Size: a a a

Python для анализа данных

2021 January 11

AL

Aleksey Laptev in Python для анализа данных
А не кодинг just for fun, а потом работу не найдешь, ведь все тут учат ради поиска работы?
источник

AT

Alexander T in Python для анализа данных
Aleksey Laptev
95% рынка пишут на ООП, видимо дураки. Основной критерий выбора инструмента помимо заточенности под задачу - скорость разработки и себестоимость
когда-то на го писал 1% рынка. видимо, дураки.
когда-то на питоне писал 1% рынка. видимо, дураки.
источник

AL

Aleksey Laptev in Python для анализа данных
не передергивайте, давайте по ФП
источник

AL

Aleksey Laptev in Python для анализа данных
приведите цифры производительности
источник

PZ

Pavel Zheltouhov in Python для анализа данных
Aleksey Laptev
не передергивайте, давайте по ФП
сообщите ваше интуитивное определение что есть ФП ?
источник

AT

Alexander T in Python для анализа данных
Aleksey Laptev
не передергивайте, давайте по ФП
передергиваете тут только вы с этой аргументацией про “у меня 0 проблем” и “95% рынка пишут”.
привожу цифры: несколько сервисов на го, писали и поддерживали 15 разработчиков. полностью переписаны на скалу и поддерживаются тремя.
монолит на питоне, писался и поддерживался 20 разрабами. полностью переписан на хаскель и поддерживается четырьмя.
мне “аналитику новичку” есть с чем сравнить, в отличие от функциональщика на жаваскрипте.
источник

AL

Aleksey Laptev in Python для анализа данных
количество разработчиков зависит от кривизны архитектуры, а не от языка
источник

AT

Alexander T in Python для анализа данных
это было ожидаемо, “дайте цифры - вот цифры - а все было очень плохо ДО”. хорошего дня вам.
источник

AL

Aleksey Laptev in Python для анализа данных
ну и опятьже надо смотреть что задача, что за сервис, какие киллер фичи у хаскела
источник

AL

Aleksey Laptev in Python для анализа данных
слишком мало данных для вывода.
источник

IK

Ivan Korsakov in Python для анализа данных
Aleksey Laptev
ну конечно оопшники дураки, пишут очень сложные приложения, испытывают 0 проблем, всем довольны и не знают про ФП
Я правильно понимаю, что "испытывают 0 проблем" - это когда в чате вашего сервиса возникают уведомления "что-то мы прилегли, разбираемся" и "возможно кому-то удалили таблицы GBQ"? 😄
источник

AL

Aleksey Laptev in Python для анализа данных
свет в дацентре не зависит от языка и парадигмы

ошибки в запросах не зависят от языка и парадигмы
источник

AT

Alexander T in Python для анализа данных
Ivan Korsakov
Я правильно понимаю, что "испытывают 0 проблем" - это когда в чате вашего сервиса возникают уведомления "что-то мы прилегли, разбираемся" и "возможно кому-то удалили таблицы GBQ"? 😄
0 проблем это когда надо в чате поспорить о неизвестной теме. а техдолг в проде это другое (с)
источник

AL

Aleksey Laptev in Python для анализа данных
я сливаюсь, видно что вы все знаете лучше меня )
источник

AL

Aleksey Laptev in Python для анализа данных
Alexander T
0 проблем это когда надо в чате поспорить о неизвестной теме. а техдолг в проде это другое (с)
если вам интересно, то в тесте было удаление лишних данных - ошибка в SQL. Тут не в языке дело.

более того, устаревшее ООП вдоль и поперек покрыто тестами и все работает очень надежно.

насколько трудоемко покрыть тестами ФП я даже боюсь представить, потому что тестов тысячи
источник

AD

Andrew Dakhnovsky in Python для анализа данных
Alexander T
передергиваете тут только вы с этой аргументацией про “у меня 0 проблем” и “95% рынка пишут”.
привожу цифры: несколько сервисов на го, писали и поддерживали 15 разработчиков. полностью переписаны на скалу и поддерживаются тремя.
монолит на питоне, писался и поддерживался 20 разрабами. полностью переписан на хаскель и поддерживается четырьмя.
мне “аналитику новичку” есть с чем сравнить, в отличие от функциональщика на жаваскрипте.
ну про питон и хаскель как-то несколько некорректное сравнение
в том плане что в хаскель приходят явно не новички а люди с минимальным уровнем  крепкий мидл
т.е. заменить команду джунов на штанге четырьмя синьорами - ну да, такое можно
источник

AT

Alexander T in Python для анализа данных
Andrew Dakhnovsky
ну про питон и хаскель как-то несколько некорректное сравнение
в том плане что в хаскель приходят явно не новички а люди с минимальным уровнем  крепкий мидл
т.е. заменить команду джунов на штанге четырьмя синьорами - ну да, такое можно
в одном из описанных проектов не было джунов, в другом - двое.
источник

NB

Nikita Baburov in Python для анализа данных
Такая дискуссия жаркая, что даже нубские вопросы как то задавать неуместно 😂😂
источник

PZ

Pavel Zheltouhov in Python для анализа данных
Alexey Seleznev
Python и анализ данных. Второе издание [2020] Уэс Маккинни

Второе издание этой книги дает современное практическое введение в разработку научных приложений на Python, ориентированных на обработку данных. Код переписан под версию Python 3.6, добавлены сведения о последних версиях библиотек pandas, NumPy, IPython и Jupyter. Описаны те части языка Python и библиотеки для него, которые необходимы для эффективного решения широкого круга аналитических задач: интерактивная оболочка IPython и Jupyter-блокноты, библиотеки NumPy и pandas, библиотека для визуализации данных matplotlib и др. Издание подойдет как аналитикам, только начинающим осваивать обработку данных, так и опытным программистам на Python, еще не знакомым с научными приложениями.
#python #программирование
Читай Создателя!
там все есть.
источник

A

Andrey Denisov in Python для анализа данных
Nikita Baburov
Такая дискуссия жаркая, что даже нубские вопросы как то задавать неуместно 😂😂
Угу
И также непонятно - кто всё-таки победил?! 😂
источник