Definition

Was ist Python?

| Autor / Redakteur: Stefan Luber / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Python ist eine Programmiersprache, die dank ihrer klaren Syntax und einfachen Lesbarkeit leicht zu erlernen ist und sich sehr vielseitig einsetzen lässt. Für die gängigen Betriebssysteme ist Python frei verfügbar. Die üblichen Programmierparadigmen wie die objektorientierte oder funktionale Programmierung werden unterstützt.

Bei Python handelt es sich um eine Programmiersprache mit einer klaren Syntax und guten Lesbarkeit. Sie gilt als leicht zu erlernen und ist in den gängigen Betriebssystemen interpretierbar. Der Name leitet sich von „Monty Python's Flying Circus“ ab. Python unterstützt mehrere Paradigmen der Programmierung wie die funktionale, objektorientierte oder aspektorientierte Programmierung und ist auch als Skriptsprache nutzbar.

Entwickelt wurde Python von Guido van Rossum am Centrum Wiskunde & Informatica in Amsterdam zu Beginn der 1990er-Jahre. Seit Mitte 2018 steht die Programmiersprache in der aktuellen Version 3.7 zur Verfügung. Der Python-Quell-Code ist unter der Python-Software-Foundation-License frei verfügbar. Im Netz existiert eine breite Anhängerschaft und große Community.

Grundzüge der Syntax und zentrale Merkmale der Programmiersprache Python

Python genießt einen Ruf als einfache und saubere Programmiersprache mit klarer Struktur. Ihr Programmcode ist intuitiv nutzbar und gleichzeitig leicht lesbar. Trotz der Einfachheit bietet Python eine gute Skalierbarkeit und ist für komplexe Softwareprojekte einsetzbar. Aufgrund der ausdrucksstarken, minimalistischen Syntax sind Anwendungen mit wenigen Codezeilen und geringer Anfälligkeit für Programmierfehler realisierbar. Um für Einfachheit und Übersichtlichkeit zu sorgen, kommt Python mit sehr wenigen Schlüsselwörtern aus und verwendet Einrückungen als Strukturierungselemente.

Im Gegensatz zu vielen anderen Sprachen sind die verschiedenen Blöcke nicht durch bestimmte Schlüsselwörter oder Klammern markiert, sondern durch das Einrücken der einzelnen Programmierzeilen. Ein weiteres wichtiges Merkmal ist die automatische Speicherverwaltung. Der Speicher für Variablen oder Arrays ist nicht explizit zu definieren und zuzuweisen. Speicherleck-Fehler lassen sich dadurch in der Programmierung drastisch reduzieren. In Python-Programmen ist es aufgrund der dynamischen Typisierung nicht notwendig, Typen von Variablen oder Funktionsargumenten zu definieren. Python besitzt nur wenige syntaktische Konstruktionen. So existieren mit „for“ und „while“ beispielsweise nur zwei Schleifenformen. Die For- und While-Schleifen können im Vergleich zu zahlreichen anderen Programmiersprachen einen Else-Zweig beinhalten. Generelle Verzweigungsmöglichkeiten bestehen über die Befehle if, elif und else.

Da Python eine sogenannte Multiparadigmensprache ist, sind Programmierer nicht an einen bestimmten Programmierstil gebunden. Für die verschiedenen Aufgaben kann der jeweils optimal passende Programmierstil gewählt werden. Python erlaubt es, Python-Programme als einzelne Module in andere Sprachen einzubetten.

Entwicklungsumgebungen für Python

Grundsätzlich ist für Python keine Entwicklungsumgebung notwendig, da Pythoncode nicht kompiliert werden muss und Skripte sich mit beliebigen Texteditoren schreiben lassen. Interpreter sind interaktiv und erlauben mit den Möglichkeiten der Sprache zu experimentieren. Gängige von Programmierern genutzte Editoren wie Emacs oder Vim sind für Python anpassbar. Oft ist gemeinsam mit Python IDLE installiert. IDLE besteht aus einer Shell, einer Textumgebung und Debuggingfunktionen, stellt aber keine vollwertige Entwicklungsumgebung (IDE – Integrated Development Environment) dar. Beispiele für vollwertige Entwicklungsumgebungen sind Eric Python IDE oder PyCharm. Für große IDEs wie NetBeans, Eclipse oder Visual Studio existieren Plug-ins für Python. Grafische Benutzeroberflächen sind mit verschiedenen GUI-Toolkits relativ einfach erstellbar.

Vorteile der Programmiersprache Python

Die Programmiersprache Python bietet eine Vielzahl an Vorteilen. Im Folgenden kurz zusammengefasst die wichtigsten Vorzüge:

  • einfache Syntax
  • einfach zu erlernen aufgrund der geringen Anzahl an Schlüsselwörtern und der klaren Struktur
  • keine Variablendeklaration notwendig
  • umfangreiche Standardbibliothek vorhanden
  • wenig fehleranfällig
  • weniger Codezeilen im Vergleich zu vielen anderen Programmiersprachen
  • einfach zu lesender und zu wartender Code
  • Unterstützung verschiedener Programmierparadigmen
  • gute Erweiterbarkeit dank einer großen Sammlung von Python-Add-on-Paketen
  • gute Skalierbarkeit
  • für komplexe Aufgaben und fast alle Anwendungsprobleme geeignet
  • für die gängigen Betriebssysteme nutzbar
  • frei verfügbar
  • ständige Weiterentwicklung der Programmiersprache und große Community

Einsatzmöglichkeiten von Python

Für die gängigen Betriebssysteme ist Python frei verfügbar. In vielen Linux-Distributionen gehört die Programmiersprache zur Standardausstattung. Auch auf vielen mobilen Betriebssystemen ist Python einsetzbar. Für Webserver steht mit WSGI (Web Server Gateway Interface) eine universelle Schnittstelle zwischen Server und Python zur Verfügung.

Aufgrund des einfachen Einstiegs in die Programmierung mit Python und der Vielzahl verfügbarer wissenschaftlicher Bibliotheken ist die Programmiersprache im Wissenschaftsumfeld weit verbreitet. Ein weiteres wichtiges Einsatzgebiet ist die Forschung und die Programmierung von Anwendungen im Bereich der Künstlichen Intelligenz (KI) und des maschinellen Lernens. Beispielsweise existiert mit TensorFlow eine mächtige Bibliothek für die Realisierung von KI-Anwendungen und das maschinelle Lernen. Gründe für die Beliebtheit der Programmiersprache in diesem Bereich sind die Leistungsfähigkeit und gute Skalierbarkeit von Python. Viele kommerzielle Projekte wie YouTube oder Google basieren ebenfalls in Teilen auf Python.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

Schenker stellt Systeme für lokales KI-Training vor

AI Station und AI Laptop

Schenker stellt Systeme für lokales KI-Training vor

Mit den neuen AI-Station- und AI-Laptop-Produktlinien bietet Hardware-Hersteller Schenker Systeme an, die auf das lokale Training von KIs spezialisiert sind. Sie basieren auf Ubuntu und bringen eine Vielzahl nötiger KI-Programmbibliotheken gleich mit. lesen

Apache Metron als SIEM nutzen

Security Information and Event Management mit Open Source umsetzen

Apache Metron als SIEM nutzen

Lösungen im Bereich Big Data sind grundsätzlich auch in vielen Fällen dazu geeignet im Security-Bereich Einsatz zu finden. Apache Metron ist eine solche Lösung, die generell durchaus sinnvoll eingesetzt werden kann, wenn ein SIEM-System aufgebaut werden soll. lesen

So gelingt der Einstieg in die Data Science

Kommentar von Benjamin Aunkofer, Datanomiq

So gelingt der Einstieg in die Data Science

Big Data, Data Science und Machine Learning sind die Buzzwords dieser Jahre und Daten sind der Rohstoff für ... Lassen wir das! Wer bei BigData-Insider liest, der weiß längst, welche Rolle Daten als Rohstoff und Kapital einnehmen und wie gefragt gerade Datenexperten sind. In diesem Artikel wollen wir den Job des Data Scientists mal strukturiert durchleuchten und dann Chancen für einen Quereinstieg ausloten. Auch auf den Data Engineer gehen wir dabei ein. lesen

Was in Zukunft wichtig wird – Trends der Datenanalyse

Kommentar von Tom Becker, Alteryx

Was in Zukunft wichtig wird – Trends der Datenanalyse

Mittlerweile ist jedem klar geworden – Datenanalyse ist wichtig wie nie. Viele Unternehmen haben bereits begonnen, finanzielle und strategische Vorteile aus datenbasierten Entscheidungen zu ziehen. Kann man es sich also überhaupt noch leisten, zu warten? Welche Veränderungen sind bereits absehbar und was sind die großen Trends? lesen

Deployment von Machine Learning in die Cloud

Cloud-Storage, Entwicklungsprozesse, Auslieferung

Deployment von Machine Learning in die Cloud

Während vor wenigen Jahren Data Science in Unternehmen vor allem noch experimental war, müssen heute Entwicklungszeiten verkürzt und Vorhersagemodelle viel schneller produktiv gebracht werden. Cloud-Services wie von Google, Amazon und Microsoft helfen dabei. lesen

Was ist neu an TensorFlow 2.0?

Machine Learning

Was ist neu an TensorFlow 2.0?

Googles TensorFlow 2.0, eines der weltweit beliebtesten Open Source Frameworks für maschinelles Lernen, wurde unter anderem mit einer neuen Architektur, einfacherem Model Building mit Keras, vereinfachten API und neuer TF-Lite-1.0-Version umfassend aktualisiert. lesen

Zentralisiertes Datenmanagement schafft Mehrwert für Kunden

Kommentar von Dr. Ramin Beravat, TeamBank AG Nürnberg

Zentralisiertes Datenmanagement schafft Mehrwert für Kunden

Ohne Daten keine Zukunft. Das weiß auch die TeamBank. Aus diesem Grund wurden alle Weichen in Richtung digitale Zukunft gestellt. Das sogenannte „Öl des 21. Jahrhunderts“ wird in großen Mengen gesammelt und mit einer komplexen Daten-Pipeline und ebenso komplexen Algorithmen gesteuert und ausgewertet. Dieser Artikel gibt einen Überblick, wie die TeamBank mittels Machine Learning und Analytics aus Daten Mehrwert für Kunden schafft und weshalb ein zentrales Datenmanagement so wichtig ist. lesen

Digitalisierung für mehr Qualität und Service im Schienengüterverkehr

Splunk im Einsatz bei der DB Cargo

Digitalisierung für mehr Qualität und Service im Schienengüterverkehr

Splunk Enterprise, das Hauptprodukt des Operational-Intelligence-Spezialisten Splunk, ist bei DB Cargo im Einsatz, der Güterbahnsparte der Deutschen Bahn. Im Zuge der Digitalisierung und Automatisierung des Güterverkehrs und des Fuhrparks hilft Splunk Enterprise bei der Datenerfassung und -analyse in den Projekten „Wagon Intelligence“ und „TechLOK“. Die Software-Entwicklung der beiden Projekte findet im DB Cargo amspire lab in Frankfurt am Main statt. lesen

Maschinelles Lernen direkt auf dem eingebetteten System

Sensornahe KI

Maschinelles Lernen direkt auf dem eingebetteten System

Forscher des Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme IMS haben eine sensornahe Künstliche Intelligenz für Mikrocontroller und eingebettete Systeme entwickelt, die ein voll konfigurierbares künstliches neuronales Netz umfasst. Hierbei steht nicht Big Data im Fokus, sondern Mikrointelligenz – beispielsweise für Handschriften- und Gestenerkennung. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45383261 / Definitionen)