Python RU

Проверка данных при помощи декораторов Еще один полезный метод, который может быть реализован с помощью декораторов, заключается в проверке данных до запуска декорированной функции. Очень распространенный этому пример в веб-приложении — это аутентификация пользователя. Если задача проверки/аутентификации завершается неудачно, то декорированная функция не вызывается, и вместо нее появляется ошибка. В данном примере, декоратор only_admins ищет HTTP заголовок X-Auth-Token во входящем запросе и затем проверяет, если он совпадает с секретным токеном администратора, который для простоты мы сделали константой. Если нет заголовка токена, или если он есть, но не совпадает, то функция abort() из Flask выполняется для генерации ответа 401 и остановки дальнейших запросов. В противном случае запрос может пройти, вызвав при этом декорированную функцию. Обратите внимание, как в примере функции представления admin_route() используются декораторы app.route и only_admins. Это называется цепью декораторов. @pro_python_code

Вывод уникального идентификатора переменной Уникальный идентификатор переменной находится с помощью метода id(). Для этого нужно просто передать в метод имя переменной. Идентификатор объекта – это целое число, которое гарантированно будет уникальным и постоянным для этого объекта в течение его жизненного цикла.

🐼 Pandas vs Polars: сравнение синтаксиса и скорости 🐻 Pandas - это незаменимая библиотека Python для Data Science. Её самым большим недостатком является то, что она может быть медленной при операциях с большими наборами данных. Polars - это альтернатива Pandas, предназначенная для более быстрой обработки данных. Polars - это альтернатива Pandas, предназначенная для более быстрой обработки данных. Эта статья кратко познакомит вас с библиотекой Polars и сравнит её с Pandas в отношении синтаксиса и скорости. ▪ Читать дальше ▪ Зеркало ▪ Код @data_analysis_ml

Frontender's notes - самый большой канал по фронту с актуальной инфой по HTML, CSS, JS, TypeScript, React, Node.js и развитию Soft-skills, а также разборы вопросов для интервью и подборка крутых статей c опытом релокации айтишников в другие страны. Вам сюда: 👉 @frontendnoteschannel А так же небольшой канал с англоязычными статьями @frontend_international В общем добро пожаловать!

Уже 18 января, стартует подготовительный курс по Python🐍 Даём только мясную и прикладную информацию. Никакой воды и траты времени. Вас ждет 69 уроков теории и практики прямо в браузере, вебинары, лайвкодинг и первая собственная программа на Python, написанная под руководством опытного наставника. По окончании 14-дневного курса вы уже владеете базовым знанием языка! Запишитесь прямо сейчас!

Hackerforms — UI для Python Интересный модуль для питона для разработки интерактивных интерфейсов. Импортируем модуль, пишем код, на выходе получаем интерфейс с отличным дизайном. С вопросами можно обратиться в тред на реддите. И документация, куда же без неё. Есть бесплатный и платные тарифы. На сайте можете глянуть примеры проектов на этом модуле. #разработка

📚 20 лучших бесплатных книг по Python для начинающих и продвинутых программистов Настоящий новогодний подарок всем Python разработчикам. ✔️ Смотреть список @pro_python_code

💫 Модули Python для ускоренной обработки JSON Разработка ПО неизбежно сопряжена с парсингом JSON. Если вы взаимодействуете с API, передаете сообщения между хостами или собираете данные, то, вероятнее всего, используете JSON. Python поставляется со стандартной библиотекой json. Ее возможностей хватает для большинства случаев. Однако некоторые сценарии требуют более гибких и быстрых решений. При создании приложения или библиотеки, интенсивно работающей с JSON, следует обзавестись более функциональным модулем. В статье мы рассмотрим ряд отличных модулей, позволяющих парсить JSON с такой легкостью, о которой базовые аналоги могут только мечтать. Некоторые из них значительно превосходят библиотеку json в скорости выполнения задач. ✔️ Читать дальше @pro_python_code

🐼 Pandas для анализа данных. 33 функции библиотеки Pandas полезные в работе. В этой статье я перечислю 33 лучших функций, встроенных в библиотеку Pandas, которые обычно используются для анализа данных, и, возможно, этих функций будет достаточно для выполнения какой-либо вашей задачи. ✔️ Читать дальше @pro_python_code