Einführung in die Programmierung - Cheatsheet.pdf

Imperatives Programmieren: Bekannte Konzepte und Beispiele

Definition:

Imperatives Programmieren: Programmierparadigma, bei dem Anweisungen in einer bestimmten Reihenfolge ausgeführt werden.

Details:

• Sequenz von Befehlen: Befehle werden nacheinander ausgeführt.
• Kontrollstrukturen: Anweisungen, die den Fluss des Programms steuern (z.B. Schleifen, Bedingungsabfragen).
• Variablen: Speicherplätze für Daten, die während der Programmausführung verändert werden können.
• Prozeduren und Funktionen: Wiederverwendbare Codeblöcke, die bestimmte Aufgaben ausführen.

Objektorientiertes Programmieren: Klassen, Objekte und Vererbung

Definition:

Objektorientiertes Programmieren basiert auf den Konzepten Klassen, Objekte und Vererbung.

Details:

• Klassen: Baupläne für Objekte, definieren Eigenschaften (Attribute) und Methoden.
• Objekte: Instanzen einer Klasse, besitzen konkrete Werte für die Attribute.
• Vererbung: Mechanismus, bei dem eine Klasse (Unterklasse) Eigenschaften und Methoden einer anderen Klasse (Oberklasse) übernimmt.
• Syntax (Beispiel in Python):

class Oberklasse:   def __init__(self, attribut):     self.attribut = attribut   def methode(self):     pass class Unterklasse(Oberklasse):   def __init__(self, attribut, neues_attribut):     super().__init__(attribut)     self.neues_attribut = neues_attribut   def neue_methode(self):     pass 

Funktionales Programmieren: Funktionen als erste Bürger, Rekursion

Definition:

Funktionales Programmieren: Funktionen werden als Daten behandelt, können als Argumente verwendet und von anderen Funktionen zurückgegeben werden.

Details:

• Funktionen als erste Bürger: Funktionen können wie Variablen behandelt werden.
• Rekursion: Eine Funktion ruft sich selbst auf, meist mit Basiskondition und Rekursionsschritt.
• Beispiel: f(n) = n * f(n-1) mit f(0) = 1
• Vorteile: Oft klarere und kürzere Programme, insbesondere bei Listen- und Baumoperationen.
• Nachteile: Kann zu höherem Speicherverbrauch und schlechterer Performance führen.

Sortier- und Suchalgorithmen: Grundkonzepte und Optimierungen

Definition:

Grundlegende Techniken zum Ordnen von Daten und Finden spezifischer Elemente in einer Datenstruktur.

Details:

• Sortieralgorithmen: Bubble Sort, Merge Sort, Quicksort, Heapsort
• Suchalgorithmen: Lineare Suche, Binäre Suche
• Komplexität: Bestimme Laufzeiten mit \(\text{O}(n)\), \(\text{O}(n \log n)\), \(\text{O}(n^2)\)
• Stabilität und In-Situ-Sortierung
• Optimierungen: Tuning von Pivot-Auswahl bei Quicksort, Einfügen von Insertion Sort in Merge Sort
• Data-Structures: Arrays, Listen, Heaps für effiziente Implementierung

Rekursion und iterative Algorithmen: Methoden und Beispiele

Definition:

Rekursion und iterative Algorithmen sind Methoden zur Lösung von Problemen, wobei Rekursion auf sich selbst zurückgreift und Iteration wiederholte Anweisungen nutzt.

Details:

• Rekursion: Ein Verfahren ruft sich selbst auf.
• Iterative Algorithmen: Schleifen wie 'for', 'while'.
• Basisfall: Rekursion endet, um Endlosschleifen zu vermeiden.
• Beispiele Rekursion: Fakultät, Fibonacci.
• Beispiele Iteration: Berechnung von Summen, Durchlaufen von Listen.
• Komplexität: Rekursion kann höheren Speicherbedarf haben (Stapelüberlauf).
• Iterative Algorithmen: Effizienter in Bezug auf Speicher.
• Beispiele:
• Fibonacci-Rekursion: \texttt{def fib(n): return n if n<=1 else fib(n-1) + fib(n-2)}
• Fibonacci-Iterativ: \texttt{def fib(n): a, b = 0, 1; for _ in range(n): a, b = b, a+b; return a}
• Umwandlung: Rekursive Algorithmen oft in iterative übertragbar.

Hash-Tabellen: Effiziente Speichermechanismen und ihre Implementierung

Definition:

Hash-Tabellen speichern Daten effizient mittels Schlüssel-Wert-Paaren.

Details:

• Nutzen Hash-Funktionen, die einem Schlüssel einen Speicherplatz zuweisen.
• Typische Operationen: Einfügen (\textit{insert}), Suchen (\textit{lookup}), und Löschen (\textit{delete}).
• \textbf{Komplexität}: Durchschnittliche O(1) Zeit für grundlegende Operationen.
• \textbf{Kollisionen}: Werden mit Techniken wie Verkettung oder offener Adressierung behandelt.
• \textbf{Belastungsfaktor} (\textit{load factor}): Verhältnis der Anzahl der Elemente zur Kapazität der Hash-Tabelle; beeinflusst Leistung.
• Implementiert in vielen Programmiersprachen, z.B. \texttt{dict} in Python, \texttt{HashMap} in Java.
• Effizienter Speichermechanismus bei großen Datenmengen und häufigen Datenzugriffen.

Fehlerbehebung und Debugging: Techniken zur Problemlösung

Definition:

Identifikation, Analyse und Behebung von Fehlfunktionen im Code

Details:

• Debugging-Tools: z.B. gdb, Eclipse Debugger
• Logging: Verwende Logausgaben, um Programmfluss und Zustände zu analysieren
• Breakpoints: Unterbrechen des Programms an bestimmten Stellen zur Analyse
• Schrittweises Ausführen: Codezeilen einzeln ausführen, um Fehler schrittweise zu finden
• Unit-Tests: Automatisierte Tests für einzelne Codeeinheiten
• Code Reviews: Durchsicht des Codes durch andere Entwickler

Versionierung mit Git: Werkzeuge zur Versionskontrolle und Kollaboration

Definition:

Git ist ein verteiltes Versionskontrollsystem zur Verfolgung von Änderungen im Quellcode während der Softwareentwicklung.

Details:

• Verteilen und Zusammenführen von Änderungen: Git ermöglicht das gleichzeitige Arbeiten mehrerer Entwickler an einem Projekt.
• Branching: Erstellen von isolierten Entwicklungszweigen für unterschiedliche Funktionen oder Bugfixes.
• Commit-Historie: Nachvollziehbare Änderungshistorie mit Verweisen auf spezifische Änderungen.
• Tags: Markieren von spezifischen Punkten in der Historie (z.B. Releases).
• Remote Repositories: Zusammenarbeit über zentrale Server wie GitHub oder GitLab.
• Wichtige Befehle: git init (Initialisieren), git clone (Klonen), git commit (Änderungen speichern), git push (Änderungen hochladen), git pull (Änderungen herunterladen)