Вероятно, тема текущего урока — самая простая и самая базовая из всего, что описывалось и будет описываться в курсе. Но одновременно и одна из самых важных.
Во всем мире Python часто используют для работы с данными. Объем данных может быть небольшим — такой сможет обработать и один слабый компьютер. Но данных может быть и настолько много, что потребуются целые вычислительные кластеры (так называют несколько компьютеров, объединенных в сеть и решающих общую задачу), ибо только такие мощности способны переварить подобные объемы информации.
Есть даже такая отрасль — data science, наука о данных. И Python — один из основных инструментов, которые применяются в данной сфере. Машинное обучение, экспертные системы, интеллектуальный анализ данных — со всем этим работают питонисты!
Любые данные нужно как-то представлять в памяти компьютера — и делать это нужно так, чтобы с данными было удобно и эффективно работать. В программах данные часто хранятся в коллекциях. Список пользователей, список страниц, список дат, список строк, список серверов — все эти сущности могут быть представлены в коде в виде коллекций. Python известен тем, что поставляется с набором готовых видов коллекций, которые работают очень эффективно и удобны в использовании. Как говорят, "батарейки входят в комплект". Вот основные встроенные типы коллекций в Python:
- Списки ("lists")
- Словари ("dictionaries")
- Множества/наборы ("sets")
Разные типы коллекций требуют разных подходов к использованию и полезны в разных ситуациях. Более того, существует несколько сильно различающихся подходов для работы с одними только списками! И настоящий питонист должен уметь понять, какую коллекцию нужно применить в нужный момент и каким способом с ней работать, какие преимущества даст тот или иной выбор и какими недостатками этот выбор будет обладать.
Еще важно понять, что обработка коллекций — во многом алгоритмическая история, и она просто так сама в голове не сформируется. Нужно развить понимание того, как программа будет выполняться, какие ресурсы затратит компьютер на ее выполнение. Именно поэтому коллекциям уделены сразу несколько курсов в рамках специализации. Но и в курсах, напрямую не связанных с обработкой данных с применением коллекций, они все равно будут широко использоваться. Таким образом вы сможете отточить свои навыки по работе с коллекциями: нужны время и задачки, чтобы появились необходимые связи в мозгу.
Важно также отметить, что навыки реализации даже простейших алгоритмов хорошо развивают и структурируют мышление. То есть эти курсы преследуют две цели:
- Научиться алгоритмически мыслить
- Научиться быстро решать типичные задачи по работе с коллекциями
Остались вопросы? Задайте их в разделе «Обсуждение»
Вам ответят команда поддержки Хекслета или другие студенты
