блог про IT-технології
JSON — один із найзручніших форматів обміну даними, а в Python його робота зводиться до кількох базових операцій. У цій статті розберемо, як читати, записувати та перевіряти JSON, а також уникати найпоширеніших помилок.
API дають змогу отримувати й надсилати дані між сервісами, а бібліотека requests робить це в Python просто й зручно. У цій статті розберемо базові принципи роботи з API та покажемо кілька практичних прикладів.
Python пропонує два популярні підходи до опису моделей даних: простий і легкий dataclass та більш функціональний Pydantic. Розберімо, коли варто обрати кожен із них для валідації, серіалізації та підтримки коду.
Type hints допомагають робити Python-код зрозумілішим, безпечнішим і зручнішим для командної роботи. Розберімо, як працює типізація, які переваги вона дає та як почати використовувати її без зайвої складності.
Asyncio і threading вирішують схожі завдання, але роблять це по-різному. У цій статті розберемо, коли краще обрати один підхід, а коли інший.
SQLAlchemy допомагає працювати з базою даних у Python зручно та структуровано. У цій статті розберемо моделі, базові запити й зв’язки між таблицями на простих прикладах.
SQLite — зручний спосіб швидко додати зберігання даних у Python-проєкт без складного налаштування сервера. У цій статті розберемо базові кроки створення простої бази даних і типові операції з нею.
NumPy і pandas часто згадують разом, але вони вирішують різні задачі. Розберімося, коли краще брати масиви NumPy, а коли — таблиці pandas.
Очищення таблиць у Python не обов’язково має бути складним. За 15 хвилин можна прибрати пропуски, дублікати, зайві пробіли та привести дані до охайного вигляду.
Pandas — одна з найзручніших бібліотек Python для роботи з табличними даними. У цій статті розглянемо базові кроки аналізу CSV та Excel на практиці, без зайвої теорії.