Krajta

Krajta

Jazyková třída	objektově orientovaný programovací jazyk
Objevil se v	20. února 1991 [17]
Autor	Guido van Rossum [1]
Vývojář	Python Software Foundation a Guido van Rossum [1]
Přípona souboru	.py, [18] , [19] , [20] , [21] , [22] nebo [23].pyc.pyd.pyo.pyw.pyz.pyi
Uvolnění	3.11.0 ( 24. října 2022 ) [2] [3] [4]
Byl ovlivněn	ABC , [5] Ada , [6] Algol 68 , [7] APL , [8] C , [9] C++ , [10] Clu , [11] Dylan , [12] Haskell , [13] Icon , [14 ] Java , [15] Lisp , [16] Modula-3 , [10] Perl , Standard ML [8]
Licence	Licence Python Software Foundation [1]
webová stránka	python.org _
Plošina	Microsoft Windows
OS	multiplatformní [24]
Mediální soubory na Wikimedia Commons

Python ( IPA : [ˈpʌɪθ(ə)n] ; v ruštině existují názvy python [25] nebo python [26] ) je univerzální programovací jazyk na vysoké úrovni s dynamickým silným psaním a automatickou správou paměti [27] [28 ] , zaměřený na zlepšení produktivity vývojářů, čitelnosti a kvality kódu a zajištění přenositelnosti programů na něm napsaných [29] . Jazyk je zcela objektově orientovaný v tom smyslu, že vše je objekt [27] . Neobvyklou vlastností jazyka je odsazení bloků kódu bílými znaky [30] . Syntaxe základního jazyka je minimalistická, díky čemuž je v praxi málokdy potřeba odkazovat na dokumentaci [29] . Samotný jazyk je znám jako interpretovaný a používá se mimo jiné pro psaní skript [27] . Nevýhodou jazyka je často nižší rychlost a vyšší paměťová náročnost programů v něm napsaných ve srovnání s podobným kódem napsaným v kompilovaných jazycích, jako je C nebo C++ [27] [29] .

Python je multiparadigmatický programovací jazyk , který podporuje imperativní , procedurální , strukturované , objektově orientované programování [27] , metaprogramování [31] a funkcionální programování [27] . Problémy obecného programování jsou řešeny pomocí dynamického typování [32] [33] . Aspektově orientované programování je částečně podporováno prostřednictvím dekorátorů [34] , kompletnější podporu poskytují další frameworky [35] . Techniky jako smluvní a logické programování lze implementovat pomocí knihoven nebo rozšíření [36] . Hlavními architektonickými prvky jsou dynamické psaní , automatická správa paměti [27] , úplná introspekce , mechanismus zpracování výjimek , podpora vícevláknových výpočtů s globálním zámkem interpretů ( GIL ) [37] , datové struktury na vysoké úrovni . Je podporováno rozdělení programů do modulů , které lze zase kombinovat do balíčků [38] .

Referenční implementací Pythonu je interpret CPython , který podporuje nejrozšířenější platformy [39] a je de facto jazykovým standardem [40] . Je distribuován pod bezplatnou licencí Python Software Foundation License , která vám umožňuje používat jej bez omezení v jakékoli aplikaci, včetně proprietární [41] . CPython zkompiluje zdrojový kód do vysokoúrovňového bajtkódu , který běží v zásobníku virtuálního stroje [42] . Další tři hlavní implementace jazyka jsou Jython (pro JVM ), IronPython (pro CLR / .NET ) a PyPy [27] [43] . PyPy je napsán v podmnožině jazyka Python (RPython) a byl vyvinut jako alternativa k CPythonu za účelem zvýšení rychlosti provádění programu, včetně použití kompilace JIT [43] . Podpora pro Python 2 skončila v roce 2020 [44] . V současné době se aktivně vyvíjí verze jazyka Python 3 [45] . Vývoj jazyka se provádí prostřednictvím návrhů rozšíření jazyka PEP ( Python Enhancement Návrh ) , které popisují inovace, provádějí úpravy na základě zpětné vazby komunity a dokumentují konečná rozhodnutí [46] .

Standardní knihovna obsahuje velkou sadu užitečných přenosných funkcí, od schopností zpracování textu až po nástroje pro psaní síťových aplikací. Další funkce, jako je matematické modelování, práce s vybavením, psaní webových aplikací nebo vývoj her, lze implementovat prostřednictvím velkého množství knihoven třetích stran, stejně jako integrace knihoven napsaných v C nebo C++, zatímco Python samotný interpret může být integrován do projektů napsaných v těchto jazycích [27] . Existuje také specializované úložiště pro software napsaný v Pythonu, PyPI [47] . Toto úložiště poskytuje prostředek pro snadnou instalaci balíčků do operačního systému a stalo se de facto standardem pro Python [48] . K roku 2019 obsahoval přes 175 000 balíčků [47] .

Python se stal jedním z nejpopulárnějších jazyků a používá se v analýze dat , strojovém učení , DevOps a vývoji webu , mimo jiné včetně vývoje her . Díky své čitelnosti, jednoduché syntaxi a nedostatku kompilace je jazyk vhodný pro výuku programování, což vám umožní soustředit se na učení algoritmů, konceptů a paradigmat. Ladění a experimentování značně usnadňuje skutečnost, že jazyk je interpretovatelný [27] [49] . Jazyk používá mnoho velkých společností jako Google nebo Facebook [27] . Od září 2022 je Python na prvním místě v žebříčku TIOBE v oblíbenosti programovacích jazyků se skóre 15,74 % [50] . Python byl vyhlášen jazykem roku TIOBE v letech 2007, 2010, 2018, 2020 a 2021 [51] .

Historie

Nápad na implementaci jazyka se objevil na konci 80. let a vývoj jeho implementace začal v roce 1989 Guido van Rossum , pracovník holandského institutu CWI [46] . Distribuovaný operační systém Amoeba vyžadoval rozšiřitelný skriptovací jazyk a Guido začal vyvíjet Python ve svém volném čase a vypůjčil si část práce z jazyka ABC (Guido se podílel na vývoji tohoto jazyka zaměřeného na výuku programování). V únoru 1991 Guido zaslal zdrojový kód do diskusní skupiny alt.sources [52] . Od samého počátku byl Python navržen jako objektově orientovaný jazyk .

Guido van Rossum pojmenoval jazyk po populární britské komediální televizní show ze 70. let Monty Python's Flying Circus [ 53 ] , protože autor byl fanouškem show, stejně jako mnoho dalších vývojářů té doby, a samotná show měla určitou paralelu se světem výpočetní techniky [29] .

Mít přátelskou a citlivou uživatelskou komunitu je spolu s Guidovou designovou intuicí považováno za jeden z klíčů k úspěchu Pythonu. Vývoj jazyka probíhá podle jasně regulovaného procesu tvorby, projednávání, výběru a implementace dokumentů PEP ( Python Enhancement Návrh ) - návrhů na vývoj Pythonu [54] .

3. prosince 2008 [55] byla po rozsáhlém testování vydána první verze Pythonu 3000 (nebo Pythonu 3.0, také známého jako Py3k ). Python 3000 opravuje mnoho nedostatků architektury při zachování co největší (ale ne úplné) kompatibility se staršími verzemi Pythonu.

Datum konce podpory pro Python 2.7 bylo původně nastaveno na rok 2015 a poté posunuto zpět na rok 2020 z obavy, že velkou část stávajícího kódu nebude možné snadno přenést do Pythonu 3 [56] [57] . Podpora Pythonu 2 byla zaměřena pouze na existující projekty, nové projekty musely používat Python 3 [45] . Python 2.7 není oficiálně podporován od 1. ledna 2020, ačkoli poslední aktualizace byla vydána v dubnu 2020. Pro Python 2.7 nebudou vydány žádné další opravy zabezpečení ani jiná vylepšení [44] [58] . S koncem životnosti Pythonu 2.x je podporován pouze Python 3.6.xa novější [59] .

Koncepce a filozofie

Jazyk používá dynamické psaní spolu s počítáním referencí a kruhovým garbage collectorem pro správu paměti [60] . Existují také dynamická rozlišení názvů ( dynamická vazba ), která spojují názvy metod a proměnných během provádění programu.

Python nabízí podporu pro funkcionální programování v tradici Lisp . Takže v Pythonu jsou funkce filter, mapa reduce; koncepty charakteristik seznamů , asociativních polí (slovníků), množin a generátorů seznamů [61] byly také převzaty z Lisp . Standardní knihovna obsahuje dva moduly (itertools a functools), které implementují nástroje vypůjčené od Haskell a Standard ML [62] .

Vývojáři jazyka Python dodržují jistou filozofii programování nazvanou „The Zen of Python“ („ Zen of Python“ nebo „Zen of Python“) [63] . Jeho text vydává interpret Pythonu na příkaz import this(funguje jednou za relaci). Za autora této filozofie je považován Tim Peters .

Filozofie začíná takto [64] :

Krásná je lepší než ošklivá.
Explicitní je lepší než implicitní.
Jednoduché je lepší než složité.
Složité je lepší než matoucí.

….

Původní text (anglicky)[ zobrazitskrýt]

Krásná je lepší než ošklivá.
Explicitní je lepší než implicitní.
Jednoduché je lepší než složité.
Komplexní je lepší než komplexní.

...

Místo toho, aby byly všechny funkce jazyka zabudovány do jádra Pythonu, byl navržen tak, aby byl snadno rozšiřitelný. Díky tomu se jazyk stal oblíbeným prostředkem pro přidávání programovatelných rozhraní ke stávajícím aplikacím. Vize Guida van Rossuma o malém jádře s velkou standardní knihovnou a snadno rozšiřitelným interpretem pramenila z negativní zkušenosti s vývojem jazyka ABC , který zvolil opačný přístup [65] .

Python se zaměřuje na jednodušší, méně těžkopádnou syntaxi a gramatiku, což dává vývojářům možnost volby v metodologii kódování. Na rozdíl od motta Perlu „ existuje několik způsobů, jak to udělat “, filozofie Pythonu je „měl by existovat jeden – a nejlépe pouze jeden – zřejmý způsob, jak to udělat“ [66] . Alex Martelli , člen Python Software Foundation a autor knih o Pythonu píše, že „popisování něčeho jako ‚chytrého‘ není v kultuře Python považováno za kompliment“ [67] .

Vývojáři Pythonu mají tendenci vyhýbat se předčasné optimalizaci a odmítat záplaty pro nekritické části referenční implementace CPythonu , které by nabízely okrajové zvýšení rychlosti na úkor srozumitelnosti kódu [68] . Existují však způsoby, jak zlepšit výkon. Pokud má program úzká místa spojená s výkonem operací náročných na zdroje na centrálním procesoru, ale nesouvisející s používáním I/O operací, pak je možné zlepšit výkon překladem programu pomocí Cythonu do jazyka C a následným kompilace [69] . Části programu, které vyžadují výpočetní prostředky, lze také přepsat do jazyka C a propojit jako samostatné knihovny s vazbami na Python [43] .

Důležitým cílem vývojářů Pythonu je, aby bylo používání zábavné. To se odrazilo v názvu jazyka, uvedeném na počest Monty Python [53] . Odráží se to také v někdy hravém přístupu k výukovým programům a referenčním materiálům, jako jsou ukázkové programy v dokumentaci, které používají názvy spam a eggs místo názvů používaných v dokumentaci mnoha jiných jazyků foo a bar [70 ] [71] .

Přenositelnost

Python byl portován a běží na téměř všech známých platformách, od PDA po sálové počítače . Existují porty pro Microsoft Windows , téměř všechny varianty UNIXu (včetně FreeBSD a Linuxu ), Android [72] , Plan 9 , Mac OS a macOS , iPhone OS (iOS) 2.0 a vyšší, iPadOS , Palm OS , OS/2 , Amiga , HaikuOS , AS/400 , OS/390 , Windows Mobile a Symbian .

Jak platforma zastarává, její podpora v hlavní větvi jazyka se zastaví. Například podpora pro Windows 95 , Windows 98 a Windows ME [73] byla od verze 2.6 zrušena . Windows XP již není podporován ve verzi 3.5 [74] Windows Vista a Windows 7 již nejsou podporovány ve verzi 3.9 [75] .

Na rozdíl od mnoha přenosných systémů má Python pro všechny hlavní platformy podporu pro technologie specifické pro tuto platformu (například Microsoft COM / DCOM ). Navíc existuje speciální verze Pythonu pro Java Virtual Machine - Jython , která umožňuje, aby tlumočník běžel na jakémkoli systému, který podporuje Javu , zatímco třídy Java lze přímo používat z Pythonu a dokonce je lze psát v Pythonu. Několik projektů také poskytuje integraci s platformou Microsoft.NET , hlavními z nich jsou IronPython a Python.Net .

Datové typy a struktury

Python podporuje dynamické psaní , to znamená, že typ proměnné je určen pouze za běhu. Takže místo „přiřazení hodnoty proměnné“ je lepší mluvit o „přiřazení hodnoty k nějakému názvu“. Primitivní typy v Pythonu zahrnují boolean , libovolně přesné celé číslo , plovoucí desetinná čárka a komplexní . Vestavěné typy kontejnerů v Pythonu jsou string , list , tuple , dictionary a set [49] . Všechny hodnoty jsou objekty, včetně funkcí, metod, modulů, tříd.

Nový typ můžete přidat buď napsáním třídy (class) nebo definováním nového typu v rozšiřujícím modulu (například napsaném v C). Systém tříd podporuje dědičnost (jednoduchou a vícenásobnou ) a metaprogramování . Je možné dědit z většiny typů vestavěných a rozšíření.

Typy používané v Pythonu

Typ	Proměnlivost	Popis	Příklady
bool	neměnný	booleovský typ	True False
bytearray	měnitelný	Pole bajtů	bytearray(b'Some ASCII') bytearray(b"Some ASCII") bytearray([119, 105, 107, 105])
bytes	neměnný	Pole bajtů	b'Some ASCII' b"Some ASCII" bytes([119, 105, 107, 105])
complex	neměnný	Komplexní číslo	3+2.7j
dict	měnitelný	Dictionary ( asociativní pole ) je kolekce párů klíč-hodnota; hodnota může být libovolného typu, klíč musí být hašovatelného typu	{'key1': 1.0, 3: False} {}
ellipsis[K 1]	neměnný	Elipsa (elipsa). Používá se především v NumPy k poskytnutí zkratky pro dělení vícerozměrného pole. Je přítomen v samotném Pythonu, aby podporoval vlastní typy a rozšíření, jako je NumPy [76]	... Ellipsis Pro NumPy : což je ekvivalentní [76] x[i, ..., j] x[i, :, :, j]
float	neměnný	Číslo s plovoucí desetinnou čárkou . Míra přesnosti závisí na platformě, ale v praxi se obvykle implementuje jako 64bitové 53bitové číslo [77]	1.414
frozenset	neměnný	Neuspořádaná sada , neobsahuje duplikáty; mohou uvnitř obsahovat různé hašovatelné datové typy	frozenset([4.0, 'string', True])
int	neměnný	Neomezené celé číslo [78]	42
list	měnitelný	Seznam , může obsahovat různé typy dat	[4.0, 'string', True] []
NoneType[K 1]	neměnný	Objekt představující absenci hodnoty, v jiných jazycích často označovaný jako Null	None
NotImplementedType[K 1]	neměnný	Objekt, který je vrácen při přetížení operátorů, když typy operandů nejsou podporovány.	NotImplemented
range	neměnný	Posloupnost celých čísel z jedné hodnoty do druhé, obvykle se používá k opakování operace vícekrát s pro [79]	range(1, 10) range(10, -5, -2)
set	měnitelný	Neuspořádaná sada , neobsahuje duplikáty; mohou uvnitř obsahovat různé hašovatelné datové typy	{4.0, 'string', True} set()
str	neměnný	typ řetězce	'Wikipedia' "Wikipedia" """Přesahující více řádků"""
tuple	neměnný	Tuple . Může v sobě obsahovat různé typy dat. Lze použít jako neměnný seznam a jako záznamy s nepojmenovanými poli [80]	Jako neměnný seznam: Jako záznamy: [80] (4.0, 'string', True) ('single element',) () lax_coordinates = (33.9425, -118.408056) city, year, pop, chg, area = ('Tokyo', 2003, 32450, 0.66, 8014)

Syntaxe a sémantika

Jazyk má jasnou a konzistentní syntaxi, promyšlenou modularitu a škálovatelnost , díky čemuž je zdrojový kód programů napsaných v Pythonu snadno čitelný. Při předávání argumentů funkcím používá Python call -by-sharing [ 81 ] .

Operátoři

Sada operátorů je vcelku tradiční.

Podmíněný operátor if(pokud). Pokud existuje více podmínek a alternativ, použije se volitelný blok elif(zkratka else if), který lze v kódu neomezeně opakovat. Pokud nebyla splněna žádná z podmínek, provede se volitelný blok else(jinak).
operátor smyčky while.
operátor smyčky for.
Operátoři zpracovávající výjimky try — except — else — finally.
operátor definice třídy class.
Příkaz definice funkce, metody nebo generátoru def. Uvnitř je možné použít return(návrat) pro návrat z funkce nebo metody a v případě generátoru - yield(dát).
Operátor passnic nedělá. Používá se pro prázdné bloky kódu.

Systém odsazení

Jednou ze zajímavých syntaktických vlastností jazyka je odsazení bloků kódu (mezery nebo tabulátory), takže Python nemá počáteční/koncové závorky , jako v Pascalu , ani složené závorky, jako v C. Takový „trik“ vám umožní snížit počet řádků a znaků v programu a naučí vás „dobrý“ styl programování. Na druhou stranu chování a dokonce i správnost programu může záviset na počátečních mezerách v textu. Pro ty, kteří jsou zvyklí programovat v jazycích s explicitním výběrem začátku a konce bloků, se toto chování může zpočátku zdát neintuitivní a nepohodlné.

Guido sám napsal [82] :

Snad nejkontroverznějším rysem Pythonu je použití odsazení pro skupinové příkazy, které je převzato přímo z ABC . To je jeden z rysů jazyka, který je mi drahý. Díky tomu je kód Pythonu čitelnější dvěma způsoby. Za prvé, použití odsazení snižuje vizuální nepořádek a zkracuje programy, čímž snižuje množství pozornosti potřebné k pochopení základní jednotky kódu. Za druhé, dává programátorovi menší volnost ve formátování, čímž umožňuje konzistentnější styl, který usnadňuje čtení kódu jiných lidí. (Porovnejte například tři nebo čtyři různé konvence C složených závorek , z nichž každá má silné zastánce.)

Původní text (anglicky)[ zobrazitskrýt] Snad nejkontroverznější funkcí Pythonu je použití odsazení pro seskupování příkazů, které pochází přímo z ABC. Je to jeden z rysů jazyka, který je mému srdci nejdražší. Díky tomu je kód Python čitelnější dvěma způsoby. Za prvé, použití odsazení snižuje vizuální nepořádek a zkracuje programy, čímž se zkracuje doba pozornosti potřebná k přijetí základní jednotky kódu. Za druhé, umožňuje programátorovi menší volnost ve formátování, čímž umožňuje jednotnější styl, který usnadňuje čtení kódu někoho jiného. (Porovnejte například tři nebo čtyři různé konvence pro umístění rovnátek v C, z nichž každá má silné zastánce.)

Výrazy

Složení, syntaxe, asociativita a priorita operací jsou programovacím jazykům docela známé a jsou navrženy tak, aby minimalizovaly použití závorek. Ve srovnání s matematikou se priorita operátorů odráží v matematice, přičemž operátor přiřazení hodnoty =odpovídá typografickému operátoru ←. Zatímco priorita operátorů se v mnoha případech vyhýbá použití závorek, analýza velkých výrazů může být časově náročná, takže explicitní závorky jsou v takových případech výhodnější [45] .

Samostatně stojí za zmínku operace formátování pro řetězce (funguje analogicky s funkcí printf()z C), která používá stejný symbol jako převzetí zbytku dělení:

>>> str_var = "svět" >>> tisk ( "Dobrý den, %s " % str_var ) Dobrý den , světe

Ve verzi 3.6 byly přidány formátované řetězcové literály nebo f-strings, aby byl kód čitelnější a stručnější:

>>> str_var = "world" >>> print ( f "Dobrý den, { str_var } " ) # výstup pomocí f-string Hello , world

Python má praktická zřetězená srovnání . Takové podmínky v programech nejsou neobvyklé:

1 <= a < 10 a 1 <= b < 20

Navíc jsou logické operace ( ora and) líné : pokud první operand stačí k vyhodnocení hodnoty operace, je výsledkem tento operand, jinak se vyhodnotí druhý operand logické operace. To je založeno na vlastnostech algebry logiky : například pokud je jeden argument operace "OR" ( or) pravdivý, pak je výsledek této operace vždy pravdivý. Pokud je druhý operand komplexním výrazem, sníží se tím náklady na jeho výpočet. Tato skutečnost byla široce používána až do verze 2.5 místo podmíněného konstruktu:

a < b a "menší než" nebo "větší než nebo rovno"

Vestavěné datové typy mají obecně speciální syntaxi pro své literály (konstanty zapsané ve zdrojovém kódu):

"řetězec a řetězec Unicode současně" 'řetězec a řetězec Unicode současně' """také řetězec a řetězec Unicode současně""" Pravda nebo nepravda # booleovské literály 3.14 # číslo s plovoucí desetinnou čárkou 0b1010 + 0o12 + 0xA # čísla v dvojkové soustavě , osmičkové soustavě a šestnáctkové soustavě 1 + 2 j # komplexní číslo [ 1 , 2 , "a" ] # seznam ( 1 , 2 , "a" ) # n-tice { 'a' : 1 , 'b' : ' B' } # dictionary { 'a' , 6 , 8.8 } # set lambda x : x ** 2 # anonymní funkce ( i pro i v rozsahu ( 10 )) # generátor

Pro seznamy (a další sekvence) nabízí Python sadu operací dělení. Funkce je indexování, které se může zdát začátečníkovi divné, ale při používání odhaluje její konzistenci. Indexy prvků seznamu začínají na nule. Záznam řezu s[N:M]znamená, že všechny prvky od N včetně po M, ale nezahrnuté, spadají do řezu. V tomto případě lze index vynechat. Například záznam s[:M]znamená, že všechny prvky od samého začátku spadají do řezu; zápis s[N:]znamená, že všechny prvky jsou zahrnuty až do konce řezu; záznam s[:]znamená, že jsou zahrnuty všechny prvky od začátku do konce.

Jména

Název (identifikátor) může začínat písmenem libovolné abecedy v Unicode , jakýmkoli velkým písmenem nebo podtržítkem, po kterém lze v názvu použít i čísla. Klíčová slova nelze použít jako název (jejich seznam lze nalézt pomocí import keyword; print(keyword.kwlist)) a je nežádoucí předefinovat vestavěné názvy. Zvláštní význam mají jména začínající podtržítkem [83] .

V každém bodě programu má interpret přístup ke třem jmenným prostorům (tj. mapování jmen na objekt): lokální, globální a vestavěný.

Rozsahy jmen lze vnořovat do sebe (jména z okolního bloku kódu jsou viditelná uvnitř definované funkce). V praxi existuje několik dobrých mravů spojených s rozsahy a vazbami jmen, o kterých se můžete dozvědět více v dokumentaci.

Docstrings

Python nabízí mechanismus pro dokumentaci pydoc kódu. Na začátek každého modulu, třídy, funkce je vložen dokumentační řetězec - docstring . Dokumentační řetězce zůstávají v kódu za běhu a do jazyka je zabudován přístup k dokumentaci [84] (proměnná ), který používají moderní IDE ( Integrated Development Environment ) (např. Eclipse ). __doc__

Můžete interaktivně získat nápovědu, generovat hypertextovou dokumentaci pro celý modul nebo dokonce použít k automatickému testování

Programovací paradigmata

Python je multiparadigmatický programovací jazyk . Objektově orientované , strukturální [85] , generické , funkční programování [27] a metaprogramování [31] je plně podporováno . Základní podpora pro aspektově orientované programování je poskytována prostřednictvím metaprogramování [34] . Mnoho dalších technik, včetně kontraktu [86] [87] a logického programování [88] , lze implementovat pomocí rozšíření.

Objektově orientované programování

Návrh jazyka Python je postaven na objektově orientovaném programovacím modelu. Implementace OOP v Pythonu je promyšlená, ale zároveň poměrně specifická ve srovnání s jinými objektově orientovanými jazyky . Vše v jazyce je objekt, buď instance třídy, nebo instance metatřídy. Výjimkou je základní vestavěná metatřída type. Třídy jsou tedy ve skutečnosti instancemi metatříd a odvozené metatřídy jsou instancemi metatřídy type. Metatřídy jsou součástí konceptu metaprogramování a poskytují možnost řídit dědičnost tříd, což umožňuje vytvářet abstraktní třídy, registrovat třídy nebo k nim v rámci knihovny nebo rámce přidávat libovolné programovací rozhraní [31] .

Třídy v podstatě představují plán nebo popis, jak vytvořit objekt, a ukládají popis atributů objektu a metod pro práci s ním. Paradigma OOP je založeno na zapouzdření , dědičnosti a polymorfismu [89] . Zapouzdření v Pythonu představuje možnost ukládat do objektu veřejné a skryté atributy (pole) s poskytnutím metod pro práci s nimi [89] , přičemž ve skutečnosti jsou všechny atributy veřejné, existuje však konvence pojmenování pro označení skrytých atributy [90] . Dědičnost umožňuje vytvářet odvozené objekty bez nutnosti přepisování kódu a polymorfismus je schopnost přepsat jakékoli metody objektu (v Pythonu jsou všechny metody virtuální [90] ), stejně jako přetěžování metod a operátorů . Přetížení metod v Pythonu je implementováno kvůli možnosti volání stejné metody s jinou sadou argumentů [89] . Vlastností Pythonu je možnost modifikovat třídy poté, co jsou deklarovány, přidávat k nim nové atributy a metody [45] , můžete také upravovat samotné objekty, v důsledku čehož lze třídy použít jako struktury pro ukládání libovolných dat [ 90] .

Python podporuje vícenásobnou dědičnost. Vícenásobná dědičnost je sama o sobě složitá a její implementace naráží na problémy při řešení kolizí názvů mezi nadřazenými třídami a případně při opětovném dědění ze stejné třídy v hierarchii. V Pythonu se metody volají podle pořadí rozlišení metod (MRO), které je založeno na linearizačním algoritmu C3 [91] , v normálních případech při psaní programů nemusíte vědět, jak tento algoritmus funguje, ale pochopení může být vyžadován při vytváření netriviálních hierarchií tříd [92] .

Vlastnosti a vlastnosti specifické pro Python:

Speciální metody, které řídí životní cyklus objektu: konstruktory, destruktory.
Přetížení operátorů (vše kromě is, '.', '='symbolických logických).
Vlastnosti (simulace pole pomocí funkcí).
Řízení přístupu k polím (emulace polí a metod, částečný přístup atd.).
Metody pro správu nejběžnějších operací (pravdivost, len(), hluboké kopírování, serializace , iterace objektů, ...).
Kompletní introspekce .
Třídní a statické metody, pole tříd.
Třídy vnořené do funkcí a tříd.
Schopnost upravovat objekty během provádění programu.

Generické programování

Jazyky, které podporují dynamické typování a objektově orientované programování, se obvykle v rámci generického programování neberou v úvahu, protože problémy generického programování jsou řešeny díky absenci omezení na datové typy [32] [33] . V Pythonu se silně typovaného generického programování dosahuje použitím jazykových funkcí ve spojení s externími analyzátory kódu [93] , jako je Mypy [94] .

Funkční programování

Přestože Python nebyl původně koncipován jako funkcionální programovací jazyk [95] , Python podporuje programování ve stylu funkcionálního programování, zejména [96] :

funkce je objekt první třídy,
funkce vyššího řádu,
rekurze,
zaměřit se na práci se seznamy ,
analogové uzávěry ,
částečná aplikace funkce pomocí metody partial(),
možnost implementace dalších prostředků v samotném jazyce (například kari ).

Na rozdíl od většiny jazyků přímo zaměřených na funkcionální programování však Python není čistý programovací jazyk a kód není imunní vůči vedlejším účinkům [96] [97] .

Ve standardní knihovně Pythonu existují také speciální balíčky operatorpro functoolsfunkcionální programování [95] .

Metaprogramování

Python podporuje metaprogramování [98] [31] .

Funkce

Moduly a balíčky

Software Python (aplikace nebo knihovna) je zabalen jako moduly, které lze zase zabalit do . Moduly mohou být umístěny jak v adresářích , tak v archivech ZIP . Moduly mohou být ve svém původu dvou typů: moduly napsané v "čistém" Pythonu a rozšiřující moduly (rozšiřující moduly) napsané v jiných programovacích jazycích. Například standardní knihovna má „čistý“ modul pickle a jeho ekvivalent v jazyce C: cPickle. Modul je vytvořen jako samostatný soubor a balíček - jako samostatný adresář. Modul je k programu připojen operátorem import. Po importu je modul reprezentován samostatným objektem, který poskytuje přístup k jmennému prostoru modulu. Během provádění programu lze modul znovu načíst pomocí funkce reload().

Introspekce

Python podporuje úplnou introspekci za běhu [99] . To znamená, že pro jakýkoli objekt můžete získat všechny informace o jeho vnitřní struktuře.

Použití introspekce je důležitou součástí toho, co se nazývá pythonic style , a je široce používáno v knihovnách a frameworkech Pythonu , jako jsou PyRO , PLY, Cherry, Django a další, což výrazně šetří čas programátorů, kteří je používají.

Data nezbytná pro introspekci jsou uložena ve speciálních atributech. Takže například můžete získat všechny uživatelem definované atributy většiny objektů ze speciálního atributu - slovníku (nebo jiného objektu, který poskytuje rozhraní dict)__dict__

>>> třída x ( objekt ): předat .... >>> f = x () >>> f . attr = 12 >>> print ( f . __dict__ ) { 'attr' : 12 } >>> print ( x . __dict__ ) # protože třídy jsou také instancemi objektu typu #, takže podporují tento typ introspekce { '__dict__' : < atribut '__dict__' objektů 'x' > , ' __module__ ' .......

Existují také další atributy, jejichž názvy a účely závisí na objektu:

>>> def f (): projít .... >>> f . func_code . co_code # get function bytecode 'd \x00\x00 S' >>> f . __class__ # speciální atribut - odkaz na třídu daného objektu < typ 'funkce' >

Naprostá většina atributů, které podporují introspekci, je založena na třídách a ty lze zase získat z obj.__class__.__dict__. Některé informace zděděné ze základní třídy jsou sdíleny všemi objekty, což šetří paměť.

Pro usnadnění získávání introspektivních informací má Python modul inspect[100] .

>>> def f ( x , y = 10 , ** mp ): předat ... >>> zkontrolovat . getargspec ( f ) ([ 'x' , 'y' ], Žádný , 'mp' , ( 10 ,))

S pomocí modulu newje možný i opačný proces - stavba objektu z jeho součástí ve fázi realizace

>>> def f ( i ): return j + i .... >>> j = 2 >>> f ( 1 ) 3 >>> import new >>> g = new . function ( f . func_code , { 'j' : 23 }) >>> g ( 1 ) 24

Zpracování výjimek

Zpracování výjimek je v Pythonu podporováno prostřednictvím příkazů try, except, else, finally, raise, které tvoří blok zpracování výjimek. Obecně blok vypadá takto:

zkuste : # Zde je kód, který může způsobit zvýšení výjimky Výjimka ( "zpráva" ) # Výjimka, toto je jeden ze standardních typů výjimek (jen třída), # lze použít jakoukoli jinou, včetně vaší vlastní kromě ( Typ výjimky1 , Exception type2 , … ) as Variable : # Kód v bloku se provede, pokud typ výjimky odpovídá jednomu z # typů (ExceptionType1, ExceptionType2, ...) nebo je potomkem jednoho # z těchto typů. # Výsledná výjimka je k dispozici ve volitelné proměnné. kromě ( Typ výjimky 3 , Typ výjimky 4 , … ) jako Proměnná : # Počet bloků kromě je neomezený zvýšení # Vyhození výjimky "navrch" přijaté; nebyly přijaty žádné parametry - rethrow kromě : # Bude proveden na jakékoli výjimce, kterou nezpracovávají zadané bloky kromě jiného : # Kód bloku se provede, pokud nebyly zachyceny žádné výjimky. konečně : # Bude provedeno stejně, možná po odpovídajícím bloku # kromě nebo else

Sdílení else, exceptje finallymožné teprve od Pythonu 2.5. Informace o aktuální výjimce jsou vždy dostupné prostřednictvím sys.exc_info(). Kromě hodnoty výjimky Python také ukládá stav zásobníku až do okamžiku vyvolání výjimky – tzv. traceback.

Na rozdíl od kompilovaných programovacích jazyků v Pythonu použití výjimky nevede k výrazné režii (a často dokonce zrychluje provádění programů) a je velmi široce používáno. Výjimky jsou v souladu s filozofií Pythonu (bod 10 " Zen of Python " - "Chyby by se nikdy neměly umlčet") a jsou jedním z prostředků na podporu " kachního psaní ".

Někdy je vhodnější použít blok místo explicitního zpracování výjimek with(dostupné od Pythonu 2.5).

Iterátory

Iterátory jsou široce používány v programech Python. Smyčka formůže pracovat se sekvencí i iterátorem. Většina kolekcí poskytuje iterátory, iterátory může také uživatel definovat na svých vlastních objektech. Standardní itertoolsmodul knihovny obsahuje zařízení pro práci s iterátory.

Generátory

Jednou ze zajímavých funkcí jazyka jsou generátory - funkce, které ukládají vnitřní stav: hodnoty lokálních proměnných a aktuální instrukce (viz také: korutiny ). Generátory lze použít jako iterátory pro datové struktury a pro líné vyhodnocování .

Když je zavolán generátor, funkce okamžitě vrátí objekt iterátoru, který ukládá aktuální bod provádění a stav lokálních proměnných funkce. Když je požadována další hodnota (prostřednictvím metody next()implicitně volané ve smyčce for), generátor pokračuje ve funkci od předchozího bodu přerušení k dalšímu yieldnebo příkazu return.

Python 2.4 zavedl generátorové výrazy , výrazy, které vedou ke generátoru. Generátor výrazů vám umožňuje ušetřit paměť tam, kde byste jinak museli používat seznam s mezivýsledky:

>>> součet ( i pro i v rozsahu ( 1 , 100 ) pokud i % 2 != 0 ) 2500

Tento příklad sečte všechna lichá čísla od 1 do 99.

Počínaje verzí 2.5 Python podporuje plnohodnotné ko-procedury: nyní můžete předávat hodnoty generátoru pomocí metody send()a vyvolávat výjimky v jejím kontextu pomocí throw().

Python také podporuje vnořené generátory. Chcete-li například vytvořit dvourozměrné pole, musíte do generátoru všech řetězců umístit generátor seznamu, což je řetězec:[[0 for j in range(m)] for i in range(n)]

Správa kontextu provádění

Python 2.5 zavedl nástroje pro správu kontextu provádění bloku kódu – příkazu witha modulu contextlib. Viz: příklad .

Operátor lze použít v případech, kdy před a po některých akcích musí být provedeny některé další akce, bez ohledu na výjimky nebo příkazy vyvolané v bloku return: soubory musí být uzavřeny, prostředky musí být uvolněny, standardní přesměrování vstupu a výstupu skončilo atd. Operátor zlepšuje čitelnost kódu, což znamená, že pomáhá předcházet chybám.

Dekorátoři

Dekorátory funkcí jsou volatelné objekty, které berou jako argument jinou funkci. Dekorátory funkcí mohou provádět operace s funkcí a vracet buď funkci samotnou, nebo jinou funkci, která ji nahrazuje, nebo volatelný objekt. To znamená, že pokud byl v kódu dříve napsán dekorátor zvaný decor, pak je následující kód [101] :

@decorate def target (): print ( 'running target()' )

je ekvivalentní tomuto [101] :

def target (): print ( 'běžící cíl()' ) target = decor ( target )

Příklad použití dekorátoru funkcí [101] :

>>> def deco ( func ): ... def inner (): ... print ( 'running inner()' ) ... return inner ... >>> @deco ... def target (): .. .print ( 'running target()' ) >>> target () running inner() >>> target <function deco.<locals> .inner at 0.10063b598>

Existují třídní dekoratéři [102] .

Regulární výrazy

Formát regulárního výrazu je s určitými rozdíly zděděn z Perlu . Pro jejich použití je potřeba importovat modul re[103] , který je součástí standardní knihovny.

Knihovny

Standardní knihovna

Bohatá standardní knihovna je jedním z lákadel Pythonu. Existují nástroje pro práci s mnoha síťovými protokoly a internetovými formáty , například moduly pro zápis HTTP serverů a klientů, pro analýzu a tvorbu poštovních zpráv, pro práci s XML atd. Sada modulů pro práci s operačním systémem umožňuje k psaní multiplatformních aplikací. K dispozici jsou moduly pro práci s regulárními výrazy , kódováním textu , multimediálními formáty, kryptografickými protokoly, archivy, serializací dat , podporou testování jednotek atd.

Rozšiřující moduly a programovací rozhraní

Kromě standardní knihovny existuje mnoho knihoven, které poskytují rozhraní pro všechna systémová volání na různých platformách; konkrétně na platformě Win32 jsou podporována všechna volání Win32 API , stejně jako volání COM v rozsahu, který není menší než u Visual Basic nebo Delphi . Počet aplikačních knihoven pro Python v různých oblastech je doslova obrovský ( web , databáze , zpracování obrázků, textový editor, numerické metody , aplikace operačních systémů atd.).

Pro Python byla přijata specifikace databázového programovacího rozhraní DB-API 2 a byly vyvinuty balíčky odpovídající této specifikaci pro přístup k různým DBMS : Oracle , MySQL , PostgreSQL , Sybase , Firebird ( Interbase ), Informix , Microsoft SQL Server a SQLite . Na platformě Windows je přístup k databázi možný přes ADO ( ADOdb ). Komerční balíček mxODBC pro přístup k DBMS přes ODBC pro platformy Windows a UNIX byl vyvinut společností eGenix [105] . Pro Python bylo napsáno mnoho ORM ( SQLObject , SQLAlchemy , Dejavu, Django ), implementovány byly softwarové frameworky pro vývoj webových aplikací ( Django , Pylons , Pyramid ).

Knihovna NumPy pro práci s vícerozměrnými poli může někdy dosáhnout vědeckého výkonu srovnatelného se specializovanými balíčky. SciPy používá NumPy a poskytuje přístup k široké škále matematických algoritmů (maticová algebra - BLAS úrovně 1-3, LAPACK , FFT ...). Numarray [106] je speciálně navržen pro operace s velkými objemy vědeckých dat.

WSGI [107] je rozhraní brány s webovým serverem (Python Web Server Gateway Interface).

Python poskytuje jednoduché a pohodlné C API pro psaní vlastních modulů v C a C++ . Nástroj jako SWIG vám umožňuje téměř automaticky získat vazby pro použití knihoven C/C++ v kódu Pythonu. Možnosti tohoto a dalších nástrojů sahají od automatického generování (C/C++/Fortran)-Python rozhraní ze speciálních souborů (SWIG, pyste [108] , SIP [109] , pyfort [110] ), až po poskytování pohodlnějších API (boost :: krajta [111] [112] , CXX [113] , Pyhrol [114] atd.). Nástroj standardní knihovny ctypes umožňuje programům Python přímý přístup k dynamickým knihovnám / DLL napsaným v C. Existují moduly, které umožňují vkládat kód C/C++ přímo do zdrojových souborů Pythonu vytvářením rozšíření za běhu (pyinline [115] , weave [116] ).

Dalším přístupem je vložení interpretu Pythonu do aplikací. Python lze snadno integrovat do programů Java, C/C++, OCaml . Interakce aplikací Pythonu s jinými systémy je také možná pomocí CORBA , XML-RPC , SOAP , COM.

S pomocí projektu Cython je možné překládat programy napsané v jazycích Python a Pyrex do kódu C s následnou kompilací do strojového kódu. Cython se používá ke zjednodušení psaní knihoven Pythonu, při jeho používání je patrné, že kód je rychlejší a režie se snižuje.

Shedskinův experimentální projekt zahrnuje vytvoření kompilátoru pro transformaci implicitně napsaných programů Pythonu do optimalizovaného kódu C++. Od verze 0.22 Shedskin umožňuje kompilovat jednotlivé funkce do rozšiřujících modulů.

Python a naprostá většina jeho knihoven jsou zdarma a přicházejí ve zdrojovém kódu. Navíc, na rozdíl od mnoha otevřených systémů, licence nijak neomezuje použití Pythonu v komerčním vývoji a neukládá žádné jiné povinnosti než označení autorských práv.

Jedním z kanálů pro distribuci a aktualizaci balíčků pro Python je PyPI ( Python Package Index ) .

Grafické knihovny

Python přichází s knihovnou tkinter založenou na Tcl / Tk pro vytváření programů GUI pro různé platformy .

Existují rozšíření, která umožňují používat všechny hlavní knihovny GUI - wxPython [117] , založené na knihovně wxWidgets , PyGObject pro GTK [118] , PyQt a PySide pro Qt a další. Některé z nich také poskytují rozsáhlé databázové, grafické a síťové možnosti, přičemž plně využívají knihovnu, na které jsou založeny.

K vytváření her a aplikací, které vyžadují nestandardní rozhraní, můžete použít knihovnu Pygame . Poskytuje také rozsáhlé multimediální nástroje : s jeho pomocí můžete ovládat zvuk a obrázky, přehrávat videa. Grafická hardwarová akcelerace OpenGL poskytovaná pygame má rozhraní vyšší úrovně než PyOpenGL [119] , které kopíruje sémantiku OpenGL C knihovny. Existuje také PyOgre [120] , který poskytuje odkaz na Ogre , objektově orientovanou 3D grafickou knihovnu na vysoké úrovni. Kromě toho existuje knihovna pythonOCC [121] , která poskytuje odkaz na 3D modelovací a simulační prostředí OpenCascade [122] .

Pro práci s rastrovou grafikou se používá Python Imaging Library .

PyCairo se používá pro práci s vektorovou grafikou .

Typová kontrola a přetížení funkcí

Existují moduly, které umožňují ovládat typy parametrů funkcí za běhu, například typecheck [123] nebo dekorátory kontroly signatury metody [124] . V Pythonu 3 byla přidána volitelná deklarace typu pro parametry funkcí, interpret nekontroluje typy, ale pouze přidává příslušné informace do metadat funkce pro následné použití těchto informací rozšiřujícími moduly [125] .

Přetížení funkcí je implementováno různými knihovnami třetích stran, včetně PEAK [126] [127] . Plány, které nebyly přijaty pro podporu přetížení v Pythonu3000 [128] , byly částečně implementovány v přetížení-lib [129] .

Příklady programů

Článek Wikiverzity " Python Program Examples " obsahuje příklady malých programů, které demonstrují některé funkce jazyka Python a jeho standardní knihovny.

Ahoj světe! ' lze napsat na jeden řádek:

tisk ( "Ahoj svět!" )

Výpočet faktoriálu čísla 10 (10!):

def factorial ( n ): if n < 0 : raise ArithmeticError ( 'Faktoriál záporného čísla.' ) f = 1 pro i v rozsahu ( 2 , n + 1 ): f *= i return f tisk ( faktoriál ( 10 )) # 3628800

Implementace s rekurzí :

def faktoriál ( n ): if n < 0 : zvýšit ArithmeticError ( 'faktoriál záporného čísla.' ) if ( n == 0 ) nebo ( n == 1 ): vrátit 1 else : vrátit faktoriál ( n - 1 ) * n tisk ( faktoriál ( 10 ))

Profilování a optimalizace kódu

Standardní knihovna Pythonu poskytuje profiler (modul profile), který lze použít ke sběru statistik o době běhu jednotlivých funkcí. Chcete-li se rozhodnout, která verze kódu běží rychleji, můžete použít timeit. Měření v následujícím programu nám umožňují zjistit, která z možností zřetězení řetězců je efektivnější:

z timeit import Timer tmp = "Python 3.2.2 (výchozí, 12. června 2011, 15:08:59) [MSC v.1500 32 bit (Intel)] na win32." def case1 (): # A. inkrementální zřetězení ve smyčce s = "" pro i v rozsahu ( 10000 ): s += tmp def case2 (): # B. přes prostřední seznam a metodu spojení s = [] pro i v rozsahu ( 10000 ): s . append ( tmp ) s = "" . připojit se ( s ) def case3 (): # B. seznam výrazů a metoda spojení return "" . připojit ([ tmp pro i v rozsahu ( 10 000 )]) def case4 (): # D. generátor výrazu a metoda spojení return "" . připojit ( tmp pro i v rozsahu ( 10000 )) pro v v rozsahu ( 1 , 5 ): tisk ( Timer ( "func()" , "from __main__ import case %s as func" % v ) . timeit ( 200 ))

Jako každý programovací jazyk má i Python své vlastní techniky optimalizace kódu . Kód můžete optimalizovat na základě různých (často si navzájem konkurujících) kritérií (zvýšení výkonu, snížení množství potřebné RAM, kompaktnost zdrojového kódu atd.). Nejčastěji jsou programy optimalizovány na dobu provádění.

Existuje několik pravidel, která jsou zřejmá zkušeným programátorům.

Pokud je rychlost jeho provádění dostatečná, není třeba program optimalizovat.
Použitý algoritmus má určitou časovou složitost , takže před optimalizací programového kódu byste měli nejprve algoritmus zkontrolovat.
Vyplatí se používat hotové a odladěné funkce a moduly, i když to vyžaduje trochu zpracování dat. Například Python má vestavěnou funkci sorted().
Profilování vám pomůže najít úzká místa. U nich by měla začít optimalizace.

Python má následující funkce a související pravidla optimalizace.

Volání funkcí je poměrně nákladná operace, takže byste se měli snažit vyhnout volání funkcí uvnitř vnořených smyček nebo například přesunout smyčku do funkcí. Funkce, která zpracovává sekvenci, je efektivnější než zpracování stejné sekvence ve smyčce pomocí volání funkce.
Pokuste se vyjmout vše z hluboce vnořené smyčky, kterou lze vypočítat ve vnějších smyčkách. Místní variabilní přístup je rychlejší než globální nebo terénní přístup.
Optimalizátor psyco může pomoci urychlit provádění programového modulu za předpokladu, že modul nepoužívá dynamické vlastnosti jazyka Python.
Pokud modul provádí masivní zpracování dat a optimalizace algoritmu a kódu nepomůže, můžete přepsat kritické sekce , řekněme, v C nebo Pyrex.

Nástroj nazvaný Pychecker [130] vám pomůže analyzovat váš zdrojový kód Pythonu a doporučit nalezené problémy (například nepoužívaná jména, změna signatury metody, když je přetížená atd.). V průběhu takovéto statické analýzy zdrojového kódu lze také odhalit chyby. Pylint [131] si klade za cíl vyřešit podobné problémy, ale má tendenci kontrolovat styl kódu, najít kód s vůní [132] .

Srovnání s jinými jazyky

Volba jazyka obvykle závisí na úkolech, které je třeba vyřešit, vlastnostech jazyků a dostupnosti knihoven potřebných k vyřešení problému. Stejná úloha napsaná v různých jazycích se může značně lišit, pokud jde o efektivitu provádění, včetně rozdílů při provádění v různých operačních systémech nebo při použití různých kompilátorů. Obecně lze jazyky rozdělit na interpretované (skriptovací), kompilované do střední reprezentace a kompilované, což ovlivňuje výkon a spotřebu paměti. Python je obvykle označován jako interpretovaný. Také jednotlivé jazyky mohou mít své silné stránky, v případě Pythonu vyniká snadnost psaní programů [133] .

C++ a Java

Python je srovnáván s C++/Java z hlediska stručnosti, jednoduchosti a flexibility Pythonu [134] . Lze porovnat programy „ Ahoj, světe “ napsané v každém z jazyků [134] .

Srovnání programů "Ahoj, světe!"

C++ [134]	Java [134]	Python [134]
#include <iostream> int main () { std :: cout << "Ahoj světe!" << std :: endl ; návrat 0 ; }	public class HelloClass { public static void main ( String [] args ) { System . ven . println ( "Ahoj světe!" ); } }	tisk ( "Ahoj světe!" )

Pokud jde o OOP, v Pythonu na rozdíl od C++ a Javy neexistují žádné modifikátory přístupu k polím tříd a metodám, atributy a pole objektů lze vytvářet za běhu během provádění programu a všechny metody jsou virtuální. Oproti Javě Python také umožňuje přetěžování operátorů, což umožňuje používat výrazy, které se blíží přirozenému [134] . Celkově vzato přístup Pythonu k OOP zjednodušuje programování, činí kód srozumitelnějším a zároveň dodává jazyku flexibilitu [134] . Na druhou stranu kód Pythonu (stejně jako další interpretované jazyky) je mnohem pomalejší než ekvivalentní kód C++ [135] a obecně se očekává, že bude pomalejší než Java [136] . Kód C++ je produktivnější než Python, přičemž zabírá více řádků. Podle výzkumu algoritmů používaných v bioinformatice se Python ukázal být flexibilnější než C++ a Java se ukázala jako kompromis mezi výkonem C++ a flexibilitou Pythonu [133] .

V Javě a Pythonu jsou všechny objekty vytvářeny na haldě , zatímco C++ umožňuje vytvářet objekty jak na haldě, tak na zásobníku , v závislosti na použité syntaxi [137] . Výkon je také ovlivněn způsobem přístupu k datům v paměti. V C++ a Javě se k datům přistupuje s konstantními posuny v paměti, zatímco v Pythonu je to prostřednictvím hashovacích tabulek . Používání ukazatelů v C++ může být pro začátečníky poměrně obtížné pochopit a osvojení si správného používání ukazatelů může nějakou dobu trvat [133] .

Přejít

Go a Python jsou drasticky odlišné jazyky, nicméně jsou často srovnávány kvůli jejich společnému výklenku - backendu webových aplikací. Jak říká Jason Kincaid, Go kombinuje „výkon a bezpečnost kompilovaných jazyků, jako je C++, s rychlostí vývoje v dynamických jazycích, jako je Python“ [138] . Do jisté míry to platí: Go byl původně navržen jako silně staticky typovaný kompilovaný jazyk, který podporuje maximální vlastnosti dynamických jazyků, ve kterých je stále možné zajistit efektivní kompilaci a udržet výkon kompilovaných programů. Společné pro oba jazyky je použití automatické správy paměti, přítomnost vestavěných dynamických kolekcí (pole a slovníky), podpora řezů, vyvinutý modulový mechanismus a jednoduchá a minimalistická syntaxe. Existuje mnohem více rozdílů a není vždy možné jasně uvést, kterým z jazyků mluví.

dynamické možnosti. Pokud je Python zcela dynamický jazyk a téměř jakékoli prvky programu se mohou za běhu měnit, včetně vytváření nových typů za běhu a úprav stávajících, pak je Go statický jazyk s poněkud omezenými schopnostmi reflexe, který funguje pouze s ohledem na datové typy. vytvořené během vývoje. Náhradou dynamických schopností v Go je do jisté míry generování kódu, zajištěné jednoduchostí syntaxe a dostupností potřebných nástrojů a systémových knihoven. Plánuje se také přidání podpory pro generika v Go 2.0. Objektově orientované programování. Python je postaven na ideologii „vše-objekt“ a má mnoho mechanismů OOP, včetně vzácných a atypických. Go je docela typický modulární procedurální programovací jazyk, kde jsou funkce OOP omezeny na podporu rozhraní a schopnost vkládat struktury a rozhraní. Go vlastně ani nemá plnohodnotné dědictví. Pokud tedy Python vybízí k programování ve stylu OOP, s konstrukcí stromových závislostí mezi třídami a aktivním využíváním dědičnosti, pak se Go zaměřuje na komponentní přístup: chování komponent je dáno rozhraními, která ani nemusí být vzájemně propojeny a implementace rozhraní je umístěna v typech struct . „Duck typing“ implementovaný v Go vede k tomu, že neexistují ani formální syntaktické vazby mezi rozhraními a strukturami, které je implementují. Paralelní programování. V podpoře paralelního programování je Python výrazně horší než Go. Za prvé, GIL v Pythonu je překážkou efektivního využití systémů s velkým počtem (desítky i více) fyzických procesorových jader. Dalším problémem je nedostatek účinných vestavěných prostředků interakce mezi paralelními vlákny. Go obsahuje primitivum gorutinního jazyka, které vám umožňuje vytvářet „odlehčená“ vlákna, a kanály s podporou syntaxe, které umožňují vláknům komunikovat. Výsledkem je, že při vytváření např. frontových systémů v Go není problém využít stovky či dokonce tisíce současně existujících vláken, navíc při běžné zátěži libovolného počtu dostupných procesorových jader, přičemž žádné z existujících Implementace Pythonu zajistí efektivní provoz takového počtu vláken. Ošetření chyb, výjimky. Python podporuje zpracování výjimek, zatímco Go implementuje mechanismy pro explicitní vracení chybových kódů z funkcí a jejich zpracování na místě volání. Tento rozdíl lze posuzovat různými způsoby. Na jedné straně jsou výjimky pohodlným a známým mechanismem pro zpracování programových chyb, který vám umožňuje soustředit toto zpracování do vybraných fragmentů kódu a „nerozmazávat“ jej po textu programu. Na druhou stranu mají autoři Go pocit, že programátoři příliš často ignorují zpracování chyb a spoléhají na to, že vyhozená výjimka bude zpracována jinde; v distribuovaných aplikacích často nedochází k předávání výjimek mezi systémovými komponentami a vedou k neočekávaným selháním a ve vícevláknových aplikacích může neošetřená výjimka ve vláknu vést k zablokování nebo naopak k pádu programu. Vizuální možnosti, syntaxe. Python poskytuje více jazykových funkcí a primitiv, které jsou vhodné pro rychlý vývoj, než Go. To je z velké části způsobeno tím, že vývojáři Go záměrně odmítli zahrnout do jazyka některé „módní“ funkce, z nichž některé byly považovány za provokující chyby, jiné zastíraly záměrně neefektivní implementaci. Například přítomnost jednoduché operace vložení prvku do středu pole v jazyce vyvolává jeho časté používání a každá taková operace vyžaduje minimálně přesunutí „ocasu“ pole v paměti a někdy může vyžadovat alokaci paměti a přesun celého pole. Výkon. Pokud jde o výkon ve většině testů, které implementují typické sady backendových operací (zpracování dotazů, generování webových stránek), Go překonává Python několikanásobně až o několik řádů. To není překvapivé vzhledem ke statické povaze jazyka a skutečnosti, že programy Go jsou kompilovány přímo do kódu cílové platformy. V systémech, kde většinu času tráví provádění databázových dotazů nebo přenos informací po síti, to není podstatné, ale ve vysoce zatížených systémech, které zpracovávají velké množství požadavků, je výhoda Go nepopiratelná. Rozdíly ve výkonu programů Go a Python jsou také ovlivněny výše uvedenými rozdíly v implementaci paralelismu.

Perl

Oba jazyky jsou interpretovány, zkompilovány do přechodné reprezentace, která je poté odeslána k provedení. V případě Pythonu se generuje přechodný bytekód, zatímco kompilátor Perl generuje syntaktický strom. Správa paměti v obou jazycích je automatická a jazyky samotné se používají jako skriptovací jazyky a jsou vhodné pro psaní webových aplikací. Přístup kódování v Pythonu zahrnuje lepší porozumění výpisu programů na úkor výkonu, zatímco Perl má větší volnost v syntaxi, což může způsobit, že programy v Perlu nebudou čitelné pro programátory, kteří nepoužívají Perl [133] .

PHP

Lua

Lua je jednoduchý jazyk původně navržený pro zabudování do softwaru a používaný k automatizaci složitých operací (jako je chování robotů v počítačových hrách). Python lze použít i v těchto oblastech, s Luou konkuruje i v psaní skriptů pro automatizaci správy počítače a operačního systému a v neprofesionálním samoprogramování. V posledních letech byly oba jazyky začleněny do mobilních zařízení, jako jsou programovatelné kalkulačky.

Oba jazyky jsou dynamické, interpretované, podporují automatickou správu paměti a mají standardní prostředky pro interakci se softwarem napsaným v jiných jazycích (hlavně C a C++). Runtime Lua je kompaktnější a vyžaduje méně prostředků ke spuštění než Python, což dává Lua výhodu při vkládání. Stejně jako Python, Lua podporuje kompilaci zdrojového kódu do virtuálního stroje spustitelného bajtkódu. Pro Lua existuje implementace kompilátoru JIT.

Lua je jednodušší než Python a má klasičtější syntaxi podobnou Pascalu. V jazyce je pouze osm vestavěných datových typů a všechny strukturované typy (struktury, výčty, pole, množiny) jsou modelovány na základě jediného vestavěného typu tabulky, což je vlastně heterogenní slovník. OOP je implementován na tabulkách a je založen na prototypovém modelu, jako v JavaScriptu. Python poskytuje více možností a každý z jeho strukturovaných datových typů má svou vlastní implementaci, která zlepšuje výkon. Možnosti OOP v Pythonu jsou mnohem širší, což dává výhodu při psaní složitých programů, ale má malý vliv na kvalitu a výkon jednoduchých skriptů, na které se Lua zaměřuje.

MATLAB a R

Python, MATLAB a R se používají při zpracování dat a při výuce studentů základům matematiky a statistiky. R je jazyk pro provádění statistických výpočtů, zatímco MATLAB lze spolu s Pythonem považovat za programovací jazyk [139] .

Jazyky ovlivněné Pythonem

Python, jako velmi populární programovací jazyk, ovlivnil následující jazyky:

CoffeeScript má syntaxi inspirovanou Pythonem [140] .
ECMAScript / JavaScript si vypůjčil iterátory a generátory z Pythonu [141] .
Go , s nejsilnějšími ideologickými rozdíly, vypůjčenými z dynamických jazyků, jako je Python, vestavěné slovníky, dynamická pole, řezy.
Groovy byl vytvořen s motivací přinést filozofii Pythonu do Javy [142] .
Julia měla být "stejně dobrá pro obecné programování jako Python" [143] .
Nim používá systém odsazení a podobnou syntaxi [144] .
Ruby - Yukihiro Matsumoto , tvůrce jazyka, řekl: „Chtěl jsem skriptovací jazyk, který by byl výkonnější než Perl a více objektově orientovaný než Python. Proto jsem se rozhodl vytvořit svůj vlastní jazyk“ [145] .
Swift převzal nápady jazykové struktury z Pythonu během vývoje, stejně jako z Objective-C , Rust , Haskell , Ruby , C# , CLU [146] .

Kritika

Pomalý výkon

Klasický Python má s mnoha jinými interpretovanými jazyky společnou nevýhodu – relativně pomalou rychlost provádění programů [147] . Situaci do jisté míry vylepšuje uložení bajtkódu (rozšíření .pyca před verzí 3.5, .pyo), což umožňuje interpretu netrávit čas rozebíráním textu modulů při každém spuštění.

Existují implementace jazyka Python, které zavádějí vysoce výkonné virtuální stroje (VM) jako backend kompilátoru. Příklady takových implementací jsou PyPy , který je založen na RPythonu; dřívější iniciativou je projekt Parrot . Očekává se, že použití VM typu LLVM povede ke stejným výsledkům jako použití podobných přístupů pro implementace jazyka Java, kde je z velké části překonán špatný výpočetní výkon [148] . Nesmíme však zapomínat, že kvůli dynamické povaze Pythonu je nevyhnutelné, že během provádění programu vznikají další režie, což omezuje výkon systémů Python bez ohledu na použité technologie. V důsledku toho se k psaní kritických částí kódu používají nízkoúrovňové jazyky, jejichž integraci zajišťuje mnoho programů a knihoven (viz výše).

V nejpopulárnější implementaci jazyka Python je interpret poměrně velký a náročnější na zdroje než v podobných populárních implementacích Tcl , Forth , LISP nebo Lua , což omezuje jeho použití ve vestavěných systémech. Python však byl portován na některé platformy s relativně nízkým výkonem. .

Global Interpreter Lock (GIL)

Interpret Pythonu v CPythonu (stejně jako Stackless a PyPy [149] ) používá data nebezpečná pro vlákna, aby se zabránilo jejich zničení, při společné úpravě z různých vláken se použije globální zámek interpretu - GIL (Global Interpreter Lock) [150 ] : vlákno během spouštění kódu Interpret uzamkne GIL, po stanovenou dobu (výchozí 5 milisekund [K 2] ) provede určitý počet instrukcí, poté uvolní zámek a pozastaví se, aby umožnil běh dalším vláknům. GIL se také uvolní během I/O, při změně a kontrole stavu synchronizačních primitiv, když se spouští rozšiřující kód, který nepřistupuje k datům interpretu, jako je NumPy / SciPy . V jednom procesu interpretru Pythonu tedy může současně běžet pouze jedno vlákno kódu Python, bez ohledu na počet dostupných procesorových jader.

Pokuta za výkon z GIL závisí na povaze programů a architektuře systému. Většina programů je jednovláknová nebo spouští pouze několik vláken, z nichž některá jsou v daný okamžik nečinná. Osobní počítače mají obvykle malý počet procesorových jader, která jsou zatěžována paralelně běžícími procesy v systému, takže reálná ztráta výkonu na osobních počítačích vlivem GIL je malá. Ale v serverových aplikacích může být vhodné používat desítky a stovky (nebo dokonce více) paralelních vláken (například v systémech front, kde každé vlákno zpracovává data pro samostatný uživatelský požadavek) a servery na konci 2010 často disponují desítkami a dokonce stovkami procesorových jader, to znamená, že dokážou technicky zajistit tato vlákna s fyzickým simultánním prováděním; za takových podmínek může GIL vést k opravdu výraznému poklesu celkového výkonu, protože zbavuje program schopnosti plně využívat zdroje vícejádrových systémů.

Guido van Rossum řekl, že GIL „není tak špatný“ a bude v CPythonu, dokud „někdo jiný“ nepřijde s implementací Pythonu mimo GIL, která dělá jednovláknové skripty stejně rychlé [153] [ 154] .

Vývojové úkoly zahrnují práci na optimalizaci GIL [155] . V blízké budoucnosti se neplánuje ukončit podporu GIL, protože alternativní mechanismy v aplikacích s jedním vláknem, kterých je většina, jsou pomalejší nebo spotřebovávají více zdrojů:

Varianta interpretu se synchronizovaným přístupem k jednotlivým objektům místo globálního zámku [156] se ukázala jako příliš pomalá z důvodu častého pořizování/uvolňování zámků.
python-safethread - CPython bez GIL [157] poskytuje podle autorů rychlosti řádově 60-65 % rychlosti CPythonu na jednovláknových aplikacích.
Implementace vláken prostřednictvím procesů OS, například modul zpracování [158] (od verze 2.6 přejmenován na multiprocessing). Na systémech podobných UNIXu je režie při vytváření procesu malá, ale ve Windows vede použití procesů místo vláken k výraznému zvýšení spotřeby RAM.
Vyhněte se sdílení proměnných dat a volání externího kódu. V tomto případě jsou data duplikována ve vláknech a jejich synchronizace (pokud existuje) spočívá na programátoru [159] . Tento přístup také zvyšuje spotřebu RAM, i když ne tolik jako při použití procesů ve Windows.
Knihovny, které poskytují podporu nativních vláken, jako například parallelpython [160] , pympi [161] a další.

Radikálním řešením problému by mohl být přechod na Jython a IronPython běžící na virtuálních strojích Java a .NET/Mono: tyto implementace GIL vůbec nepoužívají.

Syntaxe a sémantika

Zatímco jedním z deklarovaných principů návrhu Pythonu je princip nejmenšího překvapení , kritici poukazují na řadu architektonických voleb, které mohou být matoucí nebo matoucí pro programátory zvyklé na jiné běžné jazyky [162] . Mezi nimi:

Rozdíl v principu operátoru přiřazení ve srovnání se staticky typovanými jazyky. V Pythonu přiřazení hodnoty zkopíruje odkaz na objekt, nikoli hodnotu. Při práci s jednoduchými neměnnými typy se zdá, že se hodnota proměnné změní, když je k ní přiřazena hodnota, ale ve skutečnosti je přiřazen odkaz na jinou hodnotu, například zvýšení hodnoty proměnné typu into 1 změní odkaz , spíše než zvýšení hodnoty odkazem. Při práci s proměnlivými typy však lze jejich obsah změnit odkazem, takže když přiřadíte jedné proměnné odkaz na jinou a poté změníte hodnotu v jedné ze dvou proměnných, změní se v obou proměnných, což je jasně viditelné, když práce se seznamy [162] [163] . Zároveň, ačkoli jsou n-tice neměnné, mohou ukládat odkazy na proměnlivé objekty, takže ve skutečnosti lze n-tice také měnit [164] ;
Rozdíl v chování u některých typů „zkratkových“ operátorů, jako je +=jejich rozšířený zápis, ačkoli ve většině jazyků je „zkratka“ pouze zkráceným zápisem úplného zápisu a jsou sémanticky přesně ekvivalentní. Příklad použití x +=:>>> x = [ 1 , 2 ] >>> y = x >>> x += [ 3 , 4 ] >>> x [ 1 , 2 , 3 , 4 ] >>> y [ 1 , 2 , 3 , 4 ] Podobný příklad s použitím x = x +:>>> x = [ 1 , 2 ] >>> y = x >>> x = x + [ 3 , 4 ] >>> x [ 1 , 2 , 3 , 4 ] >>> y [ 1 , 2 ]
Přísné zacházení s lexikálním rozsahem, podobné tomu, které se používá v JavaScriptu: i když proměnná získá svou hodnotu na posledním řádku funkce, jejím rozsahem je celá funkce.
Záměna mezi poli třídy a poli objektu: aktuální hodnota pole třídy inicializuje stejnojmenné pole objektu, ale ne při vytvoření objektu, ale při prvním zápisu hodnoty do tohoto pole.třída Barevné : barva = "červená" obj1 = Barevný ( ) tisk ( obj1 . barva ) # vytiskne původní hodnotu pole Barevná TŘÍDA . barva = "zelená" # změnit tisk pole TŘÍDA ( obj1 . barva ) # vytisknout hodnotu pole TŘÍDA obj1 . color = "modrá" # pole OBJECT se změní a jeho hodnota se zafixuje na Colored . barva = "žlutá" # změna pole TŘÍDA, která se již nebude promítat do tisku objektu ( obj1 . barva ) # zobrazí se pole OBJEKT # Výstup skriptu: červená zelená modrá

Ve výše uvedeném příkladu je pole barvy objektu obj1 třídy Colored zobrazeno třikrát. V tomto případě, dokud není v tomto poli proveden záznam, je zobrazena aktuální hodnota pole třídy a potřetí hodnota pole objektu. Takové zachování spojení mezi polem objektu a třídou až do prvního přepsání může způsobit neočekávaný efekt: pokud se v programu změní hodnota pole třídy, pak všechny objekty, jejichž pole stejného jména ještě nebyla přepsána budou implicitně změněny.

Intuitivně obtížné předvídat chování parametrů s výchozí hodnotou objektu. Pokud zadáte konstruktor objektu jako inicializátor pro výchozí parametr, povede to k vytvoření statického objektu, jehož odkaz bude standardně předán každému volání [165] . To může vést k jemným chybám.

Neschopnost upravit vestavěné třídy

Ve srovnání s Ruby a některými dalšími jazyky Python postrádá možnost upravovat vestavěné třídy jako int, str, float, listjiné, což však Pythonu umožňuje spotřebovávat méně RAM a běžet rychleji. Dalším důvodem pro zavedení takového omezení je potřeba koordinace s rozšiřujícími moduly. Mnoho modulů (za účelem optimalizace výkonu) převádí elementární typy Pythonu na odpovídající typy C místo toho, aby s nimi manipulovalo prostřednictvím C API. Eliminuje také mnoho potenciálních úskalí plynoucích z nekontrolovaného dynamického přepisování vestavěných typů.

Implementace

CPython

CPython je hlavní implementací jazyka. Je napsán v C a je přenosný napříč platformami. Základem správy paměti je použití kombinace čítačů referencí a garbage collectoru odpovědného za vyhledávání cyklických záchytů referencí [42] . Ačkoli je jazyk považován za interpretovaný, je ve skutečnosti zkompilován do středního vysokoúrovňového bajtkódu [166] [167] , který je pak spuštěn prostřednictvím virtuálního stroje zásobníku [42] . Například volání funkce print()může být reprezentováno jako [167] :

1 0 LOAD_NAME 0 ( tisk ) 2 LOAD_CONST 0 ( ' Ahoj světe ! ' ) 4 CALL_FUNCTION 1 6 RETURN_VALUE

Názvy v jazyce mají pozdní vazbu, což znamená, že můžete psát volání proměnných, metod a atributů, které ještě neexistují, ale musí být deklarovány v době spuštění kódu, který je používá. Každý objekt v Pythonu má slovník hashovacích tabulek, pomocí kterého se porovnávají názvy atributů s jejich hodnotami. Globální proměnné jsou také mapovány pomocí slovníku. Po jediném volání metody nebo atributu může následovat alternativní vyhledávání ve více slovnících [42] .

Pypy

PyPy je implementace Pythonu napsaná v RPythonu (podmnožina Pythonu s mnohem méně dynamickými schopnostmi). Umožňuje snadno testovat nové funkce. PyPy, kromě standardního CPythonu, obsahuje funkce Stackless, Psyco , modifikace AST za běhu a mnoho dalšího. Projekt integruje možnosti analýzy kódu Pythonu a překladu do jiných jazyků a bajtkódů virtuálních strojů ( C , LLVM , Javascript , .NET od verze 0.9.9). Počínaje verzí 0.9.0 je možné plně automaticky překládat RPython do jazyka C, což vede k rychlosti, která je přijatelná pro použití (2-3krát nižší než CPython s vypnutým JIT pro verzi 0.9.9). Standardně PyPy přichází s vestavěným JIT kompilátorem, se kterým je schopen běžet mnohem rychleji než CPython.

Jython

Jython je implementace Pythonu, která kompiluje kód Pythonu do bajtkódu Java , který může být spuštěn JVM . Lze jej také použít k importu třídy, jejíž zdrojový kód byl napsán v Javě jako modul pro Python [168] .

Další implementace

Existují i další implementace.

Numba - Jit kompilátor založený na LLVM s podporou NumPy.
PyS60 [169] je implementace jazyka pro chytré telefony Nokia založené na platformě Series 60 .
IronPython - Python pro .NET Framework a Mono . Kompiluje Python programy do MSIL , čímž poskytuje plnou integraci se systémem .NET [170] .
Stackless je také C implementace Pythonu. Nejedná se o plnohodnotnou implementaci, ale o záplaty pro CPython. Poskytuje pokročilé vícevláknové programování a výrazně větší hloubku rekurze .
Python pro .NET [171] je další implementací Pythonu pro .NET. Na rozdíl od IronPythonu tato implementace nekompiluje kód Pythonu do MSIL, ale poskytuje pouze interpret napsaný v C# . Umožňuje používat sestavení .NET z kódu Pythonu.
Jython je implementace Pythonu, která používá JVM jako své spouštěcí prostředí. Umožňuje transparentní použití knihoven Java .
python-safethread [157] je non- GIL verze CPythonu , která umožňuje vláknům Pythonu běžet současně na všech dostupných procesorech. Byly provedeny i některé další změny.
Unladen Swallow je projekt iniciovaný společností Google s cílem vyvinout vysoce účinný kompilátor JIT založený na LLVM , který je vysoce kompatibilní s CPython . Podle plánů vývoje pro Python [172] bylo plánováno portovat zdrojový kód Unladen Swallow do CPythonu ve verzi 3.3. Ale PEP-3146 byl zrušen kvůli nezájmu o Unladen Swallow ze strany Google, hlavního sponzora vývoje [173] .
tinypy [174] je minimalistická verze Pythonu. Některé funkce CPythonu nejsou implementovány.
MicroPython je implementace Pythonu 3 pro vestavěné systémy s nízkou pamětí [175] .
Brython [176] je implementace jazyka JavaScript na straně klienta, která umožňuje psát skripty prohlížeče v Pythonu 3.
QPython [177] je implementace Pythonu pro Android. Projekt je stále ve fázi testování, ale některé z nejnutnějších knihoven již byly portovány na qpython. Umožňuje pracovat v interaktivním režimu. Existuje také Qpython3.
Grumpy [178] je implementace Pythonu on Go (v aktivním vývoji), která umožňuje kódu Pythonu běžet bez virtuálního stroje: zkompilujte kód Pythonu do kódu Go a poté získejte spustitelný soubor.

Specializované podmnožiny/rozšíření Pythonu

Na základě Pythonu bylo vytvořeno několik specializovaných podmnožin jazyka, které jsou určeny především pro statickou kompilaci do strojového kódu. Některé z nich jsou uvedeny níže.

RPython [179] je velmi omezená implementace Pythonu vytvořená projektem PyPy bez dynamiky běhu a některých dalších funkcí. Kód RPythonu lze zkompilovat do mnoha dalších jazyků/platforem - C, JavaScript, Lisp, .NET [180] , LLVM . Interpret PyPy je napsán v RPythonu.
Pyrex [181] je omezená implementace Pythonu, ale poněkud menší než RPython. Pyrex je rozšířen o možnosti statického psaní s typy z jazyka C a umožňuje vám volně míchat napsaný a nepsaný kód. Navrženo pro psaní rozšiřujících modulů, zkompilovaných do kódu C.
Cython [182] je rozšířená verze Pyrexu.
Projekt Shedskin je navržen tak, aby kompiloval implicitně staticky typovaný kód Pythonu do optimalizovaného kódu C++.

Nástroje pro podporu programování

Interaktivní režim

Podobně jako Lisp a Prolog lze i Python používat interaktivně, kdy se příkazy zadané z klávesnice okamžitě provedou a výsledek se zobrazí na obrazovce ( REPL ). Tento režim je vhodný jak při učení jazyka, tak během procesu profesionálního vývoje – pro rychlé testování jednotlivých fragmentů kódu – protože poskytuje okamžitou zpětnou vazbu. Umožňuje také používat tlumočník jako kalkulačku s velkou sadou funkcí.

Referenční implementace Pythonu má vestavěný interaktivní interpret, který pracuje v režimu textového terminálu a umožňuje provádět všechny základní operace. V interaktivním režimu je k dispozici debugger pdb a systém nápovědy (volaný pomocí help()), který funguje pro všechny moduly, třídy a funkce, které obsahují docstring:

>>> z matematického importu * # import matematických funkcí >>> nápověda ( seřazeno ) # seřazená funkce nápověda Nápověda k vestavěné funkci seřazená v modulech vestavěných : sorted ( iterable , / , * , key = None , reverse = False ) Vrátí nový seznam obsahující všechny položky z iterovatelného ve vzestupném pořadí . _ _ . . .

IPython [183] je multiplatformní interaktivní shell s licencí BSD, který poskytuje pokročilou introspekci a další příkazy. Zejména vám umožňuje předávat výsledky provádění příkazů ze systémového shellu do spustitelného kódu Pythonu. Podporuje zvýrazňování kódu a automatické doplňování.
bpython [184] je rozšířením standardního shellu Pythonu o řadu dalších modulů. Implementuje zvýraznění syntaxe, automatické doplňování kódu s návrhem návrhů, automatické zarovnání, integraci Pastebin , uložení vstupu do souboru, obnovení smazaného řetězce, návrh parametrů funkcí.

Téměř všechna Python IDE podporují REPL pro rychlé testování.

IDE

Existuje několik specializovaných IDE pro vývoj Pythonu.

Eric je plně vybavený Python editor a IDE napsaný v Pythonu. Je založen na multiplatformním rámci Qt a jako svou editační komponentu používá QScintilla . Eric poskytuje projektové řízení, ladění, profilování, refaktorování kódu, interakci s oblíbenými systémy pro správu verzí, jako jsou Subversion a Git . Rozšiřitelné pomocí mechanismu pluginu. Úložiště pluginů je dostupné přímo z vývojového prostředí. Distribuováno zdarma, licencováno pod GNU GPL v3 .
PyCharm je plnohodnotné Python IDE od JetBrains , dostupné na platformách Windows, macOS a Linux, dostupné v bezplatné (Community) a placené (Professional) verzi.
IDE křídla - řada Python-IDE od americké společnosti Wingware, obsahuje tři možnosti: "Wing 101", "Wing Personal", "Wing Pro", z nichž první dvě jsou zdarma, poslední je placená. Verze Pro má vše, co potřebujete pro profesionální vývoj, včetně podpory projektů, správy verzí, pokročilé navigace v kódu a analýzy kódu, refaktoringu, podpory pro používání Django . Bezplatné verze poskytují méně funkcí a nepřekračují funkce dostupné v jiných bezplatných IDE Pythonu.
Spyder je open-source Python IDE s licencí MIT , zdarma, dostupné na platformách Windows, Mac OS X a Linux. Zvláštností je, že IDE je zaměřeno na datovou vědu , je vhodné pracovat s knihovnami jako SciPy, NumPy, Matplotlib. Spyder je dodáván se správcem balíčků Anaconda . Obecně má kvality standardního IDE, má editor se zvýrazňováním syntaxe, automatické doplňování kódu a prohlížeč dokumentace.
Thonny je multiplatformní bezplatné IDE vydané pod licencí MIT a podporované Institutem informatiky Univerzity v Tartu v Estonsku . Je umístěn jako "Python IDE pro začátečníky", kompletně včetně Python interpretu jej instaluje "z krabice" uživatel bez administrátorských práv, lze jej používat ihned po instalaci bez dalšího nastavování. Navrženo pro učení, má vylepšenou vizualizaci pořadí vyhodnocení výrazů a volání funkcí, dynamické zvýrazňování syntaktických chyb, jednoduchý správce balíčků. Pro profesionální použití funkce nestačí, například chybí podpora projektů a integrace se systémy správy verzí .

Kromě toho existují zásuvné moduly pro podporu programování v Pythonu pro univerzální IDE Eclipse , KDevelop a Microsoft Visual Studio a také podpora pro zvýrazňování syntaxe, dokončování kódu a nástroje pro ladění a spouštění pro řadu běžných textových editorů.

Aplikace

Python je stabilní a rozšířený jazyk. Používá se v mnoha projektech a v různých kapacitách: jako hlavní programovací jazyk nebo pro vytváření rozšíření a integraci aplikací. V Pythonu bylo implementováno velké množství projektů a je také aktivně využíván k vytváření prototypů pro budoucí programy.

Python je jazyk, který se snadno učí a často se vyučuje jako první jazyk [27] , a to i při výuce dětí, jak programovat [185] . Jako první jazyk se dobře hodí, protože programy v něm jsou blízké přirozenému jazyku, ve kterém jsou lidé zvyklí myslet, a pro napsání správného programu je potřeba minimální počet klíčových slov. V jiných jazycích, jako je C++ , existuje velké množství různých syntaxí a jazykových prvků, kterým musíte věnovat pozornost místo studia algoritmů [134] .

Jako aplikace s otevřeným zdrojovým kódem se interpret Pythonu používá po celém světě a je dodáván s operačními systémy založenými na Linuxu a počítači Apple . Python je populární mezi jednotlivými vývojáři, ale je také používán velkými společnostmi v poměrně seriózních produktech zaměřených na zisk [186] . Reddit [46] je napsán v Pythonu . Dropbox má také silné využití Pythonu a kvůli složitosti dynamického psaní a obrovskému množství kódu společnost přešla na statické psaní s open source projektem Mypy [187] . Python je také hojně využíván na Facebooku [188 ] a Instagram [189] . Mnoho společností používá Python pro testování hardwaru, mezi tyto společnosti patří Intel , Cisco , Hewlett-Packard a IBM . Industrial Light & Magic a Pixar jej používají ve svých animovaných filmech [186] .

Tento jazyk je hojně používán Googlem ve svém vyhledávači a Youtube je z velké části napsán pomocí Pythonu [186] [190] . Kromě toho Google od roku 2010 sponzoruje vývoj Pythonu [191] [192] a podporu PyPI , hlavního systému distribuce balíčků pro Python [191] [193] .

Silnými stránkami Pythonu jsou jeho modularita a schopnost integrace s jinými programovacími jazyky, včetně součástí komplexních komplexních aplikací a systémů [194] . Kombinace jednoduchosti a stručnosti s velkým množstvím funkcí dělá z Pythonu pohodlný skriptovací jazyk . . Mnoho projektů poskytuje Python API pro skriptování, například prostředí 3D modelování Autodesk Maya [186] , Blender [195] a Houdini [196] a bezplatný geografický informační systém QGIS [197] . Některé projekty implementují základní část v produktivnějších programovacích jazycích a poskytují plnohodnotné API v Pythonu pro zjednodušení práce. . Engine bezplatného video editoru OpenShot je tedy implementován ve formě knihovny libopenshot , napsané v C ++ s použitím knihoven C a všechny možnosti plně pokrývá Python API [198][ význam skutečnosti? ] . Americká národní bezpečnostní agentura používá Python pro analýzu dat a NASA jej používá pro vědecké účely [186] . Z nástrojů používaných v NASA si lze všimnout bezplatného grafického síťového simulátoru GNS3 , který se osvědčil i ve firemním prostředí a je využíván v technologických firmách např. u Intelu [199] . Cura [200] [201] je také napsán v Pythonu, bezplatném a oblíbeném programu pro řezání 3D modelů pro tisk na 3D tiskárnách .

Python s balíčky NumPy , SciPy a MatPlotLib se aktivně používá jako univerzální vědecké výpočetní prostředí jako náhrada za běžné specializované komerční balíčky, jako je Matlab , poskytující podobnou funkcionalitu a nižší vstupní práh [202] . V Pythonu je z velké části napsán i grafický program Veusz .[203] , který umožňuje vytvářet kvalitní grafiku připravenou k publikování ve vědeckých publikacích [204][ význam skutečnosti? ] . Knihovna Astropy je oblíbeným nástrojem pro astronomické výpočty [205][ význam skutečnosti? ] .

Python je také vhodný pro provádění nestandardních nebo složitých úloh v systémech pro vytváření projektů , což je způsobeno tím, že není třeba předkompilovat zdrojové soubory. Projekt Google Test jej používá ke generování falešného zdrojového kódu pro třídy C++ [206][ význam skutečnosti? ] .

Interpret Pythonu lze použít jako výkonný shell a skriptovací jazyk pro psaní dávkových souborů OS. Snadný přístup ze skriptů Pythonu k externím programům a dostupnost knihoven, které umožňují přístup ke správě systému, činí z Pythonu pohodlný nástroj pro správu systému [207] . Pro tento účel je široce používán na platformě Linux: Python je obvykle dodáván se systémem, v mnoha distribucích jsou instalátory a vizuální rozhraní systémových utilit napsány v Pythonu. Používá se také při správě jiných unixových systémů, zejména Solaris a macOS [207] . Díky multiplatformnímu charakteru samotného jazyka a knihoven je atraktivní pro jednotnou automatizaci úloh správy systému v heterogenních prostředích, kde se společně používají počítače s různými typy operačních systémů.

Python je univerzální jazyk a lze jej použít téměř ve všech oblastech činnosti. Ve skutečnosti Python tak či onak používá téměř každá renomovaná společnost, a to jak pro každodenní úkoly, tak při testování, správě nebo vývoji softwaru [186] .

Viz také

Porovnání integrovaných vývojových nástrojů (IDE)

Poznámky

Komentáře

↑ 1 2 3 Není k dispozici přímo podle názvu typu.
↑ Hodnotu v sekundách lze získat pomocí příkazu sys.getswitchinterval() [151] a lze ji změnit za běhu pomocí sys.setswitchinterval() [152]

Zdroje

↑ 1 2 3 4 5 https://docs.python.org/3/license.html
↑ Python 3.11 vydán s velkým vylepšením výkonu, skupinami úloh pro asynchronní I/O - 2022 .
↑ Vydán Python 3.11 – 2022 .
↑ Python 3.11.0 je nyní k dispozici (v angličtině) - 2022.
↑ Proč byl Python vůbec vytvořen? . Obecné otázky týkající se Pythonu . Python Software Foundation. Datum přístupu: 22. března 2007. Archivováno z originálu 24. října 2012. (neurčitý)
↑ Referenční příručka Ada 83 (výkaz zvýšení) . Získáno 7. ledna 2020. Archivováno z originálu dne 22. října 2019. (neurčitý)
↑ Kuchling, Andrew M. Rozhovor s Guido van Rossumem (červenec 1998) . amk.ca (22. prosince 2006). Získáno 12. března 2012. Archivováno z originálu 1. května 2007. (neurčitý)
↑ 1 2 itertools – Funkce vytvářející iterátory pro efektivní cyklování – dokumentace Pythonu 3.7.1 . docs.python.org . Získáno 22. listopadu 2016. Archivováno z originálu 14. června 2020. (neurčitý)
↑ van Rossum, Guido (1993). "Úvod do Pythonu pro programátory UNIX/C." Sborník konference NLUUG Najaarsconferentie (holandská skupina uživatelů UNIX) . CiteSeerX 10.1.1.38.2023 . i když design C není zdaleka ideální, jeho vliv na Python je značný.
↑ 12 tříd . _ Výukový program Python . Python Software Foundation. — „Je to směs třídních mechanismů nalezených v C++ a Modula-3“. Datum přístupu: 20. února 2012. Archivováno z originálu 23. října 2012. (neurčitý)
↑ Lundh, Fredrik Call By Object . effbot.org . - "nahraďte "CLU" za "Python", "record" za "instance" a "procedura" za "funkce nebo metoda" a získáte docela přesný popis objektového modelu Pythonu.". Získáno 21. listopadu 2017. Archivováno z originálu dne 23. listopadu 2019. (neurčitý)
↑ Simionato, Michele The Python 2.3 Method Resolution Order . Python Software Foundation. - "Metoda C3 sama o sobě nemá nic společného s Pythonem, protože ji vynalezli lidé pracující na Dylanovi a je popsána v článku určeném pro lispery." Získáno 29. července 2014. Archivováno z originálu dne 20. srpna 2020. (neurčitý)
↑ Kuchling, A. M. Funkční programování HOWTO . Dokumentace Pythonu v2.7.2 . Python Software Foundation. Datum přístupu: 9. února 2012. Archivováno z originálu 24. října 2012. (neurčitý)
↑ Schemenauer, Neil; Peters, Tim; Hetland, Magnus Lie PEP 255 - Jednoduché generátory . Návrhy na vylepšení Pythonu . Python Software Foundation (18. května 2001). Získáno 9. února 2012. Archivováno z originálu dne 5. června 2020. (neurčitý)
↑ Smith, Kevin D.; Jewett, Jim J.; Montanaro, Skip; Baxter, Anthony PEP 318 - Dekorátoři pro funkce a metody . Návrhy na vylepšení Pythonu . Python Software Foundation (2. září 2004). Získáno 24. února 2012. Archivováno z originálu dne 3. června 2020. (neurčitý)
↑ Další nástroje pro řízení toku . Dokumentace k Pythonu 3 . Python Software Foundation. Získáno 24. července 2015. Archivováno z originálu 4. června 2016. (neurčitý)
↑ Historie a licence
↑ https://docs.python.org/3/library/py_compile.html
↑ https://docs.python.org/3/faq/windows.html#is-a-pyd-file-the-same-as-a-dll
↑ https://www.python.org/dev/peps/pep-0488/
↑ https://docs.python.org/3/using/windows.html
↑ https://docs.python.org/3/library/zipapp.html
↑ https://www.python.org/dev/peps/pep-0484/
↑ https://www.python.org/downloads/
↑ Maria "Mifrill" Nefyodova, Tvůrci programovacích jazyků: Jsou tak odlišné, ale kódování je spojuje, Hacker č. 09/08 (117) . Získáno 1. prosince 2012. Archivováno z originálu 2. července 2013. (neurčitý)
↑ Prohorenok N., Dronov V. Úvod // Python 3. Essentials, 2. vyd. . - BHV-Petersburg, 2019. - S. 11. - 608 s. — ISBN 9785977539944 .
↑ 1 2 3 4 5 6 7 8 9 10 11 12 13 Yogesh Rana. Python: Jednoduchý, i když důležitý programovací jazyk // International Research Journal of Engineering and Technology ( IRJET). - 2019. - 2. února ( díl 06 , 2. vydání ). - S. 1856-1858 . — ISSN 2395-0056 . Archivováno z originálu 11. února 2021.
↑ SkipMontanaro. Proč je Python dynamický jazyk a také silně typovaný jazyk - Python Wiki . wiki.python.org (24. února 2012). Získáno 14. března 2021. Archivováno z originálu dne 14. března 2021.
↑ 1 2 3 4 Mark Lutz. Python Q&A Session . Learning Python, 3. vydání [kniha] . Společnost O'Reilly Media Inc. (2007). Získáno 11. února 2021. Archivováno z originálu 8. února 2021.
↑ Úvod do Pythonu | (anglicky) . Vzdělávání v Pythonu . Google Developers (20. srpna 2018). Získáno 21. února 2021. Archivováno z originálu dne 4. prosince 2020.
↑ 1 2 3 4 Satwik Kansal. Metaprogramování v Pythonu . IBM (5. dubna 2018). Získáno 14. dubna 2021. Archivováno z originálu dne 27. února 2021.
↑ 1 2 Alexandre Bergel, Lorenzo Bettini. Generické programování v Pharo // Software a datové technologie / José Cordeiro, Slimane Hammoudi, Marten van Sinderen. - Berlin, Heidelberg: Springer, 2013. - S. 66–79 . — ISBN 978-3-642-45404-2 . - doi : 10.1007/978-3-642-45404-2_5 . Archivováno z originálu 13. února 2021.
↑ 1 2 R. Peschke, K. Nishimura, G. Varner. ARGG-HDL: Objektově orientovaný HDL rámec na vysoké úrovni v Pythonu // Transakce IEEE v oblasti jaderné vědy: předtisk. - 2020. - Říjen. - arXiv : 011.02626v1 . Archivováno 7. listopadu 2020.
↑ 1 2 Steven F. Lott. Aspektově orientované programování . Zvládnutí objektově orientovaného Pythonu – druhé vydání . Packt Publishing (2019). Získáno 21. února 2021. Archivováno z originálu dne 21. února 2021.
↑ Arne Bachmann, Henning Bergmeyer, Andreas Schreiber. Vyhodnocení aspektově orientovaných rámců v Pythonu pro rozšíření projektu o prvky dokumentace původu // The Python Papers. - 2011. - Sv. 6 , iss. 3 . — S. 1–18 . — ISSN 1834-3147 . Archivováno z originálu 22. dubna 2018.
↑ Steven Cooper. Data Science od nuly: #1 Průvodce datovou vědou pro vše, co datový vědec potřebuje vědět: Python, lineární algebra, statistika, kódování, aplikace, neuronové sítě a rozhodovací stromy . - Roland Bind, 2018. - 126 s. Archivováno 21. února 2021 na Wayback Machine
↑ Reuven M. Lerner. Multiprocessing v Pythonu . Linux Journal (16. dubna 2018). Získáno 14. února 2021. Archivováno z originálu 14. února 2021.
↑ David Beazley, Brian K. Jones. 10. Moduly a balíčky - Python Cookbook, 3. vydání [kniha ] . Kuchařka Python, 3. vydání . Společnost O'Reilly Media Inc. (2013). Získáno 21. února 2021. Archivováno z originálu dne 21. února 2021.
↑ O Pythonu . Získáno 7. srpna 2007. Archivováno z originálu dne 11. srpna 2007. (neurčitý)
↑ PythonImplementations – Python Wiki . wiki.python.org (21. července 2020). Získáno 17. února 2021. Archivováno z originálu dne 11. listopadu 2020.
↑ Historie a licence . Python . Získáno 21. května 2021. Archivováno z originálu dne 5. prosince 2016.
↑ 1 2 3 4 Mostafa Chandra Krintz, C. Cascaval, D. Edelsohn, P. Nagpurkar, P. Wu. Pochopení potenciálu optimalizací založených na interpretu pro Python // Technická zpráva UCSB. - 2010. - 11. srpna. Archivováno z originálu 23. února 2021.
↑ 1 2 3 J. Akeret, L. Gamper, A. Amara, A. Refregier. HOPE: A Python just-in-time kompilátor pro astrofyzikální výpočty // Astronomy and Computing. - 2015. - 1. dubna ( vol. 10 ). — S. 1–8 . — ISSN 2213-1337 . - doi : 10.1016/j.ascom.2014.12.001 . - arXiv : 1410.4345v2 . Archivováno z originálu 15. února 2021.
↑ 1 2 PEP 373 -- Plán vydání Pythonu 2.7 ( 23. března 2014). Získáno 7. března 2021. Archivováno z originálu dne 25. února 2021.
↑ 1 2 3 4 Berk Ekmekci, Charles E. McAnany, Cameron Mura. Úvod do programování pro biovědce: Primer založený na Pythonu // PLOS Computational Biology. - 2016. - 6. července ( vol. 12 , iss. 6 ). — P. e1004867 . — ISSN 1553-7358 . - doi : 10.1371/journal.pcbi.1004867 . — PMID 27271528 . Archivováno z originálu 16. února 2021.
↑ 1 2 3 Kalyani Adawadkar. Programování v Pythonu - Aplikace a budoucnost // International Journal of Advance Engineering and Research Development. - 2017. - Duben ( iss. SIEICON-2017 ). - str. 1-4 . — ISSN 2348-447 . Archivováno z originálu 15. července 2020.
↑ 1 2 Ethan Bommarito, Michael James Bommarito. Empirická analýza indexu Python Package Index (PyPI ) // Social Science Research Network. - Rochester, NY: Social Science Research Network, 2019. - 25. července. - doi : 10.2139/ssrn.3426281 . - arXiv : arXiv:1907.11073v2 . Archivováno z originálu 9. června 2021.
↑ Pratik Desai. Programování v Pythonu pro Arduino . - Packt Publishing Ltd, 2015. - S. 8. - 400 s. — ISBN 978-1-78328-594-5 . Archivováno 21. února 2021 na Wayback Machine
↑ 1 2 Sebastian Bassi. Primer on Python pro výzkumníky z oblasti biologických věd // PLOS Computational Biology. - 2007. - 30. listopadu ( díl 3 , výr. 11 ). —P.e199 . _ — ISSN 1553-7358 . - doi : 10.1371/journal.pcbi.0030199 . Archivováno z originálu 13. března 2021.
↑ Index TIOBE . tiobe.com . TIOBE – Společnost pro kvalitu softwaru. Získáno 12. října 2021. Archivováno z originálu dne 12. října 2021.
↑ Python | TIOBE - Společnost pro kvalitu softwaru . www.tiobe.com. Získáno 13. února 2021. Archivováno z originálu 6. února 2021. (neurčitý)
↑ Archivovaná kopie (odkaz není dostupný) . Získáno 1. června 2009. Archivováno z originálu 17. února 2016. (neurčitý)
↑ 12 Obecné časté dotazy k Pythonu . Dokumentace Pythonu v2.7.3 . docs.python.org. Získáno 4. června 2020. Archivováno z originálu dne 24. října 2012. (neurčitý)
↑ Index návrhů na vylepšení Pythonu (PEP) . Datum přístupu: 28. ledna 2007. Archivováno z originálu 28. ledna 2007. (neurčitý)
↑ Vydání Pythonu 3.0 . Získáno 1. června 2009. Archivováno z originálu 2. června 2009. (neurčitý)
↑ PEP 373 - Plán vydání Pythonu 2.7 . python.org . Získáno 9. ledna 2017. Archivováno z originálu 19. května 2020. (neurčitý)
↑ PEP 466 -- Vylepšení zabezpečení sítě pro Python 2.7.x . python.org . Získáno 9. ledna 2017. Archivováno z originálu dne 4. června 2020. (neurčitý)
↑ Sunsetting Python 2 . Python.org . Staženo 22. září 2019. Archivováno z originálu 12. ledna 2020.
↑ Python Developer's Guide – Python Developer's Guide . devguide.python.org _ Získáno 17. prosince 2019. Archivováno z originálu dne 9. listopadu 2020. (neurčitý)
↑ Rozšíření a vložení Python Interpreter : Reference Counts . docs.python.org. „Protože Python hojně využívá malloc()a free(), potřebuje strategii, která zabrání únikům paměti a také využití uvolněné paměti. Zvolená metoda se nazývá počítání referencí .". Získáno 5. června 2020. Archivováno z originálu dne 18. října 2012.
↑ Hettinger, Raymond PEP 289 - Generátor výrazů . Návrhy na vylepšení Pythonu . Python Software Foundation (30. ledna 2002). Získáno 19. února 2012. Archivováno z originálu dne 14. června 2020. (neurčitý)
↑ 6.5 itertools – Funkce vytvářející iterátory pro efektivní cyklování . docs.python.org. Získáno 22. listopadu 2016. Archivováno z originálu 14. června 2020. (neurčitý)
↑ PEP 20 – Zen Pythonu . Získáno 23. září 2005. Archivováno z originálu 17. července 2005. (neurčitý)
↑ Bader Dan. Čistý Python. Jemnosti programování pro profesionály . - "Nakladatelství" "Petr" "", 2018. - S. 64-65. — 288 s. - ISBN 978-5-4461-0803-9 . Archivováno 10. dubna 2021 na Wayback Machine
↑ Venners, Bill The Making of Python . Vývojář Artima . Artima (13. ledna 2003). Získáno 22. března 2007. Archivováno z originálu 1. září 2016. (neurčitý)
↑ Peters, Tim PEP 20 - The Zen of Python . Návrhy na vylepšení Pythonu . Python Software Foundation (19. srpna 2004). Získáno 24. listopadu 2008. Archivováno z originálu dne 26. prosince 2018. (neurčitý)
↑ Alex Martelli, Anna Ravenscroft, David Ascher. Kuchařka Pythonu, 2. vydání . - O'Reilly Media , 2005. - S. 230. - ISBN 978-0-596-00797-3 . Archivováno 23. února 2020 na Wayback Machine
↑ Python Culture (downlink) . ebeab (21. ledna 2014). Archivováno z originálu 30. ledna 2014. (neurčitý)
↑ Mark Summerfield. Python v praxi: Vytvářejte lepší programy pomocí souběžnosti, knihoven a vzorů . — Addison-Wesley, 20.08.2013. - S. 201. - 326 s. — ISBN 978-0-13-337323-3 . Archivováno 9. června 2021 na Wayback Machine
↑ 15 způsobů, jak je Python mocnou silou na webu (downlink) . Staženo 28. prosince 2020. Archivováno z originálu 11. května 2019. (neurčitý)
↑ 8.18. pprint - Datová pěkná tiskárna - dokumentace Pythonu 3.8.3 . docs.python.org . Získáno 28. prosince 2020. Archivováno z originálu dne 22. ledna 2021. (neurčitý)
↑ Python pro Android (anglicky) (odkaz není dostupný) . www.damonkohler.com Datum přístupu: 19. prosince 2009. Archivováno z originálu 28. ledna 2011.
↑ Změny specifické pro port: Windows (angličtina) (odkaz není k dispozici) . Dokumentace k Pythonu v2.6.1. Co je nového v Pythonu 2.6 . Python Software Foundation. Datum přístupu: 11. prosince 2008. Archivováno z originálu 28. ledna 2011.
↑ 3. Použití Pythonu ve Windows - dokumentace Pythonu 3.5.9 . Dokumentace Pythonu . Python Software Foundation. Získáno 8. června 2020. Archivováno z originálu dne 15. října 2020.
↑ Zrušte podporu Windows Vista a 7 v Pythonu 3.9 . Získáno 10. ledna 2021. Archivováno z originálu dne 4. listopadu 2020.
↑ 1 2 Ramalho, 2016 , str. 61.
↑ 15. Aritmetika s pohyblivou řádovou čárkou: Problémy a omezení – dokumentace Pythonu 3.8.3 . docs.python.org . - "Téměř všechny stroje dnes (listopad 2000) používají IEEE-754 aritmetiku s plovoucí desetinnou čárkou a téměř všechny platformy mapují Python floats na IEEE-754 "dvojitou přesnost". Získáno 6. června 2020. Archivováno z originálu dne 6. června 2020. (neurčitý)
↑ Moshe Zadka, Guido van Rossum. PEP 237 - Sjednocení dlouhých celých čísel a celých čísel . Návrhy na vylepšení Pythonu . Python Software Foundation (11. března 2001). Získáno 24. září 2011. Archivováno z originálu 28. května 2020. (neurčitý)
↑ Vestavěné typy . Získáno 3. října 2019. Archivováno z originálu dne 14. června 2020. (neurčitý)
↑ 1 2 Ramalho, 2016 , str. 52-54.
↑ Fredrik Lundh. Call By Object (anglicky) (downlink) . effbot.org . Získáno 31. května 2014. Archivováno z originálu dne 23. listopadu 2019.
↑ Předmluva k "Programování Pythonu" (1. vydání ) . Získáno 7. března 2021. Archivováno z originálu dne 20. ledna 2021.
↑ 2.3.2. Vyhrazené třídy identifikátorů . Dokumentace k Pythonu (18. října 2009). Archivováno z originálu 28. ledna 2011. (neurčitý)
↑ ...integrita velkých projektů Pythonu je postavena na dvou věcech: testech a řetězci doc . Získáno 31. října 2008. Archivováno z originálu 21. října 2008. (neurčitý)
↑ Steve D. Jost. Podrobnosti o strukturovaném programování . IT 211, DePaul University (2019). Získáno 17. února 2021. Archivováno z originálu dne 29. dubna 2020. (neurčitý)
↑ PyDBC: předběžné podmínky metody, dodatečné podmínky metody a invarianty třídy pro Python . Získáno 24. září 2011. Archivováno z originálu 23. listopadu 2019. (neurčitý)
↑ Smlouvy pro Python . Získáno 24. září 2011. Archivováno z originálu 15. června 2020. (neurčitý)
↑ Pydatalog . Získáno 22. července 2012. Archivováno z originálu dne 13. června 2020. (neurčitý)
↑ 1 2 3 Objektově orientované programování v Pythonu . Vývojář IBM . ibm.com (20. října 2020). Získáno 11. března 2021. Archivováno z originálu dne 11. března 2021.
↑ 1 2 3 9. Třídy . Dokumentace k Pythonu 3.9.2 . docs.python.org. Získáno 14. března 2021. Archivováno z originálu dne 14. března 2021.
↑ Fawzi Albalooshi, Amjad Mahmood. Srovnávací studie o vlivu mechanismu vícenásobné dědičnosti v Javě, C++ a Pythonu na složitost a znovupoužitelnost kódu // International Journal of Advanced Computer Science and Applications ( IJACSA). - 2017. - Sv. 8 , iss. 6 . — ISSN 2156-5570 . - doi : 10.14569/IJACSA.2017.080614 . Archivováno z originálu 10. července 2020.
↑ Michele Simionato. Pořadí rozlišení metody Python 2.3 . Python.org . Získáno 14. března 2021. Archivováno z originálu dne 14. března 2021.
↑ PEP 484 – Typové rady . Python.org (24. září 2014). Získáno 13. února 2021. Archivováno z originálu 9. února 2021.
↑ Jukka Lehtosalo. Generika (anglicky) . Dokumentace Mypy 0,800 . Přečtěte si Dokumenty (2016). Získáno 13. února 2021. Archivováno z originálu dne 13. února 2021.
↑ 1 2 Ramalho, 2016 , str. 188-191.
↑ 12 David Mertz . Funkční programování v Pythonu. - O'Reilly, 2015. - ISBN 978-1491928561 .
↑ Ramalho, 2016 , str. 273.
↑ Ramalho, 2016 , str. 613-708.
↑ Patrick O'Brien. Průvodce introspekcí v Pythonu / Intersoft Lab .
↑ Beazley, 2009 , pp. 222-225.
↑ 1 2 3 Ramalho, 2016 , str. 214-246.
↑ Ramalho, 2016 , str. 686-688.
↑ 6.2. re-operace s regulárními výrazy - dokumentace Pythonu 3.5.1 . Staženo 11. 5. 2016. Archivováno z originálu 18. 7. 2018. (neurčitý)
↑ A.M. Kuchling . PEP 206 -- Python Advanced Library , Python.org (7/14/2000). Archivováno 5. května 2021. Staženo 4. dubna 2021.
↑ eGenix.com – Profesionální Python software, dovednosti a služby . Datum přístupu: 29. ledna 2007. Archivováno z originálu 28. ledna 2007. (neurčitý)
↑ Domovská stránka numarray . Získáno 5. února 2007. Archivováno z originálu dne 9. června 2021. (neurčitý)
↑ PEP333 . Získáno 29. ledna 2007. Archivováno z originálu dne 9. června 2021. (neurčitý)
↑ Dokumentace Pyste (downlink) . Získáno 3. února 2007. Archivováno z originálu 3. února 2007. (neurčitý)
↑ Archivovaná kopie (odkaz není dostupný) . Získáno 3. února 2007. Archivováno z originálu 8. února 2007. (neurčitý)
↑ Archivovaná kopie . Získáno 3. února 2007. Archivováno z originálu 8. února 2007. (neurčitý)
↑ Boost.Python . Získáno 3. února 2007. Archivováno z originálu 3. února 2007. (neurčitý)
↑ http://www.drdobbs.com/building-hybrid-systems-with-boostpython/184401666 Archivováno 13. října 2015 na Wayback Machine Building Hybrid Systems with Boost.Python
↑ PyCXX: Napište rozšíření Python v C. Získáno 3. února 2007. Archivováno z originálu 3. února 2007. (neurčitý)
↑ Most mezi C++ a Pythonem . Získáno 15. 5. 2014. Archivováno z originálu 18. 12. 2014. (neurčitý)
↑ PyInline: Mixujte další jazyky přímo Inline s vaším Pythonem . Získáno 3. února 2007. Archivováno z originálu 15. ledna 2007. (neurčitý)
↑ Weave (downlink) . Získáno 3. února 2007. Archivováno z originálu 1. března 2007. (neurčitý)
↑ wxPython . Získáno 30. září 2008. Archivováno z originálu 9. června 2021. (neurčitý)
↑ Tým GTK. The GTK Project – bezplatná a open-source sada nástrojů pro různé platformy . Tým GTK (5. června 2015). Získáno 25. ledna 2021. Archivováno z originálu dne 27. listopadu 2020.
↑ PyOpenGL – Python OpenGL Binding . Získáno 9. února 2007. Archivováno z originálu 15. června 2011. (neurčitý)
↑ PyOgre: Ogre Wiki (downlink) . Získáno 9. února 2007. Archivováno z originálu 6. února 2007. (neurčitý)
↑ pythonOCC, 3D CAD/CAE/PLM vývojový rámec pro programovací jazyk Python . Získáno 28. března 2009. Archivováno z originálu 8. srpna 2011. (neurčitý)
↑ Otevřená technologie CASCADE, 3D modelování a numerická simulace . Získáno 28. března 2009. Archivováno z originálu 18. března 2009. (neurčitý)
↑ Modul kontroly typu pro Python (downlink) . Získáno 10. února 2007. Archivováno z originálu 4. února 2007. (neurčitý)
↑ Dekorátory pro kontrolu podpisu metody "Recepty Pythonu" ActiveState Code . Získáno 16. února 2008. Archivováno z originálu 13. února 2008. (neurčitý)
↑ PEP-3107 . Získáno 16. února 2007. Archivováno z originálu 8. května 2007. (neurčitý)
↑ FrontPage – The PEAK Developers' Center . Získáno 19. března 2008. Archivováno z originálu 12. května 2008. (neurčitý)
↑ Pravidla PEAK . Datum přístupu: 19. března 2008. Archivováno z originálu 23. července 2008. (neurčitý)
↑ PEP-3124 . Získáno 25. května 2007. Archivováno z originálu 3. července 2007. (neurčitý)
↑ preťažení-lib Archivováno 17. září 2013 na Wayback Machine , typově založená knihovna přetěžující dynamické funkce a metody pro jazyk python
↑ PyChecker: nástroj pro kontrolu zdrojového kódu pythonu . Získáno 3. února 2007. Archivováno z originálu 2. února 2007. (neurčitý)
↑ pylint (analyzuje zdrojový kód Pythonu a hledá chyby a známky nízké kvality.) (Logilab.org) . Získáno 3. února 2007. Archivováno z originálu 12. února 2007. (neurčitý)
↑ Dokumentace Pylint 1.0.0, Úvod . Získáno 23. listopadu 2013. Archivováno z originálu 2. prosince 2013. (neurčitý)
↑ 1 2 3 4 Mathieu Fourment, Michael R. Gillings. Srovnání běžných programovacích jazyků používaných v bioinformatice // BMC Bioinformatics. - 2008. - 5. února ( díl 9 , výr. 1 ). — S. 82 . — ISSN 1471-2105 . - doi : 10.1186/1471-2105-9-82 . Archivováno z originálu 19. března 2021.
↑ 1 2 3 4 5 6 7 8 A Bogdanchikov, M Žaparov, R Sulijev. Python se naučit programovat (anglicky) // Journal of Physics: Conference Series. — 2013-04-10. - 10. dubna ( díl 423 ). — S. 012027 . — ISSN 1742-6596 1742-6588, 1742-6596 . - doi : 10.1088/1742-6596/423/1/012027 . Archivováno z originálu 9. června 2021.
↑ Pascal Fua, Krzysztof Lis. Porovnání Pythonu, Go a C++ o problému N-Queens // Computer Vision Laboratory, EPFL. — 2020. Archivováno 12. března 2020.
↑ Guido van Rossum. Porovnání Pythonu s jinými jazyky . Python.org (1997). Získáno 16. března 2021. Archivováno z originálu dne 16. března 2021.
↑ Muhammad Shoaib Farooq, Sher Afzal Khan, Farooq Ahmad, Saeed Islam, Adnan Abid. Rámec hodnocení a srovnávací analýza široce používaných prvních programovacích jazyků // PLoS ONE. - 2014. - 24. února ( díl 9 , výr. 2 ). — ISSN 1932-6203 . - doi : 10.1371/journal.pone.0088941 . — PMID 24586449 . Archivováno z originálu 15. března 2021.
↑ Kincaid, Jason . Google's Go: Nový programovací jazyk, který je Python Meets C++ , TechCrunch (10. listopadu 2009). Archivováno z originálu 18. ledna 2010. Staženo 16. února 2021.
↑ Ceyhun Ozgur, Taylor Colliau, Grace Rogers, Zachariah Hughes, Elyse "Bennie" Myer-Tyson. matlab vs. Python vs. R (anglicky) // Journal of Data Science. - 2017. - Sv. 15 . - str. 355-372 . — ISSN 1680-743X . Archivováno z originálu 11. dubna 2021.
↑ Alex Maccaw. Malá kniha o CoffeeScriptu . - O'Reilly, 2012. - ISBN 9781449321055 .
↑ Návrhy: iterátory a generátory [ES4 Wiki] (downlink) . wiki.ecmascript.org. Získáno 24. listopadu 2008. Archivováno z originálu 20. října 2007. (neurčitý)
↑ Strachan, James Groovy - zrod nového dynamického jazyka pro platformu Java (odkaz není k dispozici) (29. srpna 2003). Získáno 11. června 2007. Archivováno z originálu 5. dubna 2007. (neurčitý)
↑ Proč jsme vytvořili Julii . Web Julia (únor 2012). - "Chceme něco tak použitelného pro obecné programování jako Python [...]". Získáno 5. června 2014. Archivováno z originálu 2. května 2020. (neurčitý)
↑ Jazyk Yegulalp, Serdar Nim čerpá z toho nejlepšího z jazyků Python, Rust, Go a Lisp . InfoWorld (16. ledna 2017). - "Nimova syntaxe silně připomíná Python, protože používá odsazené bloky kódu a některé stejné syntaxe (jako je způsob, jakým jsou konstruovány bloky if/elif/then/else).". Získáno 16. února 2021. Archivováno z originálu dne 13. října 2018. (neurčitý)
↑ Rozhovor se Stvořitelem Ruby . linuxdevcenter.com. Získáno 3. prosince 2012. Archivováno z originálu dne 28. dubna 2018. (neurčitý)
↑ Lattner, Domovská stránka Chrise Chrise Lattnera . Chris Lattner (3. června 2014). — „Na Swift Programming Language jsem začal pracovat v červenci 2010. Implementoval jsem velkou část základní jazykové struktury, přičemž o jeho existenci vědělo jen pár lidí. Několik dalších (úžasných) lidí začalo vážně přispívat koncem roku 2011 a v červenci 2013 se to stalo hlavním cílem skupiny Apple Developer Tools [...] čerpající nápady z Objective-C, Rust, Haskell, Ruby, Python, C#, CLU a příliš mnoho dalších na seznam." Získáno 3. června 2014. Archivováno z originálu 22. prosince 2015. (neurčitý)
↑ Python/C++ GNU g++ (downlink) . Počítačová jazyková srovnávací hra . ???. Datum přístupu: 1. července 2009. Archivováno z originálu 28. ledna 2011. (neurčitý)
↑ nenaložený-polykat. Rychlejší implementace Pythonu (nedostupný odkaz) . code.google. - "Cíle: ... Vytvořit verzi Pythonu alespoň 5x rychlejší než CPython." Získáno 22. června 2009. Archivováno z originálu 28. ledna 2011. (neurčitý)
↑ Jaworski, Ziade, 2021 , str. 466.
↑ Palach, 2014 , pp. 16-17.
↑ sys#sys.getswitchinterval() . Dokumentace Pythonu . Získáno 25. října 2021. Archivováno z originálu dne 25. října 2021. (neurčitý)
↑ sys#sys.setswitchinterval() . Dokumentace Pythonu . Získáno 25. října 2021. Archivováno z originálu dne 25. října 2021. (neurčitý)
↑ Guido van Rossum . budoucnost GIL . Python Mailing Lists (8. května 2007). Získáno 3. března 2021. Archivováno z originálu dne 9. listopadu 2020. (neurčitý)
↑ Guido van Rossum. Není snadné odstranit GIL . artima.com (10. září 2007). Získáno 3. března 2021. Archivováno z originálu dne 6. června 2019. (neurčitý)
↑ Python-Dev] Přepracování GIL . Získáno 7. prosince 2010. Archivováno z originálu 10. června 2011. (neurčitý)
↑ Nejčastější dotazy k Pythonu 3000 . Získáno 8. srpna 2007. Archivováno z originálu dne 9. listopadu 2020. (neurčitý)
↑ 1 2 python-safethread - Hosting projektu na Google Code . Získáno 21. srpna 2008. Archivováno z originálu 1. srpna 2008. (neurčitý)
↑ Python Package Index: zpracování 0,52 . Získáno 8. srpna 2007. Archivováno z originálu dne 13. října 2007. (neurčitý)
↑ perlthrtut - perldoc.perl.org . Získáno 10. dubna 2008. Archivováno z originálu 22. května 2008. (neurčitý)
↑ Paralelní Python - Home (downlink) . Získáno 8. srpna 2007. Archivováno z originálu 28. května 2010. (neurčitý)
↑ pyMPI.sourceforge.net: Vložení py do MPI . Získáno 8. srpna 2007. Archivováno z originálu dne 18. října 2007. (neurčitý)
↑ 1 2 zephyrfalcon.org :: laboratoře :: 10 nástrah Pythonu
↑ Reeta Sahoo, Gagan Sahoo. Počítačová věda s Pythonem . - Nové Dillí: New Saraswati House India Pvt Ltd, 2016. - S. 3.35-3.36. — 458 s. — ISBN 978-93-5199-980-5 . Archivováno 22. ledna 2021 na Wayback Machine
↑ Luciano Ramalho. Pythonské n-tice : neměnné, ale potenciálně se měnící - O'Reilly Radar . radar.oreilly.com . O'Reilly (15. října 2014). Získáno 16. ledna 2021. Archivováno z originálu dne 16. ledna 2021.
↑ 8. Složené příkazy – dokumentace Pythonu 3.7.2 . docs.python.org. Staženo 5. února 2019. Archivováno z originálu dne 27. listopadu 2019. (neurčitý)
↑ Obi Ike-Nwosu. Číst uvnitř virtuálního stroje Python | Leanpub . Uvnitř virtuálního stroje Python . leanpub.com. Získáno 23. března 2021. Archivováno z originálu dne 29. ledna 2021. (Ruština)
↑ 1 2 Načteno přes dis.dis('print("Hello World!")').
↑ K. Reith, T. Schlusser, 2017 , str. 23.
↑ Python pro S60 – OpenSource archivováno 6. srpna 2009.
↑ IronPython . Datum přístupu: 24. července 2007. Archivováno z originálu 18. srpna 2006. (neurčitý)
↑ Python pro .NET . Získáno 10. února 2007. Archivováno z originálu 16. února 2007. (neurčitý)
↑ PEP 3146 – Sloučení nezatížené vlaštovky do CPythonu . Získáno 8. června 2010. Archivováno z originálu 3. června 2010. (neurčitý)
↑ QINSB není Software Blog: Unladen Swallow Retrospective . Datum přístupu: 19. května 2012. Archivováno z originálu 22. března 2012. (neurčitý)
↑ maličký . Získáno 21. srpna 2008. Archivováno z originálu 18. září 2008. (neurčitý)
↑ MicroPython . Získáno 4. června 2014. Archivováno z originálu 6. června 2014. (neurčitý)
↑ Web projektu Brython . Získáno 6. listopadu 2014. Archivováno z originálu dne 20. října 2014. (neurčitý)
↑ Stránka projektu QPython . Získáno 3. února 2015. Archivováno z originálu 4. února 2015. (neurčitý)
↑ Nevrlý projektový web . Získáno 17. února 2021. Archivováno z originálu dne 9. listopadu 2020. (neurčitý)
↑ PyPy[coding-guide] (downlink) . Datum přístupu: 24. července 2007. Archivováno z originálu 7. července 2007. (neurčitý)
↑ PyPy carbonpython (downlink) . Datum přístupu: 24. července 2007. Archivováno z originálu 12. září 2007. (neurčitý)
↑ Pyrex . Získáno 3. února 2007. Archivováno z originálu dne 26. září 2018. (neurčitý)
↑ Cython: C-Extensions pro Python . Získáno 28. července 2007. Archivováno z originálu 11. srpna 2007. (neurčitý)
↑ Archivovaná kopie (odkaz není dostupný) . Získáno 1. června 2006. Archivováno z originálu 4. srpna 2018. (neurčitý)
↑ bpython interpret . Získáno 17. února 2011. Archivováno z originálu 11. května 2011. (neurčitý)
↑ Vasiliev Denis Alekseevič. Metodologické rysy výuky jazyka Python u školáků // Symbol vědy. - 2017. - č. 1 .
↑ 1 2 3 4 5 6 Mark Lutz. Učení Pythonu : Výkonné objektově orientované programování . — O'Reilly Media, Inc., 2009-10-06. - S. 7-8. — 1218 s. — ISBN 978-1-4493-7932-2 . Archivováno 10. dubna 2021 na Wayback Machine
↑ Jukka Lehtosalo. Naše cesta ke kontrole typu 4 miliony řádků Pythonu . dropbox.tech _ Dropbox (5. září 2019). Získáno 22. září 2020. Archivováno z originálu dne 22. září 2020.
↑ Python ve výrobním inženýrství . Staženo 21. 1. 2017. Archivováno z originálu 2. 2. 2017. (neurčitý)
↑ Co pohání Instagram: Stovky instancí, desítky technologií . Získáno 21. ledna 2017. Archivováno z originálu 9. června 2021. (neurčitý)
↑ Grumpy: Běžte spustit Python! Archivováno 20. ledna 2017 na Wayback Machine – článek Google Open Source Blog
↑ 12 Christina Cardoza . Google se znovu zavázal k ekosystému Python , SD Times (02/12/2021). Archivováno z originálu 25. února 2021. Staženo 4. dubna 2021.
↑ Vítáme Google jako vizionářského sponzora PSF , Novinky od Python Software Foundation (2021-02-11). Archivováno z originálu 9. dubna 2021. Staženo 4. dubna 2021.
↑ Google Cloud financuje ekosystém Python , Open Systems Publishing (03/02/2021). Archivováno z originálu 9. června 2021. Staženo 4. dubna 2021.
↑ Eilif Muller, James A. Bednar, Markus Diesmann, Marc-Oliver Gewaltig, Michael Hines. Python in neuroscience (anglicky) // Frontiers in Neuroinformatics. - 2015. - 14. dubna ( díl 9 ). — ISSN 1662-5196 . - doi : 10.3389/fninf.2015.00011 . Archivováno 30. listopadu 2020.
↑ Skriptování a rozšiřování Blenderu: Úvod . Návod k mixéru . Mixér. Získáno 21. září 2020. Archivováno z originálu dne 21. září 2020.
↑ Python skriptování . www.sidefx.com . Získáno 27. září 2020. Archivováno z originálu dne 29. září 2020.
↑ Vytvoření pluginu pro QGIS . Program Geografické informační systémy (GIS) . Národní centrum pro výzkum atmosféry. Získáno 23. září 2020. Archivováno z originálu dne 23. září 2020.
↑ Jonathan Thomas. OpenShot Video Editor pro Windows, Mac a Linux (anglicky) . Kickstarter (4. března 2020). Získáno 23. září 2020. Archivováno z originálu dne 23. září 2020.
↑ Používání GNS3 s Fedorou ? . Časopis Fedora (28. srpna 2019). Staženo 22. září 2020. Archivováno z originálu 1. října 2020. (neurčitý)
↑ Ultimaker Cura GitHub . Staženo 19. září 2020. Archivováno z originálu 17. září 2020. (neurčitý)
↑ Natol Locker. Nejlepší software pro krájení 3D tiskáren 2020 . All3DP (2. ledna 2020). - "Seznam je řazen podle oblíbenosti (přes Alexa rank)". Staženo 24. září 2020. Archivováno z originálu 13. srpna 2020.
↑ Peter Jurica, Cees Van Leeuwen. OMPC: open-source kompilátor MATLAB®-to-Python // Frontiers in Neuroinformatics. - 2009. - T. 3 . — ISSN 1662-5196 . - doi : 10.3389/neuro.11.005.2009 . Archivováno 29. listopadu 2020.
↑ Vývoj Veusz . Veusz . stránky Github. Získáno 2. října 2020. Archivováno z originálu dne 2. října 2020.
↑ Fisher, M. Zápletka s účelem : [ arch. 2. října 2020 ] // Writing for Conservation : [ eng. ] . — Fauna & Flora International, Cambridge, 2019.
↑ The Astropy Collaboration, AM Price-Whelan, BM Sipőcz, HM Günther, PL Lim, SM Crawford, S. Conseil, DL Shupe, MW Craig, N. Dencheva. The Astropy Project: Building an Open-science Project and Status of the v2.0 Core Package : [ eng. ] : [ arch. 3. října 2020 ] // The Astronomical Journal. - 2018. - T. 156, č.p. 3 (24. srpna). - S. 123. - ISSN 1538-3881 . doi : 10.3847 /1538-3881/aabc4f .
↑ Generátor třídy Google Mock README . Google test . github.com. Získáno 3. února 2019. Archivováno z originálu dne 9. června 2021. (neurčitý)
↑ 1 2 Noah Gift, Jeremy M. Jones. Python pro správu systému Unix a Linux. - ISBN 978-0-596-51582-9 .

Literatura

Luciano Ramalho. Krajta. K výšinám mistrovství : [ rus. ] = Plynulý Python. O'Reilly, 2015: [přel. z angličtiny. ]. — DMK Press, 2016.
Kenneth Reitz, Tanya Schlusser. Stopařův průvodce po Pythonu : [ rus. ] = Stopařův průvodce po Pythonu : [přel. z angličtiny. ]. - Nakladatelství "Petr", 2017. - ISBN 9785496030236 .
David M. Beazley Základní reference Pythonu. — 4. vydání. - Addison-Wesley Professional, 2009. - 717 s. — ISBN 978-0672329784 .
Jan Palach. Paralelní programování s Pythonem . — Packt Publishing Ltd, 2014.
Jaworski Michal, Ziade Tarek. Krajta. Nejlepší postupy a nástroje : [ rus. ] = Expertní programování v Pythonu : [přel. z angličtiny. ]. — Nakladatelství "Piter", 2021.
Fedorov, D. Yu. Programování ve vysokoúrovňovém jazyce Python . - Moskva: Nakladatelství Yurayt, 2022. - 210 s. - (Vysoké vzdělání). — ISBN 978-5-534-14638-7 .

Odkazy

Oficiální stránky (anglicky)

Krajta
Společenství	Guido van Rossum Python Software Foundation
Implementace	CPython IronPython Jython MicroPython PyPy Stackless Python Dále...
jiný	pypi Standardní knihovna Pythonu Licence Python

Programovací jazyky
Příběh Chronologie
Ada ALGOL assembler APL ZÁKLADNÍ C C++ C# D Delphi COBOL Erlang F# Forth Fortran Jít Haskell Jáva JavaScript Julie Kotlin Lisp Lua MATLAB Cíl-C OCaml Pascal Perl PL/SQL PHP Krajta rubín Rez Scala UNIX Shell Pokec Rychlý Visual Basic .NET Zig
Kategorie Seznamy: chronologické podle kategorie

Tematické stránky

GitHub

Slovníky a encyklopedie

V bibliografických katalozích
BNF : 13560465c GND : 4434275-5 J9U : 987007563637105171 LCCN : sh96008834 NKC : ph170668 SUDOC : 051626225