Dlaczego jako analityk danych powinieneś interesować się konceptami inżynierii oprogramowania? W tym rozdziale omówimy konkretne zagadnienia z tej dziedziny i pokażemy, jak mogą one odmienić twój sposób pracy z danymi.

Python, data science i inżynieria oprogramowania

Najważniejsze idee

Modularność Pythona w praktyce

Wprowadzenie do pakietów i dokumentacji

Instalowanie pakietów za pomocą pip

Korzystanie z dokumentacji

Konwencje i PEP 8

Używanie pycodestyle

Dostosowanie kodu do PEP 8

PEP 8 w dokumentacji

Inżynieria oprogramowania i analiza danych

Zostań pełnoprawnym twórcą pakietów Pythona, pisząc swój pierwszy pakiet! Nauczysz się, jak strukturyzować i pisać kod w Pythonie, który można instalować, używać i dystrybuować – tak jak znane pakiety, np. NumPy czy pandas.

Twój pierwszy pakiet

Minimalne wymagania dotyczące pakietu

Nazewnictwo pakietów

Rozpoznawanie pakietów

Dodawanie funkcjonalności do pakietów

Dodawanie funkcjonalności do pakietu

Korzystanie z nowej funkcjonalności pakietu

Przenośność pakietu

Tworzenie pliku requirements.txt

Instalowanie wymagań pakietu

Tworzenie pliku setup.py

Definiowanie wymagań w pliku setup.py

Pisanie modułu Pythona

Programowanie obiektowe to fundament tworzenia aplikacji w Pythonie. Dzięki wykorzystaniu klas i dziedziczenia twój pakiet stanie się znacznie potężniejszym narzędziem dla użytkowników.

Dodawanie klas do pakietu

Pisanie klasy dla pakietu

Korzystanie z klasy pakietu

Dodawanie funkcjonalności do klas

Tworzenie metody niepublicznej

Korzystanie z funkcjonalności własnej klasy

Klasy i zasada DRY

Tworzenie klasy z użyciem dziedziczenia

Dodawanie funkcjonalności do klasy potomnej

Korzystanie z klasy potomnej

Dziedziczenie wielopoziomowe

Eksploracja z dir i help

Tworzenie klasy-wnuka

Korzystanie z dziedziczonych metod

Korzystanie z klas

Masz już w pełni działający pakiet Pythona do analizy tekstu! Aby utrzymanie projektu było jak najprostsze, skorzystamy z najlepszych praktyk dotyczących dokumentacji i testów jednostkowych.

Dokumentacja

Rozpoznawanie dobrych komentarzy

Rozpoznawanie poprawnych docstringów

Pisanie docstringów

Czytelność ma znaczenie

Dobre nazewnictwo funkcji

Dobre nazwy zmiennych

Refaktoryzacja dla czytelności

Testy jednostkowe

Korzystanie z doctest

Używanie pytest

Dokumentacja i testowanie w praktyce

Dokumentowanie klas dla Sphinx

Identyfikowanie narzędzi

Podsumowanie

Łatwość utrzymania kodu

Znajomość konceptów z dziedziny inżynierii oprogramowania może przynieść analitykom danych ogromne korzyści – ułatwia ponowne wykorzystanie kodu i dzielenie się nim ze współpracownikami. W tym kursie poznasz kluczowe idee modularności, dokumentacji i automatycznego testowania, a także zobaczysz, jak pomagają one szybciej rozwiązywać problemy z zakresu analizy danych – w sposób, który docenisz również w przyszłości. Zdobytą wiedzę z inżynierii oprogramowania wykorzystasz do napisania własnego pakietu Pythona służącego do analizy tekstu.

Introduction to Functions in Python

Poznaj modułowość, dokumentację i testy automatyczne, by szybciej i pewniej rozwiązywać problemy.

Zasady inżynierii oprogramowania w Pythonie

Poznaj modułowość, dokumentację i automatyczne testowanie, aby szybciej i pewniej rozwiązywać problemy data science.

Inżynier AI Associate dla Data Scientistów

Inżynier AI Associate dla programistów

Inżynier danych w Pythonie

Programowanie w Pythonie

Najważniejsze idee

Zasady inżynierii oprogramowania w Pythonie

Interaktywne ćwiczenie praktyczne