Python
Anti-Patterns
Background tasks
Dataclasses
- attrs vs pydantic: Why I use attrs instead of pydantic
f-string
debugging
user = "eric_idle"
f"{user=}"
# "user='eric_idle'"
f"{user = }"
# "user = 'eric_idle'"
padding
val = "test"
f"{val:>10}"
# ' test'
f"{val:<10}"
# 'test '
f"{val:_<10}"
# 'test______'
f"{val:^10}"
# ' test '
Fonte: https://fstring.help/
pandas
- axios: 0=linha e 1=coluna
Geral
df.shape # (linhas, colunas)
df.info()
df.High.mean() # média da coluna High
df.Date = pd.to_datetime(df.Date) # convert column to datetime
Informações Estatísticas
df.describe() # informações estatísticas
df.ride_duration.std() # desvio padrão da coluna ride_duration
Visualização
df.High.plot() # gráfico da coluna High
df.Volume.hist() # histograma da coluna Volume
df.plot.scatter('c1', 'c2') # gráfico de dispersão
df.Low.plot(kind='box') # gráfico boxplot
Valores ausentes
df.isnull().sum() # conta o número de linhas com NaN
df.isnull().sum() / df.shape[0] # % de valores ausentes
df.dropna(subset=['user_gender'], axios=0) # apaga as linhas com valor NaNs da coluna user_gender
Profiling
| Profiler | What | Granularity | How |
|---|---|---|---|
| timeit | run time | snippet-level | |
| cProfile | run time | method-level | deterministic |
| statprof.py | run time | method-level | statictical |
| line_profiler | run time | line-level | deterministic |
| memory_profiler | memory | line-level | +- deterministic |
| pympler | memory | method-level | deterministic |