D9 Zusammenfassung des Lernmoduls - Pythonkurs

Damit schließen wir das dritte Lernmodul ab und sollten an dieser Stelle ein noch ausgereifteres Verständnis von Datenstrukturen und List Comprehensions haben, sowie einen ersten Eindruck welche Mächtigkeit Funktionen in Python aufweisen können. Zusammenfassend sollten Sie aus diesem Lernmodul die folgenden Punkte mitgenommen haben: In Python gibt es viele sinnvolle Datentypen und Datenstrukturen. Neben den elementaren Datentypen für ganze, reelle und komplexe Zahlen kennen wir nun auch Zeichenketten, Listen, Dictionaries und Mengen, sowie die darauf bereits bereitgestellten Operationen. Zeitmessungen können helfen, wenn wir uns nicht sicher sind, welche Datenstruktur für ein konkretes Problem eine gute Design-Entscheidung ist. List Comprehensions (und analog für andere Datenstrukturen) sind eine mächtige Kurzform zur Vermeidung von Schleifen. Bei der Arbeit mit mutable Datentypen erfolgen Kopien per Referenz, und man muss deep copies verwenden, wenn eine echte Kopie gewünscht ist. Mutable sind list, dict und set, immutable sind int, float, complex, bool, tuple und irritierenderweise auch str. Das ist insbesondere wichtig bei geschachtelten Datentypen, wie Listen von Listen, oder Dictionaries von Zeichenketten, unabhängig davon, ob der „innere“ Datentyp mutable ist oder nicht. Funktionen sind nützlich um redundanten Code zu vermeiden und Code auszulagern. Funktionen können beliebig viele Argumente verwenden. Funktionen können zudem beliebig viele Rückgabewerte besitzen, die mittels return zurückgegeben werden und im aufrufenden Programm als tuple erscheinen. Funktionen können „sich selbst“ rekursiv aufrufen. Vorsicht ist geboten bei der Implementierung des Rekursions-Abbruchs, um unendliche Laufzeit oder eine Fehlermeldung zu vermeiden. Auf der Anwendungsseite haben wir nun drei mächtige Datenstrukturen zur Auswahl, und konnten bspw. schon einen ersten kryptographischen Algorithmus programmieren.