Verstehen Sie das Global Interpreter Lock von CPython, warum Threads CPU-bound Code nicht beschleunigen, und wann Sie threading, multiprocessing oder den free-threaded Build nutzen sollten.
Anleitung zum Paketieren einer Python-Bibliothek mit pyproject.toml, zum Bauen von Wheels, zum Testen auf TestPyPI und zur Veröffentlichung auf PyPI mit Token oder Trusted Publishing.
Warum Threading CPU-intensive Code nicht beschleunigt, und wie man multiprocessing, Pool und ProcessPoolExecutor nutzt, um alle CPU-Kerne auszulasten.
Python-Logging für Production konfigurieren: Logger pro Modul, dictConfig, JSON-Logs, request_id mit contextvars, QueueHandler und Tests mit caplog.
Verwende pathlib.Path statt os.path und os zum Verbinden, Teilen, Lesen, Schreiben und Durchsuchen von Dateien. Mit Referenztabelle, pytest-Tests und häufigen Fehlern.
Wie du try/except/else/finally, Custom-Exceptions, raise from, Logging, ExceptionGroup und Exception-Tests mit pytest nutzt.
Wie man Pydantic v2 zur Validierung von Eingabedaten nutzt: BaseModel, Field, field_validator, model_validator, strict mode, TypeAdapter und Testing mit pytest.
Baue REST APIs mit FastAPI und Pydantic v2, um fehlerhafte Daten an der Eingabe zu blockieren, einschließlich Anpassung des 422-Fehlers und Schreiben von Tests mit pytest.
Wie du List, Dict und Set Comprehensions sowie Generator Expressions in Python verwendest, um kompakten und lesbaren Code zu schreiben – mit häufigen Fehlern und wann du zu for-Schleifen zurückkehrst.
Anleitung zum Schreiben von Tests mit pytest, Verwendung von Fixtures zur Datenvorbereitung, Ressourcen-Cleanup, Freigabe über conftest.py und Parametrisierung von Tests.
Wie die with-Anweisung funktioniert, eigene Context Manager mit Klassen oder contextlib schreiben, Exception richtig handhaben und häufige Fehler vermeiden.
Wie man eine virtuelle Umgebung erstellt, Pakete mit pip verwaltet und ein Python-Projekt mit pyproject.toml deklariert – mit funktionierenden Beispielen und häufig auftretenden Fehlern.
Lernen Sie Dekoratoren in Python: von der @ Syntax über Closures und functools.wraps bis zu parametrisierten Dekoratoren und klassenbasierten Dekoratoren.
Lerne Generator, yield und wie sie dir helfen, riesige Dateien oder Datenströme zu verarbeiten, ohne alles ins RAM zu laden.
Unterscheide asyncio und threading in Python durch 3 praktische Fragen und wähle das richtige Concurrency-Modell für jedes Szenario.
Lernen Sie das dataclasses-Modul von Python kennen, das Ihnen hilft, Datenklassen prägnant zu schreiben und automatisch __init__, __repr__, __eq__ zu generieren, ohne Boilerplate-Code.
Erfahre, wie du Type Hints nutzt, um deinen Python-Code präzise zu gestalten, und wie mypy dir hilft, Typfehler zu erkennen, bevor du den Code ausführst.
Python