Środowisko

• Python 3
• PyCharm

Przydatne linki

• Dokumentacja języka Python 3
• Formatowanie tekstu (sposób "stary" i "nowy"; sposób z wykładu: w materiałach niżej)
• Wizualizator Pythona
• Dokumentacja modułu math
• Project Jupyter
• Dokumentacja biblioteki numpy

Literatura do wykładu

1. Amit Saha — Doing Math with Python: Use Programming to Explore Algebra, Statistics, Calculus, and More!, link.
2. Andreas C. Müller, Sarah Guido — Introduction to machine learning with Python: a guide for data scientists, link
3. Eric Matthes — Python Crash Course: A Hands-On, Project-Based Introduction to Programming, link.
4. Luciano Ramalho — Fluent Python: Clear, Concise, and Effective Programming, link.

Omówiony materiał

1. Przypomnienie i rozszerzenie podstaw Pythona. Nazwy są osobne od obiektów, które nazywają; "wszystko jest obiektem"; "wyrażenie jest wartością". Przykłady iteracji i obiektów iterowalnych; krótko o arytmetyce zmiennoprzecinkowej; i inne. Slajdy.
2. Formatowanie napisów przez napisy interpolowane (f-stringi). Przegląd operacji na listach (w tym slicing, listy składane) i słownikach. Slajdy. Przykłady: formatowanie (wersja html), listy (wersja html), słowniki (wersja html), slicing. Trójkąt Pascala. Prosta reprezentacja osób i miast.
3. Praca z obiektami w stylu JSON. Zasięgi i przestrzeni nazw. Wstęp do pisania modułów. Slajdy: zasięgi nazw, ramki wykonania. Przykłady na wizualizację zasięgu zmiennych: 1, 2, 3, 4, 5. Wyznaczanie wartości ciągu zdefiniowanego rekurencyjnie. Atrapa aplikacji z kilkoma modułami. Bonus: przykład na ramkę okalającą.
4. Jupyter Notebook. Biblioteka numpy. Tablice: konstrukcja, slicing, dane statystyczne. Operacje macierzowe, operacje na plikach. Wstęp do matplotlib. Materiały z wykładu (prezentacja w Jupyter Notebook, wersja .html, oraz materiały). Bonus: "atrapa sktyptu".