Dieses Repo enthält das Begleitmaterial für das Buch Python für Ingenieure für Dummies, erschienen im Wiley-VCH Verlag, 2021. Inhaltsverzeichnis, Probekapitel und Index sind auf der Verlags-Website abrufbar.
Alle Code-Beispiele ("Schnipsel") im Buch sind kapitelweise in Jupyter-Notebooks hinterlegt und können auf diese Weise direkt (ohne abtippen) ausgeführt werden. Viele der Beispiele erzeugen eine grafische Ausgabe die direkt der jeweiligen Abbildung im Buch entspricht. Damit ist die Reproduzierbarkeit der Ergebnisse gewährleistet.
Die Schnipsel im Buch wurden aus den Notebooks mit einem Skript erzeugt. Alle Code-Zeilen zwischen speziellen Markdown-Zellen (begin XYZ und end) werden zu einem Schnipsel für das Buch zusammengefasst – bis auf die Zeilen, die mit dem speziellen Kommentar #! enden. Diese werden aus didaktischen Gründen ausgespart. Aus ähnlichen Gründen werden gelegentlich Zeilen in die Buch-Schnipsel eingefügt, die tatsächlich gar nicht ausgeführt werden (Kommentar #! am Beginn der Zeile). Das ist zum Beispiel sinnvoll, um Code darzustellen, der zu bestimmten Fehlern führt.
Um erste Erfahrungen mit dem Quellcode zu sammeln, bietet sich die Browser-basierte Lösung Binder an. Dabei handelt es sich um einen Dienst, bei dem je nach Bedarf (durch Klick auf einen Link) eine virtuelle Maschine (VM) gestartet wird, auf der dann der Notebook-Server mit dem Inhalt des entsprechenden Repos läuft. Das Hochfahren der VM dauert ca. 2 min. Danach erscheint der Inhalt des Verzeichnisses notebooks in einer Art Datei-Browser. Um zum ausführbaren Code zu gelangen, klicken Sie z. B. auf kapitel_01_erstkontakt und dann auf erstkontakt.ipynb. Das entsprechende Notebook öffnet sich in einem neuen Tab, sodass der Datei-Browser-Tab erhalten bleibt. Dadurch ist es einfach, mehrere Notebooks parallel laufen zu lassen. Im Notebook können Sie nun den Quellcode direkt ausführen (Shift+Enter in jeder Zelle, Details in Buch-Kapitel 1). Weiterhin hilfreich: Help → User Interface Tour und Help → Keyboard Shortcuts.
Hier geht's nun zum Notebook-Server auf einer eigens für Sie gestarteten Binder-VM: 
Wenn Sie über die Kennenlernphase hinaus sind, empfehlen wir übrigens, sich Python und die relevante Zusatzsoftware lokal auf Ihrem Rechner zu installieren. Näheres dazu in Buch-Kapitel 2.
Sparen Sie sich das Abtippen; alle Links im Buch sind hier noch einmal zum Anklicken aufgelistet.
- Kapitel 2: Installation
- https://www.python.org/downloads/ - Downloads des Python-Interpreters
- https://www.anaconda.com/products/individual - Downloads der Anaconda-Distribution
- https://pypi.org/ - Python Package Index
- https://www.spyder-ide.org/ - IDE Spyder
- https://www.jetbrains.com/de-de/pycharm/ - IDE PyCharm
- Kapitel 3: Grundlagen
- https://docs.python.org/3/library/string.html#formatspec - Details zur Stringformatierung
- Kapitel 4: Effiziente Numerik mit NumPy
- https://numpy.org/doc/stable/user/basics.broadcasting.html - Dokumentation zum Broadcasting
- https://numpy.org/devdocs/reference/arrays.indexing.html - Die fabelhafte Welt der Array-Indizierung
- https://numpy.org/doc/stable/reference/routines.math.html - Mathematische Funktionen
- https://numpy.org/doc/stable/user/numpy-for-matlab-users.html - NumPy für Matlab-Benutzer
- Kapitel 6: Brunfzeit für Termhirsche
- https://docs.sympy.org/ - Dokumentation zu SymPy
- Kapitel 7: Visualisierung
- https://matplotlib.org/ - Dokumentation zu Matplotlib
- Kapitel 8: So tun, als ob: Modellbildung und Simulation
- https://docs.scipy.org/doc/scipy/reference/generated/scipy.integrate.solve_ivp.html - Dokumentation zur Funktion
solve_ivp
- https://docs.scipy.org/doc/scipy/reference/generated/scipy.integrate.solve_ivp.html - Dokumentation zur Funktion
- Kapitel 9: Optimierung - Besser geht's nicht
- https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.minimize.html - Dokumentation zur Funktion
minimize - https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.curve_fit.html - Dokumentation zur Funktion
curve_fit - https://numpy.org/doc/stable/reference/generated/numpy.polyfit.html - Dokumentation zur Funktion
polyfit - https://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.UnivariateSpline.html - Details zu Splines in NumPy
- https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.minimize.html - Dokumentation zur Funktion
- Kapitel 10: Mechanik - Ganz ohne schmutzige Hände
- https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.fmin.html - Dokumentation zur Funktion
fmin
- https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.fmin.html - Dokumentation zur Funktion
- Kapitel 12: Kombinatorik, Zufall und Statistik
- https://de.wikipedia.org/wiki/Kombination_(Kombinatorik) - Gedankenexperiment zur Kombination mit Wiederholung
- https://numpy.org/doc/stable/reference/random/generator.html#distributions - Wahrscheinlichkeitsverteilungen in NumPy
- https://docs.scipy.org/doc/scipy/reference/tutorial/stats.html - Tutorial zu Statistik mit SciPy
- Matplotlib-Funktionen zum Visualisieren von Fehlern und Unsicherheiten
- https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.errorbar.html
- https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.fill_between.html
- https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.boxplot.html
- https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.violinplot.html
- Kapitel 13: Python im Labor – Steuern, Messen, Filtern, Darstellen
- https://pyserial.readthedocs.io - Dokumentation zu pySerial
- https://pyvisa.readthedocs.io - Dokumentation zu pyVISA
- https://docs.python.org/3/library/socket.html - Dokumentation zu Sockets in der Standardbibliothek
- https://docs.python.org/3/library/ctypes.html - Mit ctypes C-Code aufrufen
- https://docs.python.org/3/library/logging.html - Dokumentation zum Logging
- https://docs.scipy.org/doc/scipy/reference/signal.html#filtering - Signalfilterung mit SciPy
- Kapitel 15: Profiling und Performanz-Optimierung
- https://www.thecodeship.com/patterns/guide-to-python-function-decorators/ - Überblick zu Dekoratoren
- Kapitel 16: Von den Profis lernen - Das Wichtigste zur Softwaretechnik
- https://docs.python.org/3/library/unittest.html - Unittests mit Bordmitteln
- https://ipython.readthedocs.io/en/stable/ - Dokumentation zu IPython
- https://www.python.org/dev/peps/pep-0008/ - Konventionen zum Formatieren von Python-Code
- https://git-scm.com/ - Versionsverwaltungssoftware Git
- Kapitel 17: Die 10 nützlichsten Module, die bisher nicht erwähnt wurden
- https://riverbankcomputing.com/software/pyqt - GUIs mit PyQt
- https://docs.python.org/3/library/re.html - Details zu regulären Ausdrücken
- https://scikit-learn.org/stable/user_guide.html} - Dokumentation zu Scikit-learn
- Kapitel 18: 10 fiese Fallstricke und 3 Mal schwarze Python-Magie
- https://docs.python.org/3/library/2to3.html - Automatische Konversion von Python 2 zu Python 3
- Kapitel 19: 10 nützliche Links
- https://docs.python.org/3/tutorial/index.html - Offizielle Python-Dokumentation
- https://docs.python.org/3/library/index.html - Dokumentation der Standardbibliothek
- https://pypi.org/ - Python Package Index
- https://book.pythontips.com/ - Nützliche fortgeschrittene Tipps zur Inspiration
- https://github.com/search?l=Python&q=solve_ivp&type=Code - Suche nach Code auf GitHub
- https://gitlab.com - Git-Host GitLab.com
- https://codeberg.org - Git-Host Codeberg
- https://pythex.org/ - Debugging von regulären Ausdrücken
- https://regex101.com/ - Debugging von regulären Ausdrücken mit mehr Funktionen
- https://computers-are-fast.github.io/ - Quiz zur Geschwindigkeit von Computern
- https://stackoverflow.com/questions/tagged/sympy+matrix - Beispielsuche auf Stack Overflow
- https://www.sphinx-doc.org/en/master/usage/quickstart.html - Dokumentationswerkzeug Sphinx
- https://www.hackerrank.com/domains/python/numpy - Programmieraufgaben zu NumPy
- https://edabit.com/challenges/python3 - Übungsaufgaben zum Selbstprogrammieren
- https://cscircles.cemc.uwaterloo.ca/visualize - Schrittweises Ausführen von Python-Programmen - mit Zurückspulen
- https://planet.scipy.org/ - Blogbeiträge zu SciPy und NumPy
- https://planet.sympy.org/index.html - Blogbeiträge zu SymPy
- https://planetpython.org/ - Blogbeiträge zu Python im Allgemeinen
Auch wenn wir uns bei der Aufbereitung des Materials große Mühe gegeben haben, ist es unrealistisch anzunehmen, dass der Buch-Text und der Code keine Fehler enthalten. Wir bitten deshalb um eine E-Mail an die Autoren (<vorname>.<nachname>@tu-dresden.de) oder um das Öffnen eines GitHub-Issues. Das Gleiche gilt für allgemeine Kritik und Verbesserungsvorschläge zum Buch. Vielen Dank!
Cover-Bild, Logos, Markennamen und sonstige Inhalte dieses Repos sind urheberrechtlich geschützt. Für Verwendungen, die nicht vom Zitatrecht gedeckt sind, wenden Sie sich an den Verlag oder die Autoren.