Halo, Habr! Hari ini saya menawarkan kepada Anda terjemahan artikel Duomly tentang studi dan praktik pemrograman dengan Python.
Pendahuluan
Belajar Python tidak jauh berbeda dari belajar bahasa pemrograman lain. Salah satu cara untuk menjadi seorang profesional dalam Python (atau dalam bahasa lain) terutama tergantung pada pengalaman dan pengetahuan Anda. Ini berarti bahwa pemrogram berpengalaman sudah akrab dengan konsep dasar pemrograman, sedangkan yang biasa menggunakan metode yang berbeda untuk memecahkan masalah ketika mereka bukan pendatang baru.
Tidak peduli apa, ada beberapa hal yang umum bagi semua, salah satunya adalah bahwa Anda perlu berlatih, banyak berlatih!
Untungnya, Python memiliki komunitas yang luas, ramah, dan komunikatif. Ini adalah proyek Open-Source yang sangat membantu dalam pengembangan.
Ada banyak tips bagus tentang cara berlatih Python. Artikel ini hanya akan membahas 10 di antaranya:
- Pilih lingkungan yang tepat
- Pastikan Anda memiliki basis yang cukup untuk mempelajari hal-hal yang lebih kompleks.
- Tulis dan perbaiki kode
- Baca dokumentasinya
- Pelajari hal-hal yang lebih rumit setelah dasar-dasar
- Ikuti Standar, Tip, dan Trik Python
- Analisis kode sumber
- Tertarik pada perpustakaan
- Menjadi bagian dari komunitas
- Pelajari bahasa pemrograman kedua
Pilih lingkungan yang tepat
Untuk memulai, Anda harus menggunakan Python 3 reguler dan manajer paket pada sistem operasi yang Anda gunakan. Windows, Mac OS, atau distribusi Linux apa pun cocok untuk ini. (Bahkan Android dengan QPython, meskipun kemungkinan terbatas dibandingkan dengan Python asli). Anda kemudian dapat menginstal Anaconda di Windows, Mac OS, atau Linux. Ini berisi juru bahasa Python, paket Conda, dependensi, dan manajer paket. Dengan itu, Anda dapat menemukan banyak perpustakaan pihak ketiga yang mungkin tampak bermanfaat bagi Anda.
Anda harus memilih IDE yang sesuai (lingkungan pengembangan terintegrasi). IDE paling populer seperti Visual Studio, VSCode, Emacs, Vim, Sublime Text, dll. Memiliki dukungan yang sangat baik untuk Python. Jika Anda menyukai produk JetBrains, Anda dapat mencoba menggunakan PyCharm.
Juga termasuk dalam paket distribusi Anaconda adalah IDE yang disebut Spyder.
IPython dan Jupyter Notebook adalah alat bagus yang menawarkan fungsionalitas interaktif yang nyaman. Ada juga interpreter Python interaktif, tetapi Anda mungkin menemukan itu lebih berguna untuk menguji potongan kode sederhana daripada menulis program besar.
Anda juga dapat melihat artikel ini untuk mempelajari lebih lanjut tentang IDE Python.
Antara lain, itu ide yang baik untuk menginstal dan mengkonfigurasi linter untuk Python (Pylint, flake8, dan lainnya). Mereka adalah paket kecil yang hanya menyoroti masalah kode Anda (sintaksis, atau terkait dengan ketidakpatuhan dengan gaya pemrograman dengan Python - PEP8).
Pastikan Anda memiliki basis yang cukup untuk mempelajari hal-hal yang lebih kompleks.
Jika Anda ingin mempelajari bahasa pemrograman apa pun, Anda harus belajar dengan baik untuk mempelajari dasar-dasar di mana Anda akan membangun karir Anda dalam bahasa ini. Ini berarti bahwa Anda setidaknya perlu tahu: sintaks dasar bahasa, memahami konsep dasar pemrograman, terbiasa dengan tipe data standar dan struktur, dan sebagainya.
Dalam Python, Anda harus memastikan bahwa Anda memahami konstruksi kondisional ( if , elif else, elif ), loop ( for , while ), fungsi, angka, string, tuple, set, daftar, kamus, dan sebagainya. Beberapa tipe data lain, seperti bilangan kompleks, tupel bernama, kumpulan tak berubah, juga bisa berguna.
Anda harus menemukan buku yang tepat untuk level Anda tentang Python.
Duomly menawarkan tutorial Python yang dapat Anda gunakan untuk mempelajari konsep-konsep ini dan banyak lagi.
Anda juga dapat memulai dengan tutorial di situs web resmi.
Tulis dan perbaiki kode
Menulis banyak kode untuk diri sendiri adalah bagian integral dari belajar bahasa pemrograman.
Mulai dengan kode dari buku dan tutorial. Kemudian cobalah untuk memodifikasinya, misalnya, untuk menyederhanakannya, atau lebih cocok untuk beberapa tujuan. Setelah itu, cobalah menulis program kecil Anda sendiri tetapi bermanfaat.
Tapi yang paling penting, ingat salah satu hal terpenting tentang pemrograman: ini bukan tentang mengetik kode, ini tentang memahami!
Anda akan membuat kesalahan. Semua programmer melakukannya. Dan ini sama sekali tidak buruk. Hal terpenting dalam hal ini adalah mencari tahu apa yang salah dan tentu saja tidak mengulangi kesalahan ini di masa depan. Setiap kali Anda menerima dan memperbaiki bug, Anda menjadi pemrogram yang sedikit lebih baik dari sebelumnya.
Terkadang, penting untuk kembali ke kode lama dan mencoba memperbaikinya. Saya harap Anda melihat di mana Anda menjadi lebih baik daripada ketika Anda menulis kode ini.
Pikirkan masalah yang ingin Anda selesaikan. Idealnya, ini adalah masalah yang Anda sukai. Investasi emosional biasanya meningkatkan hasil. Mulai proyek kecil hingga menengah Anda dan cobalah untuk memperbaikinya sesering mungkin. Setelah Anda mempelajari sesuatu yang baru, tanyakan pada diri Anda bagaimana Anda bisa menerapkannya pada masalah yang ingin Anda selesaikan.
Baca dokumentasinya
Dokumentasi sangat penting dalam Python. Anda harus membiasakan diri untuk sering membacanya. Sebaiknya, sebelum menggunakan fungsi atau metode yang ada, untuk membaca dokumentasi tentangnya.
Untungnya, pustaka standar Python dan sebagian besar pustaka pihak ketiga yang populer memiliki dokumentasi terperinci yang baik tersedia di situs web mereka. Anda juga bisa mendapatkan dokumentasi tentang objek Python (kelas, metode, dll) secara terprogram menggunakan atribut .doc:
>>> print(slice.__doc__) slice(stop) slice(start, stop[, step]) Create a slice object. This is used for extended slicing (eg a[0:10:2]).
Dokumentasi mungkin berisi lebih banyak detail di beberapa titik.
Anda dapat belajar banyak dari dokumentasi. Anda dapat melihat cara menggunakan fungsi, metode atau kelas, argumen apa yang perlu Anda lewati, yang akan mengembalikan panggilan fungsi, dan sebagainya. Ini juga sering berisi contoh-contoh terkait yang mungkin lebih informatif dan terkadang instruktif.
Pelajari hal-hal yang lebih rumit setelah dasar-dasar
Setelah Anda memahami dasar-dasarnya, Anda dapat mulai mempelajari hal-hal yang lebih kompleks. Jangan khawatir, Anda tidak akan melupakan dasar-dasarnya. Anda akan selalu membutuhkannya.
Topik-topik seperti penanganan perkecualian, pembongkaran dan pengemasan argumen, * args dan ** kwargs, dekorator, modul dan paket, OOP dan generator sering digunakan dan Anda perlu mengetahui dan memahaminya pada tingkat yang baik.
Ada juga banyak topik lanjutan yang perlu dipelajari. Misalnya, metode ajaib, coroutine, pemrograman asinkron, multithreading, multiprocessing, pengujian dan sebagainya. Ini bukan yang Anda butuhkan di awal. Jadi, Anda bisa mulai dengan sesuatu yang lebih sederhana dan lebih bermanfaat. Misalnya, Anda memerlukan alat yang ampuh untuk memanipulasi string, Anda dapat mencoba ekspresi reguler. Jika Anda mengerjakan proyek sains, Anda mungkin akan menemukan multiprosesing menarik bagi Anda.
Ikuti Standar, Tip, dan Trik Python
Ada banyak hal spesifik dalam pemrograman khusus untuk bahasa Python yang bukan tugas termudah untuk dipelajari. Sangat beruntung bahwa ada banyak sumber daya yang mencakup banyak topik ini.
Dokumentasi Python resmi berisi banyak informasi. PEP 20, juga disebut Zen oleh Python, ditulis oleh Tim Peters, menunjukkan prinsip-prinsip dasar Python:
>>> import this The Zen of Python, by Tim Peters , . , . , . , . , . , . . , . . . . , . , , . , . , . , . — . — , , . — ! !
PEP 8, atau Panduan Penulisan Kode oleh Guido Van Rossum, B. Warsaw.
Juga PEP 257, yang menunjukkan konvensi untuk jalur dokumentasi.
Analisis kode sumber
Python adalah bahasa pemrograman open-source, seperti kebanyakan perpustakaan populer. Ini berarti Anda dapat membaca kode sumber. Ini sering terjadi di Github, tetapi ada tempat lain di mana Anda bisa melakukan ini.
Membaca dan memahami kode perpustakaan memungkinkan Anda untuk lebih memahami cara kerjanya.
Selain itu, Anda dapat belajar banyak dengan menganalisis kode sumber programmer lain (semoga baik). Anda dapat meminjam ide, melihat jalur implementasi yang berbeda, mempelajari pola baru, dan sebagainya.
Tertarik pada perpustakaan
Python memiliki banyak pustaka yang berguna untuk berbagai tugas:
ekspresi reguler, matematika, statistik, pembuatan angka acak, pengujian, iterasi, pemrograman fungsional, multithreading dan multiprocessing, kelas abstrak dan banyak lagi.
Ada juga beberapa perpustakaan pihak ketiga yang sangat berguna untuk berbagai tugas ilmiah.
Jelas, Anda tidak dapat mempelajari cara menggunakan semuanya, tetapi Anda dapat fokus pada beberapa dari mereka yang tampaknya lebih menarik bagi Anda untuk spesialisasi Anda.
Jika Anda ingin menjadi Ilmuwan atau terlibat dalam Pembelajaran Mesin, Anda harus mulai dengan NumPy, yang merupakan perpustakaan pendiri, untuk memanipulasi array satu dan banyak dimensi dengan cara yang efisien dan mudah. Ini cepat dan mencakup banyak operasi array, tanpa secara eksplisit menulis for loop dari Python.
>>> import numpy as np >>> >>> a = np.array([1, 2, 3, 4, 5]) >>> a array([1, 2, 3, 4, 5]) >>> b = 2**a >>> b array([ 2, 4, 8, 16, 32]) >>> a + b array([ 3, 6, 11, 20, 37]) >>> b / 2 array([ 1., 2., 4., 8., 16.])
- NumPy menawarkan banyak fungsi untuk memanipulasi array. Ini juga berisi alat untuk aljabar linier, statistik, dan sebagainya.
- SciPy adalah perpustakaan untuk perhitungan ilmiah yang dibangun di atas NumPy, yang berisi fitur tambahan untuk aljabar linier dan statistik.
- Panda adalah salah satu perpustakaan Python paling populer. Itu juga dibangun di atas NumPy dan bekerja dengan baik dengan NumPy dan SciPy. Ini mencakup fungsi untuk memanipulasi data.
- Scikit-belajar adalah pustaka dasar untuk Pembelajaran Mesin dengan banyak algoritma. TensorFlow, Theano, Pytorch, dan Keras juga digunakan untuk bekerja dengan jaringan saraf.
- Matplotlib dan Bokeh adalah opsi yang baik untuk memvisualisasikan data.
Semua perpustakaan ini memiliki dokumentasi yang sangat baik.
Jika Anda ingin melakukan pemrograman web, Anda bisa belajar dan berlatih bekerja dengan beberapa kerangka kerja Python backend. Yang paling populer di antara mereka - Django, memiliki sebagian besar fitur yang diperlukan. Sangat nyaman untuk aplikasi web besar. Flask, di sisi lain, adalah kerangka kerja mikro yang kuat dan fleksibel dengan banyak tambahan. Django dan Flask adalah kerangka kerja web Python paling populer.
Python juga memiliki kerangka kerja web lain seperti Piramida, Botol, Tornado dan sebagainya.
SQLAlchemy adalah paket yang mencakup kemampuan untuk bekerja dengan database dalam gaya berorientasi objek. Ini sering digunakan dalam kerangka kerja web, tetapi juga dalam Ilmu Data.
Menjadi bagian dari komunitas
Seperti yang telah disebutkan, Python memiliki komunitas yang besar dan ramah. Anda bisa menjadi bagian darinya. Baca publikasi, komentar, tanyakan, cari penjelasan.
Ketika Anda memiliki tingkat pengetahuan yang memadai, Anda dapat mulai menginvestasikan pengetahuan Anda dalam proyek-proyek sumber terbuka, atau membantu mereka yang menulis artikel atau tutorial. Hal-hal ini sangat dihargai oleh masyarakat dan sebagian besar pengusaha potensial.
Pelajari bahasa pemrograman kedua
Python adalah bahasa pemrograman multi-paradigma, dan dalam banyak situasi, itu sudah cukup.
Tapi apa pun yang terjadi, Anda selalu perlu mencari keuntungan dalam mempelajari bahasa lain.
Dengan ini, Anda dapat meningkatkan pengetahuan Anda dalam pemrograman secara umum, paradigma dan memperluas wawasan Anda. Saat Anda mempelajari satu bahasa, mempelajari yang lain akan lebih mudah. Kebanyakan programmer yang baik tahu beberapa bahasa.
Jika Anda ingin menjadi programmer web, Anda mungkin perlu belajar JavaScript. Belajar C baik untuk pemahaman yang lebih baik tentang konsep pemrograman dasar, tetapi Anda juga dapat menulis fungsi yang sangat cepat untuk Python. Rust adalah bahasa baru dan sangat keren yang sudah memiliki integrasi yang baik dengan Python
Contoh proyek untuk latihan
Ada banyak proyek kecil yang dapat Anda gunakan untuk mempelajari Python. Misalnya, cobalah mengotomatiskan tugas-tugas membosankan. Mempelajari string, ekspresi reguler, dan bahkan pustaka pola Jinja dapat membantu Anda menulis kode yang lebih efisien.
- Jika Anda sering bekerja dengan Microsoft Office Excel, Anda dapat menggunakan XLWings, NumPy, dan Panda untuk mempercepat perhitungan Anda.
- Anda dapat menggunakan Python untuk membuat game. Misalnya, Anda dapat mengambil pustaka
random dan mencoba mensimulasikan die roll, atau mengocok setumpuk kartu. - Jika Anda ingin membuat antarmuka grafis yang keren, Anda dapat menggunakan PyQt atau Tkinter. Mungkin Anda harus membuat kalkulator (lebih banyak fitur, lebih baik) atau permainan sederhana namun terkenal.
- Jika Anda ingin membenamkan diri dalam pengembangan web, coba Flask. Ini hanya membutuhkan 5 baris kode untuk mendapatkan aplikasi web dasar tetapi fungsional.
Situs web resmi Flask berisi dokumentasi yang luar biasa dan tutorial yang dapat Anda gunakan untuk mempelajarinya.
Tutorial Pembelajaran Mesin Doumly memiliki instruksi tentang cara mempraktikkan Ilmu Data dan pembelajaran mesin.
Kesimpulan
Anda telah membaca beberapa tips tentang cara berlatih Python. Saya harap mereka membantu Anda menjadi programmer Python. Ingatlah bahwa Anda perlu banyak memprogram, menulis program yang menarik, mencoba belajar dari kesalahan, dan tentu saja, menjadi bagian dari komunitas.
Selamat coding!