-
Programming skills are proving to be an increasingly valuable skill, regardless of the application. Python is currently one of the most widely used and sought-after programming languages. If you are already familiar with the basics of Python, this Python training will take you to the next level.
You will start by learning the basic elements of object-oriented programming, important building blocks of the standard library and more in-depth software concepts. Software is subject to increasingly strict quality standards. Therefore, we will deal with topics such as Python code design and code analysis tools.</p
Python can access a wide variety of data sources and automate processes. Using the example of Rest API queries and database connections, we will perform queries and calculations without reinventing the wheel. We use ready-made modules and adapt them to our needs.
-
Course Contents
-
- Basic concepts of object orientation
- Decorators, generators
- Important elements of standard libraries
- Troubleshooting, debugging, log files
- Package and dependency management
- Virtual Python environments
- Static code analysis
- Test automation, test libraries
- GIT integration in Visual Studio Code
The detailed digital documentation package, consisting of an e-book and PDF, is included in the price of the course.
Premium Course Documents
In addition to the digital documentation package, the exclusive Premium Print Package is also available to you.
- High-quality color prints of the ExperTeach documentation
- Exclusive folder in an elegant design
- Document pouch in backpack shape
- Elegant LAMY ballpoint pen
- Practical notepad
The Premium Print Package can be added during the ordering process for € 200,- plus VAT (only for classroom participation).
-
Target Group
-
The course is aimed at anyone who already has some programming knowledge and now wants to learn more about Python and object-oriented programming and who are facing their first project tasks that they would like to implement with Python.
-
Knowledge Prerequisites
-
You will need a solid grounding in Python in terms of data types, functions and loop constructions for this course. These can be acquired, for example, in our course Python for beginners - introduction to programming.
-
Complementary and Continuative Courses
-
After completing this course, you will be ready to take the advanced course Python for Experts - Complex Code Examples.
-
Please also see our overview of Python training and the blog articles Why you should learn Python! and Analyzing log files with Python - How to avoid layer 2 loops.
| 1 | Visual Studio Code und Jupyter |
| 1.1 | Was ist Visual Studio Code? |
| 1.1.1 | Visual Studio Code vs. Visual Studio |
| 1.1.2 | Visual Studio Code unter Windows installieren |
| 1.1.3 | Optionen während der Installation |
| 1.1.4 | Das Python-Extension Pack für VS Code |
| 1.1.5 | Sprachunterstützung von VS Code |
| 1.1.6 | Visual Studio Code updaten |
| 1.1.7 | Die Oberfläche von VS Code |
| 1.1.8 | Die Oberfläche von VS Code - Activity Bar und Sidebar |
| 1.1.9 | Das Search Tool |
| 1.1.10 | Die Git-Leiste |
| 1.1.11 | Git in Visual Studio Code nutzen |
| 1.1.12 | Ein Remoterepository in VS Code klonen |
| 1.1.13 | Ein lokales Git-Repository anlegen |
| 1.1.14 | Lokales Repository mit Remoterepository synchronisieren |
| 1.1.15 | GitLens |
| 1.1.16 | Neue Dateien in VS Code anlegen |
| 1.1.17 | Mit einzelnen Codedateien in Visual Studio Code arbeiten |
| 1.1.18 | Visual Studio Code einen Ordner hinzufügen |
| 1.1.19 | Mit Workspaces in VS Code arbeiten |
| 1.1.20 | Struktur von Workspaces |
| 1.1.21 | Auf Remote Terminals entwickeln |
| 1.1.22 | Debugging in Visual Studio Code |
| 1.1.23 | Einen Linter für Python in VS Code nutzen |
| 1.1.24 | Linter in Aktion |
| 1.1.25 | Python Code in Visual Studio Code testen |
| 1.1.26 | Ein Testframework in VSCode aktivieren |
| 1.1.27 | Tests erzeugen und durchführen |
| 1.2 | Jupyter Notebooks |
| 1.2.1 | Interaktive Code-Zellen |
| 1.2.2 | Grafische Oberflächen funktionieren |
| 1.2.3 | Exporte in andere Formate und Hilfen |
| 1.2.4 | Editieren und Ausführen von Zellen |
| 1.2.5 | Shortcuts sind im Markdown Modus gefährlich |
| 1.2.6 | Dynamische HTML Seiten einbetten |
| 1.2.7 | Variable Inspector als Debugger |
| 1.3 | Anaconda - Scientific Power Package für ML |
| 1.3.1 | Die Anaconda Foren/Learning - Dashboards |
| 1.4 | Jupyter Notebooks im VSC |
| 2 | Skriptaufrufe |
| 2.1 | Die Kommandozeilen-Optionen |
| 2.1.1 | Module aufrufen python -m |
| 2.1.2 | pdb: Der Python Debugger |
| 2.1.3 | Das timeit-Modul zur Zeitmessung |
| 2.1.4 | Mit JSON-Dateien arbeiten: json.tool |
| 2.1.5 | Weitere Beispiele: compileall und tkinter |
| 2.2 | Argumente |
| 2.2.1 | Die Liste sys.argv |
| 2.2.2 | Argumente parsen mit dem argparse-Modul |
| 2.3 | Die Shebang Line |
| 2.4 | Module und Pakete |
| 2.4.1 | Top-level code environment |
| 2.4.2 | Verwendung der Variable __name__ |
| 2.4.3 | Wichtige Dateien in Paketen |
| 3 | Objektorientierte Programmierung |
| 3.1 | Grundprinzipien der OOP |
| 3.1.1 | Module und Systeme |
| 3.1.2 | Strukturelle Elemente objektorientierter Software |
| 3.1.3 | Beziehungen zwischen Objekten |
| 3.1.4 | Design Pattern (Entwurfsmuster) |
| 3.2 | Objektorientierung und Python |
| 3.2.1 | Basisbeispiel |
| 3.2.2 | Sichtbarkeiten |
| 3.2.3 | Destruktor |
| 3.2.4 | Statische Elemente |
| 3.2.5 | Mehrfachvererbung |
| 4 | Dekoratoren |
| 4.1 | Einführung |
| 4.2 | Benötigte Konzepte |
| 4.2.1 | Funktions-Referenzen |
| 4.2.2 | Funktionen in Funktionen |
| 4.2.3 | Funktionen als Übergabeparameter |
| 4.2.4 | Funktionen als Rückgabewert |
| 4.3 | Einfache Dekoratoren |
| 4.3.1 | Die Wrapper-Funktion |
| 4.3.2 | Eine Funktion dekorieren |
| 4.4 | Anwendungsfälle von Dekoratoren |
| 4.4.1 | Argumentüberprüfung |
| 4.4.2 | Funktionsaufrufe zählen |
| 4.4.3 | Aufruf einer Funktion zeigen (Logging) |
| 4.5 | Dekoratoren mit Übergabeparametern |
| 4.6 | Klassen als Dekoratoren |
| 4.6.1 | Eine Klasse als Dekorator benutzen |
| 4.6.2 | Dekorator-Klassen mit Übergabeparametern |
| 4.7 | Typische Dekoratoren und das Modul functools |
| 4.7.1 | Functools Dekoratoren |
| 5 | Generatoren und Asynchronität in Python |
| 5.1 | Generatoren in Python 3 |
| 5.1.1 | Eigene range() programmieren |
| 5.1.2 | Generator zip() |
| 5.1.3 | range() mit richtiger Argumentreihenfolge |
| 5.2 | Generator-Funktionen |
| 5.3 | Cooperative multitasking and Coroutines |
| 5.4 | Asynchrone Code-Ausführung |
| 6 | Unittest, Doctest |
| 6.1 | Unittest |
| 6.1.1 | unittest - Die Klasse TestCase |
| 6.1.2 | assert Methoden |
| 6.1.3 | setUp und tearDown Methoden |
| 6.1.4 | Testen von Fehlermeldungen |
| 6.1.5 | Überspringen und erwartete Fehlschläge |
| 6.2 | doctest - Docstrings für Tests nutzen |
| 6.2.1 | Einfache Verwendung von doctest |
| 6.2.2 | Die Ausgabe von doctest |
| 6.2.3 | Testen der Methoden einer Klasse |
| 6.2.4 | Tests in einer Textdatei |
| 6.3 | Test Driven Development (TDD) – Tests zuerst |
| 6.4 | Static Code Analysis |
| 6.4.1 | Linting mit pylint |
| 6.4.2 | Type Checks mit mypy |
| 7 | Eigene Exceptions und Logging |
| 7.1 | Exceptions in Python |
| 7.1.1 | Hierarchie der Builtin Exceptions (Ausschnitt) |
| 7.1.2 | Eigene Exceptions definieren |
| 7.1.3 | Exception Chaining |
| 7.2 | Logging |
| 7.2.1 | Modul Logging |
| 7.2.2 | Modul Loguru |
| 8 | Virtuelle Umgebungen |
| 8.1 | Abhängigkeiten von Modulen |
| 8.2 | Das Konzept einer virtuellen Umgebung |
| 8.3 | Das Tool venv |
| 9 | Eigene Packages und der PyPI |
| 9.1 | Angeleitete Übung zur Einführung von Packages |
| 9.1.1 | Relative Importe - Schritt 2 |
| 9.1.2 | Eigenes Paket mit __init__.py - Schritt 3 |
| 9.2 | Eigene Packages auf PyPI veröffentlichen |
| 9.2.1 | setup.py |
| 9.2.2 | Erstellung der Distribution |
| 9.2.3 | Auf PyPI veröffentlichen |
| 9.2.4 | Wichtige Zusatzinformationen |
| 10 | Code Distribution |
| 10.1 | Distribution mit Python Setuptools |
| 10.2 | Das Distributions Problem |
| 10.3 | Distribution mit PyInstaller |
| 10.3.1 | Vorbereitung und Build-Erzeugnisse |
| 10.3.2 | Funktionsweise und One-File |
| 10.3.3 | Kommandozeilenargumente für PyInstaller |
| 10.3.4 | PyInstaller mit Python-Code ausführen |
| 11 | GUI mit TKinter und PyQt5 |
| 11.1 | GUI mit Tkinter |
| 11.2 | Die Alles-In-Einem-File-Variante |
| 11.3 | PyGubu – Ein Wysiwyg - Editor für Tkinter |
| 11.4 | GUI mit PyQt5 |
| 11.4.1 | PyQt5, PySide2 und Lizenzierung |
| 11.4.2 | Erster Start von PyQt5-Designer |
| 11.4.3 | Die Oberfläche von Qt-Designer |
| 11.4.4 | Layouts in Qt Designer |
| 11.4.5 | PyQt5-Designs in Python-Code laden |
| 11.4.6 | Buttons und Methoden verknüpfen |
-
Classroom training
- Do you prefer the classic training method? A course in one of our Training Centers, with a competent trainer and the direct exchange between all course participants? Then you should book one of our classroom training dates!
-
Hybrid training
- Hybrid training means that online participants can additionally attend a classroom course. The dynamics of a real seminar are maintained, and the online participants are able to benefit from that. Online participants of a hybrid course use a collaboration platform, such as WebEx Training Center or Saba Meeting. To do this, a PC with browser and Internet access is required, as well as a headset and ideally a Web cam. In the seminar room, we use specially developed and customized audio- and video-technologies. This makes sure that the communication between all persons involved works in a convenient and fault-free way.
-
Online training
- You wish to attend a course in online mode? We offer you online course dates for this course topic. To attend these seminars, you need to have a PC with Internet access (minimum data rate 1Mbps), a headset when working via VoIP and optionally a camera. For further information and technical recommendations, please refer to.
-
Tailor-made courses
-
You need a special course for your team? In addition to our standard offer, we will also support you in creating your customized courses, which precisely meet your individual demands. We will be glad to consult you and create an individual offer for you.
You can find the complete description of this course with dates and prices ready for download at as PDF.-
Programming skills are proving to be an increasingly valuable skill, regardless of the application. Python is currently one of the most widely used and sought-after programming languages. If you are already familiar with the basics of Python, this Python training will take you to the next level.
You will start by learning the basic elements of object-oriented programming, important building blocks of the standard library and more in-depth software concepts. Software is subject to increasingly strict quality standards. Therefore, we will deal with topics such as Python code design and code analysis tools.</p
Python can access a wide variety of data sources and automate processes. Using the example of Rest API queries and database connections, we will perform queries and calculations without reinventing the wheel. We use ready-made modules and adapt them to our needs.
-
Course Contents
-
- Basic concepts of object orientation
- Decorators, generators
- Important elements of standard libraries
- Troubleshooting, debugging, log files
- Package and dependency management
- Virtual Python environments
- Static code analysis
- Test automation, test libraries
- GIT integration in Visual Studio Code
The detailed digital documentation package, consisting of an e-book and PDF, is included in the price of the course.
Premium Course Documents
In addition to the digital documentation package, the exclusive Premium Print Package is also available to you.
- High-quality color prints of the ExperTeach documentation
- Exclusive folder in an elegant design
- Document pouch in backpack shape
- Elegant LAMY ballpoint pen
- Practical notepad
The Premium Print Package can be added during the ordering process for € 200,- plus VAT (only for classroom participation).
-
Target Group
-
The course is aimed at anyone who already has some programming knowledge and now wants to learn more about Python and object-oriented programming and who are facing their first project tasks that they would like to implement with Python.
-
Knowledge Prerequisites
-
You will need a solid grounding in Python in terms of data types, functions and loop constructions for this course. These can be acquired, for example, in our course Python for beginners - introduction to programming.
-
Complementary and Continuative Courses
-
After completing this course, you will be ready to take the advanced course Python for Experts - Complex Code Examples.
-
Please also see our overview of Python training and the blog articles Why you should learn Python! and Analyzing log files with Python - How to avoid layer 2 loops.
| 1 | Visual Studio Code und Jupyter |
| 1.1 | Was ist Visual Studio Code? |
| 1.1.1 | Visual Studio Code vs. Visual Studio |
| 1.1.2 | Visual Studio Code unter Windows installieren |
| 1.1.3 | Optionen während der Installation |
| 1.1.4 | Das Python-Extension Pack für VS Code |
| 1.1.5 | Sprachunterstützung von VS Code |
| 1.1.6 | Visual Studio Code updaten |
| 1.1.7 | Die Oberfläche von VS Code |
| 1.1.8 | Die Oberfläche von VS Code - Activity Bar und Sidebar |
| 1.1.9 | Das Search Tool |
| 1.1.10 | Die Git-Leiste |
| 1.1.11 | Git in Visual Studio Code nutzen |
| 1.1.12 | Ein Remoterepository in VS Code klonen |
| 1.1.13 | Ein lokales Git-Repository anlegen |
| 1.1.14 | Lokales Repository mit Remoterepository synchronisieren |
| 1.1.15 | GitLens |
| 1.1.16 | Neue Dateien in VS Code anlegen |
| 1.1.17 | Mit einzelnen Codedateien in Visual Studio Code arbeiten |
| 1.1.18 | Visual Studio Code einen Ordner hinzufügen |
| 1.1.19 | Mit Workspaces in VS Code arbeiten |
| 1.1.20 | Struktur von Workspaces |
| 1.1.21 | Auf Remote Terminals entwickeln |
| 1.1.22 | Debugging in Visual Studio Code |
| 1.1.23 | Einen Linter für Python in VS Code nutzen |
| 1.1.24 | Linter in Aktion |
| 1.1.25 | Python Code in Visual Studio Code testen |
| 1.1.26 | Ein Testframework in VSCode aktivieren |
| 1.1.27 | Tests erzeugen und durchführen |
| 1.2 | Jupyter Notebooks |
| 1.2.1 | Interaktive Code-Zellen |
| 1.2.2 | Grafische Oberflächen funktionieren |
| 1.2.3 | Exporte in andere Formate und Hilfen |
| 1.2.4 | Editieren und Ausführen von Zellen |
| 1.2.5 | Shortcuts sind im Markdown Modus gefährlich |
| 1.2.6 | Dynamische HTML Seiten einbetten |
| 1.2.7 | Variable Inspector als Debugger |
| 1.3 | Anaconda - Scientific Power Package für ML |
| 1.3.1 | Die Anaconda Foren/Learning - Dashboards |
| 1.4 | Jupyter Notebooks im VSC |
| 2 | Skriptaufrufe |
| 2.1 | Die Kommandozeilen-Optionen |
| 2.1.1 | Module aufrufen python -m |
| 2.1.2 | pdb: Der Python Debugger |
| 2.1.3 | Das timeit-Modul zur Zeitmessung |
| 2.1.4 | Mit JSON-Dateien arbeiten: json.tool |
| 2.1.5 | Weitere Beispiele: compileall und tkinter |
| 2.2 | Argumente |
| 2.2.1 | Die Liste sys.argv |
| 2.2.2 | Argumente parsen mit dem argparse-Modul |
| 2.3 | Die Shebang Line |
| 2.4 | Module und Pakete |
| 2.4.1 | Top-level code environment |
| 2.4.2 | Verwendung der Variable __name__ |
| 2.4.3 | Wichtige Dateien in Paketen |
| 3 | Objektorientierte Programmierung |
| 3.1 | Grundprinzipien der OOP |
| 3.1.1 | Module und Systeme |
| 3.1.2 | Strukturelle Elemente objektorientierter Software |
| 3.1.3 | Beziehungen zwischen Objekten |
| 3.1.4 | Design Pattern (Entwurfsmuster) |
| 3.2 | Objektorientierung und Python |
| 3.2.1 | Basisbeispiel |
| 3.2.2 | Sichtbarkeiten |
| 3.2.3 | Destruktor |
| 3.2.4 | Statische Elemente |
| 3.2.5 | Mehrfachvererbung |
| 4 | Dekoratoren |
| 4.1 | Einführung |
| 4.2 | Benötigte Konzepte |
| 4.2.1 | Funktions-Referenzen |
| 4.2.2 | Funktionen in Funktionen |
| 4.2.3 | Funktionen als Übergabeparameter |
| 4.2.4 | Funktionen als Rückgabewert |
| 4.3 | Einfache Dekoratoren |
| 4.3.1 | Die Wrapper-Funktion |
| 4.3.2 | Eine Funktion dekorieren |
| 4.4 | Anwendungsfälle von Dekoratoren |
| 4.4.1 | Argumentüberprüfung |
| 4.4.2 | Funktionsaufrufe zählen |
| 4.4.3 | Aufruf einer Funktion zeigen (Logging) |
| 4.5 | Dekoratoren mit Übergabeparametern |
| 4.6 | Klassen als Dekoratoren |
| 4.6.1 | Eine Klasse als Dekorator benutzen |
| 4.6.2 | Dekorator-Klassen mit Übergabeparametern |
| 4.7 | Typische Dekoratoren und das Modul functools |
| 4.7.1 | Functools Dekoratoren |
| 5 | Generatoren und Asynchronität in Python |
| 5.1 | Generatoren in Python 3 |
| 5.1.1 | Eigene range() programmieren |
| 5.1.2 | Generator zip() |
| 5.1.3 | range() mit richtiger Argumentreihenfolge |
| 5.2 | Generator-Funktionen |
| 5.3 | Cooperative multitasking and Coroutines |
| 5.4 | Asynchrone Code-Ausführung |
| 6 | Unittest, Doctest |
| 6.1 | Unittest |
| 6.1.1 | unittest - Die Klasse TestCase |
| 6.1.2 | assert Methoden |
| 6.1.3 | setUp und tearDown Methoden |
| 6.1.4 | Testen von Fehlermeldungen |
| 6.1.5 | Überspringen und erwartete Fehlschläge |
| 6.2 | doctest - Docstrings für Tests nutzen |
| 6.2.1 | Einfache Verwendung von doctest |
| 6.2.2 | Die Ausgabe von doctest |
| 6.2.3 | Testen der Methoden einer Klasse |
| 6.2.4 | Tests in einer Textdatei |
| 6.3 | Test Driven Development (TDD) – Tests zuerst |
| 6.4 | Static Code Analysis |
| 6.4.1 | Linting mit pylint |
| 6.4.2 | Type Checks mit mypy |
| 7 | Eigene Exceptions und Logging |
| 7.1 | Exceptions in Python |
| 7.1.1 | Hierarchie der Builtin Exceptions (Ausschnitt) |
| 7.1.2 | Eigene Exceptions definieren |
| 7.1.3 | Exception Chaining |
| 7.2 | Logging |
| 7.2.1 | Modul Logging |
| 7.2.2 | Modul Loguru |
| 8 | Virtuelle Umgebungen |
| 8.1 | Abhängigkeiten von Modulen |
| 8.2 | Das Konzept einer virtuellen Umgebung |
| 8.3 | Das Tool venv |
| 9 | Eigene Packages und der PyPI |
| 9.1 | Angeleitete Übung zur Einführung von Packages |
| 9.1.1 | Relative Importe - Schritt 2 |
| 9.1.2 | Eigenes Paket mit __init__.py - Schritt 3 |
| 9.2 | Eigene Packages auf PyPI veröffentlichen |
| 9.2.1 | setup.py |
| 9.2.2 | Erstellung der Distribution |
| 9.2.3 | Auf PyPI veröffentlichen |
| 9.2.4 | Wichtige Zusatzinformationen |
| 10 | Code Distribution |
| 10.1 | Distribution mit Python Setuptools |
| 10.2 | Das Distributions Problem |
| 10.3 | Distribution mit PyInstaller |
| 10.3.1 | Vorbereitung und Build-Erzeugnisse |
| 10.3.2 | Funktionsweise und One-File |
| 10.3.3 | Kommandozeilenargumente für PyInstaller |
| 10.3.4 | PyInstaller mit Python-Code ausführen |
| 11 | GUI mit TKinter und PyQt5 |
| 11.1 | GUI mit Tkinter |
| 11.2 | Die Alles-In-Einem-File-Variante |
| 11.3 | PyGubu – Ein Wysiwyg - Editor für Tkinter |
| 11.4 | GUI mit PyQt5 |
| 11.4.1 | PyQt5, PySide2 und Lizenzierung |
| 11.4.2 | Erster Start von PyQt5-Designer |
| 11.4.3 | Die Oberfläche von Qt-Designer |
| 11.4.4 | Layouts in Qt Designer |
| 11.4.5 | PyQt5-Designs in Python-Code laden |
| 11.4.6 | Buttons und Methoden verknüpfen |
-
Classroom training
- Do you prefer the classic training method? A course in one of our Training Centers, with a competent trainer and the direct exchange between all course participants? Then you should book one of our classroom training dates!
-
Hybrid training
- Hybrid training means that online participants can additionally attend a classroom course. The dynamics of a real seminar are maintained, and the online participants are able to benefit from that. Online participants of a hybrid course use a collaboration platform, such as WebEx Training Center or Saba Meeting. To do this, a PC with browser and Internet access is required, as well as a headset and ideally a Web cam. In the seminar room, we use specially developed and customized audio- and video-technologies. This makes sure that the communication between all persons involved works in a convenient and fault-free way.
-
Online training
- You wish to attend a course in online mode? We offer you online course dates for this course topic. To attend these seminars, you need to have a PC with Internet access (minimum data rate 1Mbps), a headset when working via VoIP and optionally a camera. For further information and technical recommendations, please refer to.
-
Tailor-made courses
-
You need a special course for your team? In addition to our standard offer, we will also support you in creating your customized courses, which precisely meet your individual demands. We will be glad to consult you and create an individual offer for you.
You can find the complete description of this course with dates and prices ready for download at as PDF.
Guaranteed date
Hybrid Training
Trainer language German