مجله علمی تفریحی بیبیس
0

دانلود کتاب برنامه نویسی کاربردی پایتون

بازدید 1341
  • عنوان کتاب: Functional Python Programming
  • نویسنده: Steven F. Lott
  • حوزه: برنامه نویسی پایتون
  • سال انتشار: 2022
  • تعداد صفحه: 577
  • زبان اصلی: انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 3.23 مگابایت

برنامه نویسی تابعی تکنیک های مختلفی را برای ایجاد نرم افزار مختصر و رسا ارائه می دهد. در حالی که پایتون یک زبان برنامه نویسی کاملا کاربردی نیست، ما می توانیم برنامه نویسی تابعی زیادی را در پایتون انجام دهیم. پایتون دارای مجموعه ای اصلی از ویژگی های برنامه نویسی کاربردی است. این به ما امکان می دهد الگوها و تکنیک های طراحی بسیاری را از زبان های کاربردی دیگر قرض بگیریم. این مفاهیم وام گرفته شده می تواند ما را به سمت ایجاد برنامه های زیبا سوق دهد. عبارات مولد پایتون، به ویژه، نیاز به ایجاد ساختارهای داده بزرگ در حافظه را نفی می کند و منجر به برنامه هایی می شود که ممکن است سریعتر اجرا شوند زیرا از منابع کمتری استفاده می کنند. ما نمی توانیم به راحتی برنامه های کاملاً کاربردی در پایتون ایجاد کنیم. پایتون فاقد تعدادی ویژگی است که برای این کار لازم است. ما بازگشت نامحدود نداریم، به عنوان مثال، ما ارزیابی تنبلی از همه عبارات نداریم، و ما یک کامپایلر بهینه سازی نداریم. چندین ویژگی کلیدی زبان های برنامه نویسی تابعی وجود دارد که در پایتون موجود است. یکی از مهم‌ترین آنها این است که توابع اشیاء درجه یک هستند. پایتون همچنین تعدادی توابع درجه بالاتر را ارائه می دهد. توابع داخلی map()، filter() و functools.reduce() بطور گسترده در این نقش استفاده می شوند و توابعی مانند sorted()، min() و max() کمتر مشخص هستند. در برخی موارد، یک رویکرد کاربردی به یک مسئله نیز منجر به الگوریتم‌هایی با عملکرد بسیار بالا می‌شود. پایتون ایجاد ساختارهای داده میانی بزرگ را بسیار آسان می کند و حافظه (و زمان پردازشگر) را محدود می کند. با الگوهای طراحی برنامه نویسی کاربردی، ما اغلب می توانیم لیست های بزرگ را با عبارات مولد جایگزین کنیم که به همان اندازه گویا هستند اما حافظه بسیار کمتری را اشغال می کنند و با سرعت بیشتری اجرا می شوند. ما ویژگی های اصلی برنامه نویسی تابعی را از دیدگاه پایتون بررسی خواهیم کرد. هدف ما قرض گرفتن ایده های خوب از زبان های برنامه نویسی تابعی و استفاده از آن ایده ها برای ایجاد برنامه های کاربردی رسا و مختصر در پایتون است. این کتاب برای برنامه نویسان با تجربه تر است که می خواهند با استفاده از تکنیک ها و الگوهای طراحی از زبان های برنامه نویسی تابعی، برنامه های مختصر و رسا پایتون ایجاد کنند. برخی از الگوریتم ها را می توان به زیبایی در یک سبک عملکردی بیان کرد. ما می توانیم – و باید – این را برای خوانایی و نگهداری برنامه های پایتون تطبیق دهیم. این به عنوان آموزش پایتون در نظر گرفته نشده است. این کتاب آشنایی با زبان و کتابخانه استاندارد را فرض می کند. برای مقدمه اساسی پایتون، آموزش برنامه نویسی پایتون، ویرایش سوم را در نظر بگیرید: https://www.packtpub.com/product/learn-p ython-programming-third-edition/9781801815093. در حالی که ما مبانی برنامه نویسی تابعی را پوشش می دهیم، این بررسی کاملی از انواع مختلف تکنیک های برنامه نویسی تابعی نیست. قرار گرفتن در معرض برنامه نویسی کاربردی به زبان دیگر می تواند مفید باشد.

Functional programming offers a variety of techniques for creating succinct and expressive software. While Python is not a purely functional programming language, we can do a great deal of functional programming in Python. Python has a core set of functional programming features. This lets us borrow many design patterns and techniques from other functional languages. These borrowed concepts can lead us to create elegant programs. Python’s generator expressions, in particular, negate the need to create large in-memory data structures, leading to programs that may execute more quickly because they use fewer resources. We can’t easily create purely functional programs in Python. Python lacks a number of features that would be required for this. We don’t have unlimited recursion, for example, we don’t have lazy evaluation of all expressions, and we don’t have an optimizing compiler. There are several key features of functional programming languages that are available in Python. One of the most important ones is the idea of functions being first-class objects. Python also offers a number of higher-order functions. The built-in map(), filter(), and functools.reduce() functions are widely used in this role, and less obvious are functions such as sorted(), min(), and max(). In some cases, a functional approach to a problem will also lead to extremely highperformance algorithms. Python makes it too easy to create large intermediate data structures, tying up memory (and processor time). With functional programming design patterns, we can often replace large lists with generator expressions that are equally expressive but take up much less memory and run much more quickly. We’ll look at the core features of functional programming from a Python point of view. Our objective is to borrow good ideas from functional programming languages and use those ideas to create expressive and succinct applications in Python. This book is for more experienced programmers who want to create succinct, expressive Python programs by borrowing techniques and design patterns from functional programming languages. Some algorithms can be expressed elegantly in a functional style; we can—and should—adapt this to make Python programs more readable and maintainable. This is not intended as a tutorial on Python. This book assumes some familiarity with the language and the standard library. For a foundational introduction to Python, consider Learn Python Programming, Third Edition: https://www.packtpub.com/product/learn-p ython-programming-third-edition/9781801815093. While we cover the foundations of functional programming, this is not a complete review of the various kinds of functional programming techniques. Having an exposure to functional programming in another language can be helpful.

این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:

Download: Functional Python Programming

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

بیشتر بخوانید