Собрали для вас большую подборку наших статей по Питону. Внутри — советы для новичков, а также материалы по популярным направлениям.
259 открытий297 показов
Все знают, что Python — самый популярный язык программирования. На нем кодят около 10 миллионов человек во всем мире. Правда, такое большое количество питонистов, особенно в России, приводит к нереальной конкуренции на рынке труда. И все потому, что язык действительно прост в освоении, а его коммьюнити огромно. Но если вы действительно топовый специалист, но проблемы с поиском работы вам не страшны.
Мы собрали наши статьи за последние несколько лет в один большой гайд по Питону — он поможет разобраться в основах и более узких технологиях.
Базовая база — для тех, кто только начинает
Здесь подобрали статьи с полезными советами для начинающих и не только разработчиков — как учить язык и что читать, как успешно проходить собеседования и что поможет улучшить код. А еще практика — научитесь писать простой калькулятор и применять метод append() для работы со списками.
- Как стать Python-разработчиком в 2024
- Как написать простой калькулятор на Python
- Что должен знать каждый Python-разработчик: библиотеки и фреймворки
- Метод append() в Python: что это, синтаксис и примеры кодаPython-интервью: что спрашивают и как успешно ответить
- Топ пакетов для улучшения работы с Python
Бэкенд
Здесь выбираем, на каком фреймворке пишем, настраиваем аутентификацию на Django, а еще — создаем API. В последней статье учимся писать запросы на разных библиотеках. Может выглядеть, как очередная база, но для бэкенда это мастхев.
- Python и SQL: что изучать в первую очередь
- Как настроить аутентификацию в веб-приложениях на Django
- Баттл: кто победит — Django vs Flask
- Как создать API на Python без усилий на деплой
- Мигрируем с no-code CMS на Django: пошаговый гайд
- httpx vs. requests vs. aiohttp: кто лучше?
Тестирование
Любую программу нужно тестировать, и главные Python-библиотеки для этого — pytest и unittest. Но на самом деле есть и другие важные инструменты, например, try–except. В статьях рассказывали, как проводить тесты без головной боли (новички-friendly).
- Как использовать try — except и не испортить себе жизнь
- Как писать тесты функций Python, если вы никогда этого не делали
- Тестируем на Python: unittest и pytest. Инструкция для начинающих
- Pytest-фикстуры на человеческом
Парсинг
Парсинг — автоматическое извлечение данных из текста, файлов, веб-страниц и так далее. В общем, вместо того, чтобы в 1000 строках искать номера телефонов, можно написать код, который сделает это за вас. В статьях разбираемся, на каких библиотеках парсить, как в целом работать с данными и учимся преобразовывать привычные форматы на змеиный язык.
- Как парсить данные на Python: BeautifulSoup и Scrapy
- Работа с JSON и XML в Python: парсинг, генерация и валидация
- Как быстро и эффективно работать с большими JSON-файлами
- Как преобразовать Word, Excel и PowerPoint в PDF в Python
- Selenium: пишем парсер для меняющегося сайта
Data Science
Python в науке о данных — язык топ-1. С помощью него делают сложные вычисления и визуализируют данные, а все благодаря его простоте, производительности и универсальности. Ниже — о главных библиотеках и генерации данных (и библиотек для нее). А в последней статье автор рассказывает о том, как создал собственную библиотеку для машинного обучения.
- Python в Data Science: топовые библиотеки и фреймворки, которые будут популярны в 2025
- Генерация данных с помощью Python: зачем это нужно и как применять
- MLup: как создавать веб-приложение с машинными обучением за один взмах волшебной палочки — конкурс пет-проектов