Pro Python • IT

😵‍💫 Сравнение операций в Pandas и SQL

Эта таблица наглядно демонстрирует, как похожие операции выглядят по-разному в Pandas и SQL. У каждого инструмента есть свои сильные стороны, в зависимости от контекста и требований задачи анализа данных.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code

Бесплатный вебинар для юристов Судебная практика и ошибки юристов. Приглашенный спикер — арбитражный судья. Смотреть #реклама 16+ О рекламодателе

⚙️ Автоматизация управления кластерами PostgreSQL с Patroni Patroni — это мощное и гибкое решение для управления высокодоступными кластерами PostgreSQL.

Он выполняет роль внешнего сервиса по отношению к PostgreSQL, действуя как менеджер кластера.

➡️ Основной задачей Patroni является обеспечение надежного переключения роли ведущего узла на резервный узел, что критически важно для высокодоступных систем. Установка библиотеки:

pip install patroni

💻 GitHub ➡️ Этот инструмент существенно упрощает администрирование баз данных, обеспечивая автоматическое переключение ролей узлов, поддержку различных типов репликации и интеграцию с распределёнными системами хранения конфигурации. ✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code

Эпоха быстрых ответов Если бы братья Райт спросили искусственный интеллект как построить самолет и полететь, то ии тут же им ответил бы, что это не возможно и они переключились бы на что-то другое Да конечно, многое что мы создаем это комбинация нашего опыта и знаний, но есть очень важная вещь которая выделяет человека. Подписаться #реклама 16+ О рекламодателе

😡 Дополнительные полезные команды SQL для аналитиков данных (ч.2) 🔹 GROUP BY — группировка и агрегация

SELECT department, AVG(salary) FROM employees GROUP BY department;  -- Средняя зарплата по отделам  

🔹 JOIN — объединение таблиц

SELECT e.name, d.department_name  
FROM employees e  
JOIN departments d ON e.department_id = d.id;  

🔹 LIKE — поиск по шаблону

SELECT * FROM employees WHERE name LIKE 'Иван%';  -- Имена, начинающиеся на "Иван"  

🤨Этих базовых команд SQL достаточно для 80% задач аналитики данных. ✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code

🔥 Основы SQL для аналитиков данных: ключевые команды и примеры (ч.1) SQL (язык структурированных запросов) используется для извлечения, обработки и анализа данных, хранящихся в базах данных. 🔹Понимание баз данных и таблиц

🔹Базы данных хранят структурированные данные в таблицах. 🔹Таблицы содержат строки (записи) и столбцы (поля) . 🔹Каждый столбец имеет определенный тип данных (INTEGER, VARCHAR, DATE и т. д.).

🔹Основные SQL-команды 🔹 SELECT — выборка данных

SELECT * FROM employees;                     -- Все записи из таблицы employees  
SELECT name, salary FROM employees;          -- Только имя и зарплата

🔹 WHERE — фильтрация строк

SELECT * FROM employees WHERE department = 'Sales';  -- Сотрудники отдела продаж  
SELECT * FROM employees WHERE salary > 50000;        -- Зарплата выше 50 000

🔹 ORDER BY — сортировка

SELECT * FROM employees ORDER BY salary DESC;       -- По убыванию зарплаты  
SELECT name, hire_date FROM employees ORDER BY hire_date ASC;  -- По дате приема (сначала старые)

🔹 LIMIT — ограничение вывода

SELECT * FROM employees LIMIT 5;                   -- Первые 5 записей  
SELECT * FROM employees WHERE department = 'HR' LIMIT 10;  -- 10 HR-сотрудников

🔹 DISTINCT — уникальные значения

SELECT DISTINCT department FROM employees;  -- Список уникальных отделов

✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code

😎 Приятных выходных, программисты

Избегай крайностей: идеальный баланс находится посредине.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code

⭐️ Разница между списком и кортежем в Python 🔢 Список — изменяемый (можно менять элементы), записывается в [ ] 🔢 Кортеж — неизменяемый (нельзя изменить), записывается в ( ) 🔢 Преобразование списка в кортеж:

list1 = [1, 2, 3]  
print(tuple(list1))  # Вывод: (1, 2, 3)

🔢Кортеж из одного элемента:

list1 = [1]  
print(tuple(list1))  # Вывод: (1,)

⚠️ Важно: Кортеж определяется запятой, а не скобками! ✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code

Запустите рекламу в телеграм-каналах с Яндекс Директом Перфоманс-реклама теперь в телеграм-каналах ⚡ Яндекс Директ знает, как привлечь целевую аудиторию 💰👌 Попробовать #реклама yandex.ru О рекламодателе

🌐 Преобразуем сложный код в простые цепочки Pipe — это утилита, которая позволяет создавать конвейеры функций и управлять ими, упрощая объединение нескольких операций в понятную и читабельную цепочку. 🟢Она позволяет легко манипулировать последовательностями данных, делая код более читаемым и поддерживаемым. Установка библиотеки:

pip install pipe

➡️Используйте оператор «|» для объединения функций в цепочку. ✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code

✅ Валидация данных в Python с помощью Pandera Pandera — это удобный инструмент для проверки структуры и содержимого данных в Python. 🟢Он работает как дополнительный слой валидации поверх pandas DataFrame и других структур данных, помогая выявлять ошибки на ранних этапах обработки. Установка библиотеки:

pip install pandera

💻 GitHub ✅ Основная задача Pandera — гарантировать соответствие данных ожидаемой схеме: типам, диапазонам значений и бизнес-правилам. ✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code

⚡️IT-блоги: всё самое важное — в одном месте Папка с каналами, которые помогают держать руку на пульсе мира технологий. Без воды и лишней рекламы — только суть, опыт и свежий взгляд на тренды. Что внутри:

👨‍💻 Каналы IT-специалистов с кейсами, фейлами и полезными находками 🔒 Апдейты по кибербезу — чтобы не словить бан за уязвимость, о которой давно написали 👀 Чекпоинты по QA — тест-кейсы, автотесты, баг-репорты как искусство 🗓️ IT-ивенты от команд Т-Банка и Russian Hackers — митапы, конфы, движ 🌍 Каналы про глобальные digital-решения и аналитику: от BI до data-инженерии — тренды, продукты и технологии, которые двигают рынок вперёд (и всплывают на собесах)

Если тебе ближе dev-режим, чем маркетинг, и хочется быть в контексте — жми «подписаться» и пользуйся 📂

🔥 Встроенные методы Python Python предлагает множество встроенных (built-in) методов, которые доступны без импорта дополнительных модулей. Они упрощают работу с данными и ускоряют разработку. Основные категории встроенных методов: 1️⃣Работа с числами

abs(x) – модуль числа round(x, n) – округление до n знаков min() / max() – минимальное/максимальное значение sum() – сумма элементов

2️⃣Работа со строками

len(s) – длина строки str.upper() / str.lower() – преобразование регистра str.split() – разбиение строки по разделителю str.join() – объединение списка в строку

3️⃣Работа со списками и коллекциями

list.append(x) – добавление элемента list.sort() – сортировка списка sorted() – возвращает новый отсортированный список filter() / map() – функциональная обработка данных

4️⃣Преобразование типов

int() / float() / str() – приведение типов bool() – проверка на истинность list() / tuple() / set() – создание коллекций

5️⃣Другие полезные функции

type(x) – проверка типа объекта isinstance() – проверка принадлежности к классу enumerate() – нумерация элементов zip() – попарное объединение коллекций

✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code

🛡 Автоматизация ограничения скорости запросов в Python SlowAPI – это удобный и гибкий инструмент для контроля и ограничения частоты запросов в ваших Python-приложениях.

Он построен на основе Redis и FastAPI, что делает его отличным выбором для веб-приложений, которым нужно защититься от злоупотреблений или DDoS-атак.

🔥Основная задача SlowAPI – позволить разработчикам легко настраивать лимиты запросов для API, REST-эндпоинтов или любых других HTTP-обработчиков. Установка библиотеки:

pip install slowapi

💻 GitHub 🤨 Этот инструмент упрощает управление ограничениями скорости, поддерживает гибкие правила (например, разные лимиты для разных пользователей) и легко интегрируется с FastAPI и Flask. ✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code

Онлайн-магистратура в IT совместно с ИТМО, МИФИ и МФТИ День открытых дверей 26 июня в 19.00 по Москве | Онлайн Все программы 2025, общение со студентами и экспертами из вузов и Яндекса. Ответы на вопросы. Зарегистрироваться #реклама 16+ praktikum.yandex.ru О рекламодателе

❤️ Словарь для Python-разработчиков

Основная структура данных в Python, представляющая собой коллекцию пар "ключ-значение". Ключи должны быть уникальными в пределах словаря, а значения могут быть любого типа (включая другие словари), и их можно изменять.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code

🔍Тестовое собеседование на Python-бекендера с разработчиком из Avito во вторник 17 июня(уже завтра!) в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика. Как это будет: 📂 Даня, разработчик из Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Даня будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Дане Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Java-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. ООО "ШОРТКАТ", ИНН: 9731139396, erid: 2VtzqwyDrHk

🐙 Визуализация пропущенных данных missingno — это удобная библиотека Python для визуализации и анализа пропущенных данных в DataFrame.

Она помогает быстро оценить полноту данных и выявить закономерности в пропущенных значениях.

Основные возможности 🟣Матрица пропущенных данных (отображает распределение NaN-значений) 🟣Heatmap корреляции пропусков (показывает взаимосвязи между пропусками в колонках) 🟣Дендрограмма (визуализирует кластеризацию колонок по схожести пропусков) Установка библиотеки:

pip install missingno

💻 GitHub ✔️ missingno особенно полезен на этапе предварительного анализа данных (EDA), позволяя быстро выявлять проблемы с качеством данных перед построением моделей. ✄┈┈┈┈┈┈┈┈┈┈┈┈┈ Заметки программиста «(!?» 🇨🇱 Python Tech Code