Formation Python Perfectionnement

Rappels sur le langage Python

Avant de passer aux notions avancées de Python, la formation débute par des rappels sur le langage autour de notions de base ou de niveau intermédiaire comme les fonctions ou la programmation orientée objet.

Les types de données
Les opérateurs logiques et de comparaison
Les fonctions en Python
Les modules, les packages et le PythonPath
Bases de la Programmation Orientée Objet
Les exceptions

Notions avancées

Ces notions Python avancées vous permettront de rendre votre code plus performant. Améliorez vos fonctions à l’aide des décorateurs et des fermetures, anticiper la résolution de problème avec les design patterns et optimisez votre code avec les listes de compréhensions et les expressions génératrices.

Les décorateurs
La fermeture (closure)
Les design patterns (types, application, recherche)
Les compréhensions de liste
Les expressions génératrices

Exemples de cas pratiques : création d’un décorateur, suivre un design pattern (Factory, Singleton, …).

La Programmation Orientée Objet avancée avec Python

Avec la Programmation Orientée Objet (POO), le code devient plus réutilisable et plus modulaire. Cela facilite la réutilisation d’objets et empêche l’utilisation trop importante de variables globales. Il s’agit finalement d’une technique très utilisée, et importante dans l’apprentissage de Python. Ce module aborde donc des notions plus complexes de la POO sous Python, en partant des bases déjà acquises.

Protéger l’accès aux attributs et aux méthodes
Les méthodes spéciales (conteneur, mathématiques, comparaison, …)
L’introspection (dir, __dict__ , …)
Les propriétés (property)
Les classes et méthodes abstraites (ABC)
L’héritage multiple et le polymorphisme
Les contextes
Les itérateurs et générateurs
Les métaclasses

Exemples de cas pratiques : utilisation d’une méthode abstraite, implémentation d’une métaclasse.

La programmation réseau avec Python

Python peut être utilisé pour faire communiquer des applications entre elles grâce à son API réseaux et ses modules Socket et SocketServer. Ce module aborde dans un premier temps les communications réseaux et les types de sockets. Il traire dans un deuxième temps les concepts de concurrence ou encore de parallélisme ainsi que l’utilisation des threads dans la programmation Python.

Les concepts de base (protocole TCP/IP, …)
Introduction au module Socket, aux objets sockets et leurs méthodes
Les sockets en mode connecté, non connecté (UDP) ou datagramme
Présentation de la programmation multithread
Introduction au module Threading
Instanciation et lancement de threads
L’échange de données et les threads
Programmation concurrente, parallèle et asynchrone

Exemples de cas pratiques : création d’un serveur socket, instanciation de threads avec Threading.

La programmation graphique

Lors du développement d’un logiciel, l’aspect graphique est presque aussi important que la qualité des fonctionnalités. Sans parler de design élaboré, l’interface graphique est ce qui va permettre à l’utilisateur d’interagir avec les fonctionnalités proposées. Au travers du Tkinter, ce module abordeles bases de réalisation d’une interface graphique, aussi nommée IHM.

Les principes de programmation des interfaces graphiques
Découvrir et choisir parmi les solutions existantes (PyQt, TkInter, PyGTK, wxWidgets et Kivy)
Présentation de la bibliothèque TkInter
Tour d’horizon des widgets existants
Les principaux conteneurs
Le gestionnaire de fenêtres
Le placement des composants, les différents layouts
La gestion des événements et l’objet event
Les applications multifenêtres

Exemples de cas pratiques : conception d’une interface graphique avec Tkinter.

Interopérabilité avec C (ou C++)

Décloisonnez votre code Python au travers de ce module et intégrez les langages C ou C++ à vos programmes via l’appel de fonction ou de modules. Apprenez également à gérer la création de modules en C pour Python.

Présentation des modules Ctypes et Cython
Appel de fonctions et réécriture de fonctions Python en C (API Python/C)
Créer des module C pour Python
Charger une librairie C
Les packages natifs

Exemples de cas pratiques : appel de fonctions créées en C, réécriture de fonction C en Python.

Traitement des données

Si Python est aussi populaire dans le domaine de la data science, c’est notamment car il est tout à fait optimisé pour le traitement de données. Ce module permet de bien se familiariser avec les possibilités du langage avec les données de la collecte à l’analyse.

Construire et utiliser de expressions régulières
Faire des opérations sur le système de fichiers
Les concepts de sérialisation et de désérialisation
L’interfaçage de données (CSV, JSON, XML)
Traiter XML avec SAX et DOM
Manipuler des systèmes de gestion de bases de données avec l’API Python DBAPI
SQLite, MySQL, PostgreSQL et MongoDB avec Python
Tour d’horizon de modules (ex : DBM, MySQLdb, Gadfly, lxml)

Exemples de cas pratiques : utiliser des expressions régulières, accéder à une base de données.

Analyse de code et data science

La formation s’achève sur des pistes d’exploration pour aller plus loin encore dans l’apprentissage de Python. Elle traite d’abord de l’analyse du code, en lien avec les recommandations officielles, puis introduit le domaine de la data science avec Python au travers de concepts et de modules.

Analyser son code avec Pylint ou Pychecker
Présentation de Python pour la data science
Introduction à Numpy, SciPy, Matplotlib et Pandas.

Exemples de cas pratiques : vérification d’un code Python avec Pylint et Pychecker.