'll also quickly find exact-
- ePub + Mobi 42 pkt
(42,42 zł najniższa cena z 30 dni)
42.42 zł
49.90 zł (-15%) -
Ebooka "Learning Python. 2nd Edition" przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Szczegóły książki
- ISBN Ebooka:
- 978-05-965-5193-3, 9780596551933
- Data wydania ebooka :
-
2003-12-23
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
- Język publikacji:
- 1
- Rozmiar pliku ePub:
- 1.7MB
- Rozmiar pliku Mobi:
- 1.7MB
Spis treści książki
- Learning Python, 2nd Edition
- SPECIAL OFFER: Upgrade this ebook with OReilly
- A Note Regarding Supplemental Files
- Preface
- About This Second Edition
- Prerequisites
- This Books Scope
- This Book's Style and Structure
- Core Language
- Outer Layers
- Appendixes
- Book Updates
- Font Conventions
- About the Programs in This Book
- Using Code Examples
- How to Contact Us
- Acknowledgments
- Mark Also Says:
- David Also Says:
- I. Getting Started
- 1. A Python Q&A Session
- 1.1. Why Do People Use Python?
- 1.1.1. Software Quality
- 1.1.2. Developer Productivity
- 1.2. Is Python a Scripting Language?
- 1.3. Okay, But What's the Downside?
- 1.4. Who Uses Python Today?
- 1.5. What Can I Do with Python?
- 1.5.1. Systems Programming
- 1.5.2. GUIs
- 1.5.3. Internet Scripting
- 1.5.4. Component Integration
- 1.5.5. Database Programming
- 1.5.6. Rapid Prototyping
- 1.5.7. Numeric Programming
- 1.5.8. Gaming, Images, AI, XML, and More
- 1.6. What Are Python's Technical Strengths?
- 1.6.1. It's Object-Oriented
- 1.6.2. It's Free
- 1.6.3. It's Portable
- 1.6.4. It's Powerful
- 1.6.5. It's Mixable
- 1.6.6. It's Easy to Use
- 1.6.7. It's Easy to Learn
- 1.7. How Does Python Stack Up to Language X?
- 1.1. Why Do People Use Python?
- 2. How Python Runs Programs
- 2.1. Introducing the Python Interpreter
- 2.2. Program Execution
- 2.2.1. The Programmer's View
- 2.2.2. Python's View
- 2.2.2.1. Byte code compilation
- 2.2.2.2. Python Virtual Machine (PVM)
- 2.2.2.3. Performance implications
- 2.2.2.4. Development implications
- 2.3. Execution Model Variations
- 2.3.1. Python Implementation Alternatives
- 2.3.1.1. CPython
- 2.3.1.2. Jython
- 2.3.1.3. Python.NET
- 2.3.2. The Psyco Just-in-Time Compiler
- 2.3.3. Frozen Binaries
- 2.3.4. Future Possibilities?
- 2.3.1. Python Implementation Alternatives
- 3. How You Run Programs
- 3.1. Interactive Coding
- 3.1.1. Using the Interactive Prompt
- 3.2. System Command Lines and Files
- 3.2.1. Using Command Lines and Files
- 3.2.2. Unix Executable Scripts (#!)
- 3.3. Clicking Windows File Icons
- 3.3.1. Clicking Icons on Windows
- 3.3.2. The raw_input Trick
- 3.3.3. Other Icon Click Limitations
- 3.4. Module Imports and Reloads
- 3.4.1. The Grander Module Story: Attributes
- 3.4.2. Import and Reload Usage Notes
- 3.5. The IDLE User Interface
- 3.5.1. IDLE Basics
- 3.5.2. Using IDLE
- 3.6. Other IDEs
- 3.7. Embedding Calls
- 3.8. Frozen Binary Executables
- 3.9. Text Editor Launch Options
- 3.10. Other Launch Options
- 3.11. Future Possibilities?
- 3.12. Which Option Should I Use?
- 3.13. Part I Exercises
- 3.1. Interactive Coding
- 1. A Python Q&A Session
- II. Types and Operations
- 4. Numbers
- 4.1. Python Program Structure
- 4.2. Why Use Built-in Types?
- 4.3. Numbers
- 4.3.1. Number Literals
- 4.3.2. Built-in Tools and Extensions
- 4.4. Python Expression Operators
- 4.4.1. Mixed Operators: Operator Precedence
- 4.4.2. Parentheses Group Subexpressions
- 4.4.3. Mixed Types: Converted Up
- 4.4.4. Preview: Operator Overloading
- 4.5. Numbers in Action
- 4.5.1. Basic Operations and Variables
- 4.5.2. Numeric Representation
- 4.5.3. Division: Classic, Floor, and True
- 4.5.4. B itwise Operations
- 4.5.5. L ong Integers
- 4.5.6. Complex Numbers
- 4.5.7. Hexadecimal and Octal Notation
- 4.5.8. Other Numeric Tools
- 4.6. The Dynamic Typing Interlude
- 4.6.1. How Assignments Work
- 4.6.2. References and Changeable Objects
- 4.6.3. References and Garbage Collection
- 5. Strings
- 5.1. String Literals
- 5.1.1. Single- and Double-Quoted Strings Are the Same
- 5.1.2. Escape Sequences Code Special Bytes
- 5.1.3. Raw Strings Suppress Escapes
- 5.1.4. Triple Quotes Code Multiline Block Strings
- 5.1.5. Unicode Strings Encode Larger Character Sets
- 5.2. Strings in Action
- 5.2.1. Basic Operations
- 5.2.2. Indexing and Slicing
- 5.2.2.1. I ndexing (S[i]) fetches components at offsets
- 5.2.2.2. S licing (S[i:j]) extracts contiguous sections of a sequence
- 5.2.3. String Conversion Tools
- 5.2.4. C hanging Strings
- 5.3. String Formatting
- 5.3.1. Advanced String Formatting
- 5.4. String Methods
- 5.4.1. String Method Examples: Changing Strings
- 5.4.2. String Method Examples: Parsing Text
- 5.4.3. The Original Module
- 5.5. General Type Categories
- 5.5.1. Types Share Operation Sets by Categories
- 5.5.2. Mutable Types Can Be Changed in-Place
- 5.1. String Literals
- 6. Lists and Dictionaries
- 6.1. Lists
- 6.2. Lists in Action
- 6.2.1. Basic List Operations
- 6.2.2. In dexing, Slicing, and Matrixes
- 6.2.3. Changing Lists in-Place
- 6.2.3.1. Index and slice assignment
- 6.2.3.2. List method calls
- 6.3. Dictionaries
- 6.4. Dictionaries in Action
- 6.4.1. Basic Dictionary Operations
- 6.4.2. Changing Dictionaries in-Place
- 6.4.3. More Dictionary Methods
- 6.4.4. A Languages Table
- 6.4.5. Dictionary Usage Notes
- 6.4.5.1. Using dictionaries to simulate flexible lists
- 6.4.5.2. Using dictionaries for sparse data structures
- 6.4.5.3. Using dictionaries as "records"
- 7. Tuples, Files, and Everything Else
- 7.1. Tuples
- 7.1.1. Why Lists and Tuples?
- 7.2. Files
- 7.2.1. Files in Action
- 7.3. Type Categories Revisited
- 7.4. Object Generality
- 7.5. References Versus Copies
- 7.6. Comparisons, Equality, and Truth
- 7.7. Python's Type Hierarchies
- 7.8. Other Types in Python
- 7.9. Built-in Type Gotchas
- 7.9.1. Assignment Creates References, Not Copies
- 7.9.2. Repetition Adds One-Level Deep
- 7.9.2.1. Solutions
- 7.9.3. Cyclic Data Structures
- 7.9.4. Immutable Types Can't Be Changed in-Place
- 7.10. Part II Exercises
- 7.1. Tuples
- 4. Numbers
- III. Statements and Syntax
- 8. Assignment, Expressions, and Print
- 8.1. Assignment Statements
- 8.1.1. Variable Name Rules
- 8.1.1.1. Naming conventions
- 8.1.1.2. Names have no type, but objects do
- 8.1.2. Augmented Assignment Statements
- 8.1.1. Variable Name Rules
- 8.2. Expression Statements
- 8.3. Print Statements
- 8.3.1. The Python "Hello World" Program
- 8.3.2. Redirecting the Output Stream
- 8.3.2.1. The print>>file extension
- 8.1. Assignment Statements
- 9. if Tests
- 9.1. if Statements
- 9.1.1. General Format
- 9.1.2. Examples
- 9.1.2.1. Multiway branching
- 9.2. Python Syntax Rules
- 9.2.1. Block Delimiters
- 9.2.2. Statement Delimiters
- 9.2.3. A Few Special Cases
- 9.3. Truth Tests
- 9.1. if Statements
- 10. while and for Loops
- 10.1. while Loops
- 10.1.1. General Format
- 10.1.2. Examples
- 10.2. break, continue, pass, and the Loop else
- 10.2.1. General Loop Format
- 10.2.2. Examples
- 10.2.3. More on the Loop else
- 10.3. for Loops
- 10.3.1. General Format
- 10.3.2. Examples
- 10.4. Loop Variations
- 10.4.1. Counter Loops: range
- 10.4.2. Nonexhaustive Traversals: range
- 10.4.3. Changing Lists: range
- 10.4.4. Parallel Traversals: zip and map
- 10.4.5. Dictionary Construction with zip
- 10.1. while Loops
- 11. Documenting Python Code
- 11.1. The Python Documentation Interlude
- 11.1.1. Documentation Sources
- 11.1.2. # Comments
- 11.1.3. The dir Function
- 11.1.4. Docstrings: __doc__
- 11.1.4.1. User-defined docstrings
- 11.1.4.2. Docstring standards
- 11.1.4.3. Built-in docstrings
- 11.1.5. PyDoc: The help Function
- 11.1.6. PyDoc: HTML Reports
- 11.1.7. Standard Manual Set
- 11.1.8. Web Resources
- 11.1.9. Published Books
- 11.2. Common Coding Gotchas
- 11.3. Part III Exercises
- 11.1. The Python Documentation Interlude
- 8. Assignment, Expressions, and Print
- IV. Functions
- 12. Function Basics
- 12.1. Why Use Functions?
- 12.2. Coding Functions
- 12.2.1. def Statements
- 12.2.2. def Executes at Runtime
- 12.3. A First Example: Definitions and Calls
- 12.3.1. Definition
- 12.3.2. Calls
- 12.3.3. Polymorphism in Python
- 12.4. A Second Example: Intersecting Sequences
- 12.4.1. Definition
- 12.4.2. Calls
- 12.4.3. Polymorphism Revisited
- 12.4.4. Local Variables
- 13. Scopes and Arguments
- 13.1. Scope Rules
- 13.1.1. Python Scope Basics
- 13.1.2. Name Resolution: The LEGB Rule
- 13.1.3. Scope Example
- 13.1.4. The Built-in Scope
- 13.2. The global Statement
- 13.3. Scopes and Nested Functions
- 13.3.1. Nested Scope Details
- 13.3.2. Nested Scope Examples
- 13.4. Passing Arguments
- 13.4.1. Arguments and Shared References
- 13.4.2. Avoiding Mutable Argument Changes
- 13.4.3. Simulating Output Parameters
- 13.5. Special Argument Matching Modes
- 13.5.1. Keyword and Default Examples
- 13.5.2. Arbitrary Arguments Examples
- 13.5.3. Combining Keywords and Defaults
- 13.5.4. The min Wakeup Call
- 13.5.4.1. Full credit
- 13.5.4.2. Bonus points
- 13.5.4.3. The punch line
- 13.5.5. A More Useful Example: General Set Functions
- 13.5.6. Argument Matching: The Gritty Details
- 13.1. Scope Rules
- 14. Advanced Function Topics
- 14.1. Anonymous Functions: lambda
- 14.1.1. lambda Expressions
- 14.1.2. Why lambda?
- 14.1.3. How (Not) to Obfuscate Your Python Code
- 14.1.4. Nested lambdas and Scopes
- 14.2. Applying Functions to Arguments
- 14.2.1. The apply Built-in
- 14.2.1.1. Passing keyword arguments
- 14.2.2. Apply-Like Call Syntax
- 14.2.1. The apply Built-in
- 14.3. Mapping Functions Over Sequences
- 14.4. Functional Programming Tools
- 14.5. List Comprehensions
- 14.5.1. List Comprehension Basics
- 14.5.2. Adding Tests and Nested Loops
- 14.5.3. Comprehending List Comprehensions
- 14.6. Generators and Iterators
- 14.6.1. Generator Example
- 14.6.2. Iterators and Built-in Types
- 14.7. Function Design Concepts
- 14.7.1. Functions Are Objects: Indirect Calls
- 14.8. Function Gotchas
- 14.8.1. Local Names Are Detected Statically
- 14.8.2. Defaults and Mutable Objects
- 14.8.3. Functions Without Returns
- 14.9. Part IV Exercises
- 14.1. Anonymous Functions: lambda
- 12. Function Basics
- V. Modules
- 15. Modules: The Big Picture
- 15.1. Why Use Modules?
- 15.2. Python Program Architecture
- 15.2.1. How to Structure a Program
- 15.2.2. Imports and Attributes
- 15.2.3. Standard Library Modules
- 15.3. How Imports Work
- 15.3.1. 1. Find It
- 15.3.1.1. The module search path
- 15.3.1.2. The sys.path list
- 15.3.1.3. Module file selection
- 15.3.2. 2. Compile It (Maybe)
- 15.3.3. 3. Run It
- 15.3.1. 1. Find It
- 16. Module Coding Basics
- 16.1. Module Creation
- 16.2. Module Usage
- 16.2.1. The import Statement
- 16.2.2. The from statement
- 16.2.3. The from * statement
- 16.2.4. Imports Happen Only Once
- 16.2.5. import and from Are Assignments
- 16.2.6. Cross-File Name Changes
- 16.2.7. import and from Equivalence
- 16.3. Module Namespaces
- 16.3.1. Files Generate Namespaces
- 16.3.2. Attribute Name Qualification
- 16.3.3. Imports Versus Scopes
- 16.3.4. Namespace Nesting
- 16.4. Reloading Modules
- 16.4.1. Reload Basics
- 16.4.2. Reload Example
- 17. Module Packages
- 17.1. Package Import Basics
- 17.1.1. Packages and Search Path Settings
- 17.1.2. Package __init__.py Files
- 17.2. Package Import Example
- 17.2.1. from Versus import with Packages
- 17.3. Why Use Package Imports?
- 17.4. A Tale of Three Systems
- 17.1. Package Import Basics
- 18. Advanced Module Topics
- 18.1. Data Hiding in Modules
- 18.1.1. Minimizing from* damage: _X and __all__
- 18.2. Enabling Future Language Features
- 18.3. Mixed Usage Modes: __name__ and __main__
- 18.4. Changing the Module Search Path
- 18.5. The import as Extension
- 18.6. Module Design Concepts
- 18.6.1. Modules Are Objects: Metaprograms
- 18.7. Module Gotchas
- 18.7.1. Importing Modules by Name String
- 18.7.2. from Copies Names but Doesn't Link
- 18.7.3. Statement Order Matters in Top-Level Code
- 18.7.4. Recursive "from" Imports May Not Work
- 18.7.5. reload May Not Impact from Imports
- 18.7.6. reload and from and Interactive Testing
- 18.7.7. reload Isn't Applied Transitively
- 18.8. Part V Exercises
- 18.1. Data Hiding in Modules
- 15. Modules: The Big Picture
- VI. Classes and OOP
- 19. OOP: The Big Picture
- 19.1. Why Use Classes?
- 19.2. OOP from 30,000 Feet
- 19.2.1. Attribute Inheritance Search
- 19.2.2. Coding Class Trees
- 19.2.3. OOP Is About Code Reuse
- 20. Class Coding Basics
- 20.1. Classes Generate Multiple Instance Objects
- 20.1.1. Class Objects Provide Default Behavior
- 20.1.2. Instance Objects Are Concrete Items
- 20.1.3. A First Example
- 20.2. Classes Are Customized by Inheritance
- 20.2.1. A Second Example
- 20.2.2. Classes and Modules
- 20.3. Classes Can Intercept Python Operators
- 20.3.1. A Third Example
- 20.3.2. Why Operator Overloading?
- 20.1. Classes Generate Multiple Instance Objects
- 21. Class Coding Details
- 21.1. The Class Statement
- 21.1.1. General Form
- 21.1.2. Example
- 21.2. Methods
- 21.2.1. Example
- 21.2.2. Calling Superclass Constructors
- 21.2.3. Other Method Call Possibilities
- 21.3. Inheritance
- 21.3.1. Attribute Tree Construction
- 21.3.2. Specializing Inherited Methods
- 21.3.3. Class Interface Techniques
- 21.3.4. Abstract Superclasses
- 21.4. Operator Overloading
- 21.4.1. Common Operator Overloading Methods
- 21.4.2. __getitem__ Intercepts Index References
- 21.4.3. __getitem__ and __iter__ Implement Iteration
- 21.4.3.1. User-defined iterators
- 21.4.4. __getattr__ and __setattr__ Catch Attribute References
- 21.4.5. __repr__ and __str__Return String Representations
- 21.4.6. __radd__ Handles Right-Side Addition
- 21.4.7. __call__ Intercepts Calls
- 21.4.8. __del__ Is a Destructor
- 21.5. Namespaces: The Whole Story
- 21.5.1. Unqualified Names: Global Unless Assigned
- 21.5.2. Qualified Names: Object Namespaces
- 21.5.3. Assignments Classify Names
- 21.5.4. Namespace Dictionaries
- 21.5.5. Namespace Links
- 21.1. The Class Statement
- 22. Designing with Classes
- 22.1. Python and OOP
- 22.1.1. Overloading by Call Signatures (or Not)
- 22.2. Classes as Records
- 22.3. OOP and Inheritance: "is-a" Relationships
- 22.4. OOP and Composition: "has-a" Relationships
- 22.4.1. Stream Processors Revisited
- 22.5. OOP and Delegation
- 22.6. Multiple Inheritance
- 22.7. Classes Are Objects: Generic Object Factories
- 22.7.1. Why Factories?
- 22.8. Methods Are Objects: Bound or Unbound
- 22.9. Documentation Strings Revisited
- 22.10. Classes Versus Modules
- 22.1. Python and OOP
- 23. Advanced Class Topics
- 23.1. Extending Built-in Types
- 23.1.1. Extending Types by Embedding
- 23.1.2. Extending Types by Subclassing
- 23.2. Pseudo-Private Class Attributes
- 23.2.1. Name Mangling Overview
- 23.2.2. Why Use Pseudo-Private Attributes?
- 23.3. "New Style" Classes in Python 2.2
- 23.3.1. Diamond Inheritance Change
- 23.3.1.1. Diamond inheritance example
- 23.3.1.2. Explicit conflict resolution
- 23.3.2. Other New Style Class Extensions
- 23.3.2.1. Static and class methods
- 23.3.2.2. Instance slots
- 23.3.2.3. Class properties
- 23.3.2.4. New __getattribute__ overload method
- 23.3.1. Diamond Inheritance Change
- 23.4. Class Gotchas
- 23.4.1. Changing Class Attributes Can Have Side Effects
- 23.4.2. Multiple Inheritance: Order Matters
- 23.4.3. Class Function Attributes Are Special: Static Methods
- 23.4.3.1. Solution (prior to 2.2, and in 2.2 normally)
- 23.4.3.2. Static and class methods in Python 2.2
- 23.4.4. Methods, Classes, and Nested Scopes
- 23.4.5. Overwrapping-itis
- 23.5. Part VI Exercises
- 23.1. Extending Built-in Types
- 19. OOP: The Big Picture
- VII. Exceptions and Tools
- 24. Exception Basics
- 24.1. Why Use Exceptions?
- 24.1.1. Exception Roles
- 24.2. Exception Handling: The Short Story
- 24.3. The try/except/else Statement
- 24.3.1. Try Statement Clauses
- 24.3.2. The try/else Clause
- 24.3.3. Example: Default Behavior
- 24.3.4. Example: Catching Built-in Exceptions
- 24.4. The try/finally Statement
- 24.4.1. Example: Coding Termination Actions with try/finally
- 24.5. The raise Statement
- 24.5.1. Example: Raising and Catching User-Defined Exceptions
- 24.5.2. Example: Passing Extra Data with raise
- 24.5.3. Example: Propagating Exceptions with raise
- 24.6. The assert Statement
- 24.6.1. Example: Trapping Constraints (but Not Errors)
- 24.1. Why Use Exceptions?
- 25. Exception Objects
- 25.1. String-Based Exceptions
- 25.2. Class-Based Exceptions
- 25.2.1. Class Exception Example
- 25.2.2. Why Class Exceptions?
- 25.2.3. Built-in Exception Classes
- 25.2.4. Specifying Exception Text
- 25.2.5. Sending Extra Data in Instances
- 25.2.5.1. Example: extra data with classes and strings
- 25.3. General raise Statement Forms
- 26. Designing with Exceptions
- 26.1. Nesting Exception Handlers
- 26.1.1. Example: Control-Flow Nesting
- 26.1.2. Example: Syntactic Nesting
- 26.2. Exception Idioms
- 26.2.1. Exceptions Aren't Always Errors
- 26.2.2. Functions Signal Conditions with raise
- 26.2.3. Debugging with Outer try Statements
- 26.2.4. Running in-Process Tests
- 26.3. Exception Design Tips
- 26.3.1. What Should Be Wrapped
- 26.3.2. Catching Too Much
- 26.3.3. Catching Too Little
- 26.4. Exception Gotchas
- 26.4.1. String Exceptions Match by Identity, Not Value
- 26.4.2. Catching the Wrong Thing
- 26.5. Core Language Summary
- 26.5.1. The Python Toolset
- 26.5.2. Development Tools for Larger Projects
- 26.6. Part VII Exercises
- 26.1. Nesting Exception Handlers
- 24. Exception Basics
- VIII. The Outer Layers
- 27. Common Tasks in Python
- 27.1. Exploring on Your Own
- 27.2. Conversions, Numbers, and Comparisons
- 27.3. Manipulating Strings
- 27.3.1. The string Module
- 27.3.2. Complicated String Matches with Regular Expressions
- 27.3.2.1. A real regular expression problem
- 27.4. Data Structure Manipulations
- 27.4.1. Making Copies
- 27.4.1.1. The copy module
- 27.4.2. Sorting
- 27.4.3. Randomizing
- 27.4.4. Making New Data Structures
- 27.4.5. Making New Lists and Dictionaries
- 27.4.1. Making Copies
- 27.5. Manipulating Files and Directories
- 27.5.1. The os and os.path Modules
- 27.5.2. Copying Files and Directories: The shutil Module
- 27.5.3. Filenames and Directories
- 27.5.4. Matching Sets of Files
- 27.5.5. Using Temporary Files
- 27.5.6. Modifying Input and Outputs
- 27.5.7. Using Standard I/O to Process Files
- 27.5.7.1. Finding all lines that start with a #
- 27.5.7.2. Extracting the fourth column of a file (where columns are defined by whitespace)
- 27.5.7.3. Extracting the fourth column of a file, where columns are separated by colons, and making it lowercase
- 27.5.7.4. Printing the first 10 lines, the last 10 lines, and every other line
- 27.5.7.5. Counting the number of times the word "Python" occurs in a file
- 27.5.7.6. Changing a list of columns into a list of rows
- 27.5.7.7. Choosing chunk sizes
- 27.5.8. Doing Something to a Set of Files Specified on the Command Line
- 27.5.9. Processing Each Line of One or More Files
- 27.5.10. Dealing with Binary Data: The struct Module
- 27.6. Internet-Related Modules
- 27.6.1. The Common Gateway Interface: The cgi Module
- 27.6.2. Manipulating URLs: The urllib and urlparse Modules
- 27.6.3. Specific Internet Protocols
- 27.6.4. Processing Internet Data
- 27.6.5. XML Processing
- 27.7. Executing Programs
- 27.8. Debugging, Testing, Timing, Profiling
- 27.8.1. Debugging with pdb
- 27.8.2. Testing with unittest
- 27.8.3. Timing
- 27.9. Exercises
- 28. Frameworks
- 28.1. An Automated Complaint System
- 28.1.1. Excerpt from the HTML File
- 28.2. Interfacing with COM: Cheap Public Relations
- 28.3. A Tkinter-Based GUI Editor for Managing Form Data
- 28.3.1. The Main Program
- 28.3.2. The Form Editor
- 28.3.3. Design Considerations
- 28.4. Jython: The Felicitous Union of Python and Java
- 28.4.1. Jython Gives Python Programmers Access to Java Libraries
- 28.4.2. Jython as a Java Scripting Language
- 28.4.3. A Real Jython/Swing Application: grapher.py
- 28.5. Exercises
- 28.1. An Automated Complaint System
- 29. Python Resources
- 29.1. Layers of Community
- 29.1.1. The Core
- 29.1.2. Local User Groups
- 29.1.3. Conferences and Workshops
- 29.1.4. Where to Get Help
- 29.1.4.1. Python-help
- 29.1.4.2. Python-tutor
- 29.1.4.3. Python-list
- 29.1.5. Special Interest Groups
- 29.1.6. python-dev
- 29.1.7. News Sources
- 29.2. The Process
- 29.3. Services and Products
- 29.4. The Legal Framework: The Python Software Foundation
- 29.5. Software
- 29.5.1. Search the Web
- 29.5.2. Search the Mailing List Archives
- 29.5.3. Look in the Vaults of Parnassus
- 29.5.4. Check the Python Package Index (PyPI)
- 29.5.5. Look in the Python Cookbook
- 29.6. Popular Third-Party Software
- 29.6.1. Interfaces to Windows and the MacOS
- 29.6.1.1. Windows
- 29.6.1.2. Macintosh
- 29.6.2. Special-Purpose Libraries
- 29.6.2.1. Scientific computing libraries
- 29.6.2.2. Relational database interfaces
- 29.6.2.3. Graphics libraries
- 29.6.2.3.1. Python Imaging Library (PIL)
- 29.6.2.3.2. PyGame and PyOpenGL
- 29.6.3. Interfaces to GUI Toolkits
- 29.6.4. Interfaces to C/C++/Fortran
- 29.6.4.1. SWIG and f2py
- 29.6.4.2. CXX and Boost::Python
- 29.6.4.3. Pyrex, Weave, and Psyco
- 29.6.4.4. ctypes
- 29.6.5. Little Gems
- 29.6.6. Packaging Tools
- 29.6.6.1. Installer
- 29.6.6.2. py2exe
- 29.6.1. Interfaces to Windows and the MacOS
- 29.7. Web Application Frameworks
- 29.7.1. Zope
- 29.7.2. Twisted
- 29.7.3. Quixote
- 29.7.4. Webware, Spyce, and More
- 29.8. Tools for Python Developers
- 29.1. Layers of Community
- 27. Common Tasks in Python
- IX. Appendixes
- A. Installation and Configuration
- A.1. Installing the Python Interpreter
- A.1.1. Where to Get Python
- A.1.2. Installation Steps
- A.1.3. Configuration Steps
- A.1.3.1. Python environment variables
- A.1.4. How to Set Configuration Options
- A.1.4.1. UNIX/Linux shell variables
- A.1.4.2. DOS variables (Windows)
- A.1.4.3. Other Windows options
- A.1.4.4. Path files
- A.1. Installing the Python Interpreter
- B. Solutions to Exercises
- B.1. Part I
- B.2. Part II
- B.3. Part III
- B.4. Part IV
- B.5. Part V
- B.6. Part VI
- B.7. Part VII
- B.8. Part VIII
- B.8.1. Chapter 27
- B.8.2. Chapter 28
- A. Installation and Configuration
- About the Authors
- Colophon
- SPECIAL OFFER: Upgrade this ebook with OReilly
O'Reilly Media - inne książki
-
Nowość Promocja
There are more applications running in the cloud than there are ones that run well there. If you're considering taking advantage of cloud technology for your company's projects, this practical guide is an ideal way to understand the best practices that will help you architect applications that work well in the cloud, no matter which vendors, produc-
- ePub + Mobi 169 pkt
(160,65 zł najniższa cena z 30 dni)
169.14 zł
199.00 zł (-15%) -
-
Nowość Promocja
Ready to build production-grade applications with generative AI? This practical guide takes you through designing and deploying AI services using the FastAPI web framework. Learn how to integrate models that process text, images, audio, and video while seamlessly interacting with databases, filesystems, websites, and APIs. Whether you're a web deve-
- ePub + Mobi 203 pkt
(194,65 zł najniższa cena z 30 dni)
203.15 zł
239.00 zł (-15%) -
-
Nowość Promocja
Looking to accelerate development and build cloud native applications with AWS Cloud Development Kit? Through hands-on projects, you'll learn the basics of AWS CDK, the tool of choice for many of the world's largest technology companies.Informed by real case studies and years of work with enterprise-scale cloud architectures, this book will benefit-
- ePub + Mobi 194 pkt
(186,15 zł najniższa cena z 30 dni)
194.65 zł
228.99 zł (-15%) -
-
Nowość Promocja
Our physical world is grounded in three dimensions. To create technology that can reason about and interact with it, our data must be 3D too. This practical guide offers data scientists, engineers, and researchers a hands-on approach to working with 3D data using Python. From 3D reconstruction to 3D deep learning techniques, you'll learn how to ext-
- ePub + Mobi 228 pkt
(220,15 zł najniższa cena z 30 dni)
228.65 zł
269.00 zł (-15%) -
-
Nowość Promocja
If you know how to program, you have the skills to turn data into knowledge. This thoroughly revised edition presents statistical concepts computationally, rather than mathematically, using programs written in Python. Through practical examples and exercises based on real-world datasets, you'll learn the entire process of exploratory data analysis—-
- ePub + Mobi 228 pkt
(228,65 zł najniższa cena z 30 dni)
228.65 zł
269.00 zł (-15%) -
-
Nowość Promocja
We've arrived in a new era—GenAI is reshaping industries and decision-making processes across the board. As a result, understanding their potential and pitfalls has become crucial. But in order to stay ahead of the curve, you'll need to develop fresh perspectives on leveraging AI beyond mere technical know-how. Geared toward business leaders and te-
- ePub + Mobi 228 pkt
(228,65 zł najniższa cena z 30 dni)
228.65 zł
269.00 zł (-15%) -
-
Nowość Promocja
In today's data-driven world, organizations must manage and analyze vast amounts of information to deliver the insights that give them a competitive advantage. Many turn to the medallion architecture because it's a proven and well-known design. Yet implementing a robust data pipeline can be difficult, particularly when it comes to using the medalli-
- ePub + Mobi 177 pkt
(177,65 zł najniższa cena z 30 dni)
177.65 zł
209.00 zł (-15%) -
-
Nowość Promocja
CockroachDB is the distributed SQL database that handles the demands of today's data-driven applications. The second edition of this popular hands-on guide shows software developers, architects, and DevOps/SRE teams how to use CockroachDB for applications that scale elastically and provide seamless delivery for end users while remaining indestructi-
- ePub + Mobi 228 pkt
(228,65 zł najniższa cena z 30 dni)
228.65 zł
269.00 zł (-15%) -
-
Promocja
The past decade has seen cloud and infrastructure as code move out of shadow IT and startups and into the mainstream. Many organizations rushed to adopt new technologies as part of their transformation into digital businesses, creating a sprawl of unmaintainable infrastructure codebases. Now, there is a need to consolidate cloud-based systems into-
- ePub + Mobi 228 pkt
(228,65 zł najniższa cena z 30 dni)
228.65 zł
269.00 zł (-15%) -
-
Promocja
Salary surveys worldwide regularly place software architect in the top 10 best jobs, yet no real guide exists to help developers become architects. Until now. This updated edition provides a comprehensive overview of software architecture's many aspects, with five new chapters covering the latest insights from the field. Aspiring and existing archi-
- ePub + Mobi 228 pkt
(228,65 zł najniższa cena z 30 dni)
228.65 zł
269.00 zł (-15%) -
Dzięki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: sklep@ebookpoint.pl
Książka drukowana


Oceny i opinie klientów: Learning Python. 2nd Edition Mark Lutz, David Ascher
(0)