Классические задачи Computer Science на языке Python ПИТЕР

Книга содержит много интересных задач, которые редко где так досконально разбираются. Безусловно есть смысл с ней ознакомиться и особенно порешать задачи, которые в ней даются. Но есть существенный недостаток - качество приведенного в ней кода. Его очень тяжело читать. Во-первых, зачастую код состоит из множества кусков, которые разбросаны по разным страницам книги, и чтобы что-то понять, приходится по многу раз листать туда-сюда. Да, конечно, весь код можно скачать и посмотреть на компьютере целиком, что гораздо лучше, но покупать бумажную книгу и читать ее, сидя за компьютером... ну не знаю. Во-вторых, этот совершенно непонятный фанатизм, с которым автор вставляет подсказки типов везде, где только можно. В то время как многие современные языки программирования со статической типизацией пытаются избавиться от явного указания типов переменных в пользу автоматического выведения типа (что абсолютно правильно, поскольку в большинстве случаев явное указание типа является совершенно избыточным), некоторые странные личности всеми возможными средствами протаскивают явное указание типов в динамически типизированный Python, испытывая при этом (и ещё больше заставляя других испытывать) ужасные страдания. Да, кое-где указание типов уместно - это, главным образом, сигнатуры функций и классов, но писать, например, вот такое:
`csp: CSP[str, List[GridLocation]] = CSP(words, locations)`
- зачем??? При том, что даже названия переменных уже вполне объясняют, что это и какого типа, а если ещё посмотреть на контекст, то все становится совсем очевидным.
Или вот такое:
`numerator: float = 4.0`
Это уж вовсе абсурд. Если указано конкретное значение, для чего ещё объяснять, что 4.0 - это float? А что же это ещё может быть? Такой стиль написания кода может иметь смысл только в одном случае - если тебе платят не за результат, а за количество набранных символов. Другого резона повторять одно и то же по многу раз я не вижу.
Короче, к середине книги у читателя возникает стойкое отвращение к тайп-хинтингам. Если в этом состояла цель автора, то он ее достиг мастерски.
Да, ну и ещё качество перевода местами хромает, но это общая беда всей переводной литературы по computer science, которая у нас сейчас издается. С этим нужно просто смириться.
Впрочем, несмотря на эти недостатки, книгу можно рекомендовать тем, кто хочет узнать об информатике и программировании несколько больше, чем обычно преподают в школе или институте, но, конечно, книга не для новичков.

Книга не для новичков. Сначала надо наработать некоторую базу по общим алгоритмам/структурам данным/computer science. Подойдет для студентов-программистов 2+ курсов и начинающим специалистам с опытом работы больше года.
Первые 4 главы рекомендую прочитать всем, кто хочет закрепить/углубить знания по основам CS, желательно выполнять все задания, особенно, если ни разу не делали похожее (например, тесты:)). Остальные главы, конечно, стоит хотя бы прочитать, но будьте готовы обращаться к вспомогательным материалам.
Из положительного дополнительно хочется отметить приведенный код. Все примеры написаны на Python 3.7+ c применением последних лучших практик. Возможно, что вы сможете подсмотреть для себя новые способы написания кода.