Python avancé : bonnes pratiques et design patterns

Programmation orientée objet avec Python

• Étendre les classes pour définir des sous-classes
• Hériter des plusieurs super-classes et classes mixin
• Ajouter des propriétés à une classe
• Définir des classes abstraites de base

Fonctionnalités Python

Écriture de code Python

• Personnaliser les itérations et les indexations avec des méthodes « magiques »
• Modifier le code de façon dynamique avec le « monkey patching »

Traitement des exceptions

• Lever des exceptions personnalisées
• Réduire la complexité du code avec les gestionnaires de contexte et l'instruction with

Vérification du code et tests unitaires

Tests : Les bonnes pratiques

• Développer et lancer des tests unitaires Python
• Simplifier les tests automatiques avec le paquetage Nose

Vérification du comportement du code

• Investiguer les dépendances entre objets avec le paquetage Mock
• Mettre en œuvre les assertions avec le paquetage MagicMock

Recherche des erreurs et techniques de débogage

Identification des erreurs

• Journaliser les messages pour les audits et le débogage
• Vérifier le code à la recherche de bogues avec PyLint

Débogage du code Python

• Extraire les informations sur les erreurs à partir des exceptions
• Suivre l'exécution du programme avec l'environnement de développement intégré PyCharm

Design patterns (patrons de conception) Python

Patrons structurels

• Mettre en œuvre les patrons décorateurs avec @
• Contrôler les accès à un objet avec le patron Proxy

Patrons comportementaux

• Utiliser le patron d'itération avec les générateurs Python
• Définir un algorithme squelette avec le patron de méthode
• Autoriser des couplages lâche entre classes avec le patron observateur

Interface avec les clients et les services Web REST

Services Web REST Python

• Développer un service REST
• Générer des réponses JSON pour des clients Ajax

Clients REST Python

• Envoyer des requêtes REST depuis un client Python
• Utiliser les données JSON et XML renvoyées

Mesure et amélioration de la performance de l'application

Mesurer l'exécution de l'application

• Chronométrer l'exécution des fonctions avec le module « timeit »
• Suivre l'exécution du programme via « cProfile »
• Manipuler le suivi de l'exécution de manière interactive avec « pstats »

Les fonctionnalités du langage Python pour l'optimisation des performances

• Déterminer les structures de données efficaces parmi listes, dictionnaires et tuples
• Transformer et filtrer des ensembles de données avec les compréhensions
• Remplacer l'interpréteur traditionnel Python par PyPy

Installation et distribution de modules

Gestion des versions des modules

• Installer les modules depuis le dépôt PyPi avec pip
• Portabilité du code entre les différentes versions de Python

Paquetage des modules et des applications Python

• Définir des environnements Python isolés avec « virtualenv »
• Préparer la distribution d'un paquetage avec « setuptools »
• Importer les modules Python dans un dépôt local

Exécution en parallèle

Processus légers (threads)

• Créer et gérer plusieurs threads de contrôle avec la classe Thread
• Synchroniser des threads avec des verrous

Traitements lourds

• Exécuter des commandes du système d'exploitation comme sous-processus
• Synchroniser des processus avec les files d'attente
• Exécuter des traitements en parallèle avec les groupes de processus et des exécuteurs