Just Python

Pandas - это библиотека для обработки и анализа данных на Python.

Она широко используется для работы со структурированными данными и отлично подходит для очистки, преобразования и анализа данных. Pandas имеет широкий спектр инструментов для работы с данными, включая объекты dataframe и series, которые похожи на таблицы и столбцы в SQL.

Как использовать Pandas для загрузки и изучения набора данных представлены на фотографии

#theory // Just Python

shutil.disk_usage()

Метод shutil.disk_usage() из модуля shutil предоставляет информацию о месте на диске, включая общий объём, используемое и доступное пространство. Это полезно для мониторинга состояния файловой системы.

#theory // Just Python

inspect.getmembers()

Метод inspect.getmembers() из модуля inspect позволяет получить список всех членов объекта, включая методы, атрибуты и встроенные свойства. Это полезно для анализа структуры классов и объектов во время выполнения.

#theory // Just Python

concurrent.futures.as_completed()

Метод concurrent.futures.as_completed() позволяет обрабатывать завершение асинхронных задач в порядке их завершения. Это полезно для параллельной обработки, где важно начать работу с результатами, как только они готовы.

#theory // Just Python

contextlib.nested

Модуль contextlib в Python позволяет обрабатывать несколько ресурсов с помощью менеджеров контекста более лаконично. Это полезно, когда работа идёт с большим числом файлов или объектов.

#theory // Just Python

Антипаттерн недели: Неоптимальная проверка на принадлежность в списке

Использование списков для проверки на принадлежность с оператором in приводит к линейному времени выполнения, что может быть медленным для больших наборов данных.

Используйте set для проверки на принадлежность, чтобы снизить время выполнения до O(1).

#theory // Just Python

typing.Protocol

typing.Protocol из модуля typing используется для определения интерфейсов (протоколов), которые классы должны реализовывать. Это полезно для проверки совместимости типов в статическом анализе.

#theory // Just Python

Click — простой и мощный инструмент для создания CLI

Click — это библиотека Python, которая помогает быстро и просто создавать интерфейсы командной строки (CLI). Она обеспечивает удобное управление командами, параметрами и опциями, поддерживает создание вложенных команд и позволяет легко обрабатывать пользовательский ввод.

Если вы хотите создать CLI для своего Python-проекта с минимальными усилиями, Click — отличный выбор.

Ссылочка на доку

#theory // Just Python

Создание цепочек вызовов методов с использованием класса-обертки

Цепочки вызовов позволяют вызывать несколько методов подряд на одном объекте, возвращая этот объект на каждом шаге. Это удобно для создания более читабельного и компактного кода.

В этом примере класс Chainable позволяет создавать цепочки вызовов для выполнения арифметических операций. Методы add, multiply и subtract возвращают сам объект, что позволяет вызывать их последовательно, а метод result возвращает итоговое значение.

#theory // Just Python

Превращение функций в методы класса с помощью types.MethodType

types.MethodType — это способ динамического добавления функций в экземпляры класса как методы. Это позволяет создавать методы "на лету" и добавлять их в объекты, что может быть полезно в сложных сценариях, когда структура класса определяется динамически.

В этом примере функция external_function добавляется в экземпляр класса MyClass как метод. Это позволяет вызывать её как обычный метод класса, используя атрибуты экземпляра.

#theory // Just Python

Typer — простой способ создания командных интерфейсов

Typer — это библиотека Python, которая упрощает создание интерфейсов командной строки (CLI). Она строится на основе аннотаций типов и значительно сокращает количество кода, необходимого для создания мощных и удобных командных утилит.

Если вам нужно быстро создать CLI для своего проекта, Typer — отличный выбор.

Ссылочка на доку

#theory // Just Python

PandasGUI — графический интерфейс для работы с DataFrame

PandasGUI — это удобный инструмент, который предоставляет графический интерфейс для работы с Pandas DataFrame. Он позволяет визуализировать, фильтровать и редактировать данные прямо в интерактивном окне, что делает анализ данных более интуитивным и быстрым.

Отличный способ ускорить анализ данных, особенно если вы привыкли работать с Pandas в Jupyter Notebook.

Ссылочка на доку

#theory // Just Python

Pyfiglet — генерация ASCII-арт текста

Pyfiglet — это библиотека Python, которая позволяет легко создавать красивый ASCII-арт текст прямо в консоли. Идеально подходит для добавления стилизованных заголовков и баннеров в ваши консольные приложения.

Отличный способ оживить вывод вашего кода и привлечь внимание к важным сообщениям.

Ссылочка на доку

#theory // Just Python

Boltons — удобные утилиты для повседневного программирования

Boltons — это коллекция чистых и надежных утилит, которые помогут вам ускорить разработку. В библиотеке вы найдете множество полезных функций для работы со структурами данных, файловой системой, логированием и многим другим.

Boltons — отличное дополнение к стандартной библиотеке Python, особенно если вам нужно быстрое решение для типичных задач.

Ссылочка на доку

#theory // Just Python

Использование дескрипторов для управления доступом к атрибутам

Дескрипторы — это мощный, но часто недооцененный механизм в Python, который позволяет управлять доступом к атрибутам объектов. С помощью дескрипторов можно реализовать логику при чтении, записи или удалении атрибутов класса.

Дескриптор — это объект, который управляет доступом к другому объекту. Для этого используются методы __get__, __set__ и __delete__.

В примере выше дескриптор PositiveNumber контролирует запись значения в атрибут. Если значение отрицательное, выбрасывается ошибка. Это позволяет реализовать проверку значений на уровне атрибутов.

Дескрипторы позволяют инкапсулировать логику доступа в отдельный класс, который можно переиспользовать в нескольких местах, улучшая структурированность и читаемость кода.

#theory // Just Python

Использование модуля sys.settrace для отладки и профилирования

В Python есть малоизвестная, но мощная функция — sys.settrace(), которая позволяет установить собственный обработчик трассировки для отладки и профилирования кода.

С её помощью можно отслеживать выполнение каждого вызова функции, строки или даже изменения локальных переменных в программе.

#theory // Just Python

Ленивая инициализация атрибутов с помощью __getattr__

В Python можно реализовать ленивую инициализацию атрибутов объекта с помощью метода __getattr__.
Это позволяет отложить вычисление и создание атрибутов до момента их первого обращения, что может быть полезно для оптимизации работы с ресурсозатратными данными.

#theory // Just Python

Работа с хэшируемыми типами данных через __hash__ и __eq__

В Python можно управлять тем, как объекты сравниваются и хэшируются, путем реализации методов __hash__ и __eq__.
Это особенно полезно при использовании объектов в качестве ключей в словарях или элементов в множествах, где требуется уникальность.

#theory // Just Python

Использование функции inspect для динамического анализа кода

В Python есть мощный модуль inspect, который позволяет проводить динамический анализ кода.

С его помощью можно извлекать информацию о функциях, классах и их параметрах прямо во время выполнения программы. Это полезно для создания гибких и адаптивных систем.

#theory // Just Python

Использование dataclasses для создания неизменяемых объектов

В Python 3.7 и выше можно использовать модуль dataclasses для создания простых классов данных.
Одной из интересных возможностей является создание неизменяемых (immutable) объектов, которые не могут быть изменены после создания.

#theory // Just Python