Modernes Python Packaging

In diesem Kurs zeigen wir Ihnen, wie Sie mit modernen Werkzeugen wie poetry, uv und der pyproject.toml eine stabile, reproduzierbare und übersichtlich strukturierte Projektbasis erstellen.

Sie lernen, wie Sie Python-Projekte sauber aus GitHub-Repositories installieren, auf PyPI veröffentlichen und Konfigurations- sowie Systemabhängigkeiten gezielt verwalten. Ziel ist es, Ihre Projekte professionell zu strukturieren, wartbar zu gestalten und als wiederverwendbare Pakete für Entwicklung, Deployment oder Veröffentlichung bereitzustellen.

Tag 1 – Grundlagen, Projektstruktur und Packaging

• Der Import-Mechanismus in Python: import, from
• sys.path und sys.modules: Wie Python Module findet
• Python-Namespaces und Modularten
• Pakete, __init__.py und __package__
• Der __pycache__-Ordner und gitignore-Konventionen
• Projektlayouts: Flat-Layout versus src-Layout
• Strukturierter Projektaufbau mit Beispielprojekten
• Einführung in virtuelle Umgebungen mit venv
• Unterschiede zu global installierten Paketen
• Grenzen und Schwächen von pip
• Abhängigkeiten definieren mit requirements.txt
• Einstieg in pyproject.toml als zentrales Konfigurationsfile
• Best Practices für saubere Projektstrukturen

Tag 2 – Moderne Tools und fortgeschrittenes Packaging

• Einführung in poetry: Installation, Projektstart, Dependency-Handling
• Lockfiles: poetry.lock und ihre Bedeutung für reproduzierbare Builds
• Paketarten: Laufzeitabhängigkeiten und Entwicklungsabhängigkeiten
• Vergleich von Build-Systemen: setuptools, hatchling, poetry
• poetry run im Vergleich zu poetry shell
• Deployment: Paketbau und Upload zu TestPyPI und PyPI
• uv als schneller, moderner Package-Installer
• Installation und erste Schritte mit uv
• ruff für Formatierung, Linting und Importsortierung als Ersatz für flake8, black, isort und pylint
• Verwendung von env-Dateien und python-dotenv für Konfigurationswerte
• GitHub als Paketquelle: Installation direkt aus Repositories
• Umgang mit optionalen Features und Extras in poetry
• Hinweise zu Systemabhängigkeiten, zum Beispiel C-Bibliotheken
• Fazit: Saubere und reproduzierbare Python-Projekte aufsetzen