Must read. 7 свежих статей о Python

Python в Google: интервью с Дастином Ингрэмом

Редакция Real Python взяла интервью у Дастина Ингрэма, developer advocate в Google, руководителя проекта Python Software Foundation (некоммерческая организация, занимающаяся развитием Python) и лидера сообщества на Google Cloud. Он рассказал о старте в программировании, впечатлениях от первого посещения PyCon и о наболевшем — чем PyPI отличается от аналогов.

Оказалось, что сам Дастин старается проводить как можно меньше времени в закрытом «мирке» Google, чтобы не терять связи с сообществом разработчиков. А Python в Google — это отдельный мир со своими инструментами и правилами. Например, из-за использования монорепозитория в Google почти не применяют PyPI (указатель пакетов Python).

Что касается Python Software Foundation, Дастин давно хотел разнообразить источники финансирования фонда — правда, коллеги его не слушали. А в ковидный 2020 год, когда пришлось отменить PyCon, приносящую фонду 90% средств, его идея сразу отозвалась и он получил пост руководителя PSF.

Тестирование на основе свойств

Статья — краткий пересказ доклада с PyCon 2021, на которой Зак Хатфилд-Додс рассказал про тестирование на основе свойств.

А чем именно хорош этот вид тестирования?

• Позволяет создать такие вводные данные, до которых вы бы сами не додумались.
• Сможет выявить некорректный результат, даже если корректный не определён.
• Поможет найти ошибки в концепте, а не только в коде.

Ещё в статье есть толковые рассуждения о тестировании как таковом, примеры тестирования на основе свойств и анализ трендов тестирования.

Обращение нового руководителя CPython

У CPython новый руководитель — Лукаш Ланга, за спиной которого пять одобренных PEPs, опыт менеджмента и наставничества, роль developer advocate. В своём блоге он обращается ко всем пользователям Python и рассказывает, что думает о своей новой роли, чем собирается заниматься и какие цели ставит перед командой.

Лукаш верит, что его роль — это не быть «диктатором» (привет, Гвидо!), который в одиночку управляет разработкой языка, а скорее помогать команде, направлять её и расчищать ей путь. Вот какие задачи он ставит перед собой:

• Заниматься пиаром и управлять бэклогом.
• Вести учёт ресурсов: финансы, волонтёры.
• Приоритизировать задачи по CPython.
• Работать над приоритетными задачами.

Симуляция статических типов в Python

Как известно, в Python типизация динамическая — и несмотря на многочисленные плюсы, её часто критикуют. Например, она делает язык более непредсказуемым и усложняет отладку. Однако с версии 3.5 в Python можно симулировать статические типы — с помощью аннотаций типов.

Автор рассказал, как симулировать статические типы, каких ошибок стоит избегать и на какие инструменты обратить внимание. А на десерт — пять примеров аннотаций типов, которые помогут улучшить качество кода.

Что такое Celery и с чем его едят

Каждый Python-разработчик хотя бы раз слышал о Celery — инструменте, который уменьшает нагрузку на процессор с помощью очереди задач. Обычно его используют для отправки электронной почты, но он способен на большее. Статья подойдёт и новичкам в Celery, и более продвинутым юзерам. Вот чему вы научитесь:

• Запускать несколько небольших задач параллельно с основной.
• Создавать очереди задач.
• Настраивать время выполнения.
• Работать с блоками данных в долгосрочных задачах.

С помощью Celery можно эффективнее планировать своё время и работать продуктивнее, доверив рутину компьютеру.

Четыре недооценённые библиотеки для Python

Найти новую классную библиотеку бывает сложно — тем более что в Python их больше десяти тысяч, — а потому мы чаще всего ограничиваемся несколькими самыми популярными решениями. В этой статье — сразу четыре отличные рекомендации.

1. QuickDA — удобная библиотека для работы с данными. Она поможет сократить очистку и визуализацию данных до пары строк. QuickDA использует многие из популярных библиотек, при этом улучшая их функции, поэтому перейти на неё будет несложно.
2. ELI5 — библиотека для машинного обучения, которая работает со всеми самыми популярными ML-фреймворками. В первую очередь она поможет с отладкой, интерпретацией и анализом предсказаний.
3. OpenDataSets — упрощает загрузку датасетов: с её помощью датасеты можно загружать напрямую с ноутбука.
4. Comma — облегчает работу с CSV-файлами.

В оригинале статьи можно посмотреть на примеры работы с библиотеками и узнать об их фишках и неочевидных юзкейсах.