Guten Tag, liebe Leser! Dieser Artikel richtet sich an alle Datenwissenschaftler, die sich entscheiden, ihre erste Webanwendung zu schreiben. In dieser Veröffentlichung werde ich keine Codelisten veröffentlichen. Im Internet gibt es viele praktische Beispiele für Gebäudetechnik, die in unterschiedlichen Rahmenbedingungen geschrieben wurden. Es gibt jedoch nur sehr wenige theoretische Artikel über die Logik des Prozesses, die Architektur der Lösung und vor allem die Schwierigkeiten, auf die ein Spezialist zuerst stoßen wird. Ich beschloss, diese Nische zu füllen und meine persönlichen Erfahrungen zu beschreiben, die für jemanden nützlich sein können.
Speziell für den Artikel habe ich zwei identische Beispiele in Flask und Dash vorbereitet und auf GitHub gepostet. Sie veranschaulichen die Berechnung und Ausgabe von Indikatoren für die Einheitsökonomie für einen abstrakten IT-Markt namens Habr (und warum nicht, denn jetzt haben alle Unternehmen begonnen, sich mit E-Commerce zu befassen :).
Ich schlage vor, das Gespräch in Form einer schrittweisen Zusammenfassung des beigefügten Materials aufzubauen. Dabei werde ich Ihre Aufmerksamkeit auf die Momente richten, die ich persönlich am schwierigsten oder interessantesten fand. Und natürlich werden wir uns auf jeden Fall auf die Fehler konzentrieren, die ich als Backend-Entwickler gemacht habe.
"OPP: Wenn Sie nicht wissen wie - nehmen Sie es nicht!" Wenn es um OPP geht, denke ich aus irgendeinem Grund automatisch an Django mit seinen Klassen. Wenn Sie sich jedoch die Arbeit angehender Datenwissenschaftler oder Datenanalysten ansehen, sehen wir ein völlig anderes Bild. Klassen werden zum Wohle der Klassen selbst verwendet. Der gesamte Code wird einfach in diese Struktur der Sprache eingefügt. Wofür ist dieses „Monster“ verantwortlich? Für alles! Wie man nach Fehlern sucht oder den Code neu schreibt, ist nicht klar. Persönlich habe ich eine solche Meinung zu diesem Thema. Wenn Sie nicht wissen, wann, wie und warum Sie OPP verwenden sollen, ist es besser, für kleine Entwicklungen einen prozedural-funktionalen Stil zu verwenden.
“ , . , . , -, , , -, , .
“, .” GitHub , . , . , .
“ .” ? , . , PHP, Ruby, C#:
Flask – HTML+CSS
Django – HTML+CSS
Flask Rest API/FastAPI/Django Rest Framework – HTML+CSS+ Javascript (Vue, React, Angular)
Dash ( Flask) – Dask ( React)
, .
, , – Dash
. , - – Flask
, . , , - – FastAPI – Vue.js
Flask Dash .
, , 6 -, -. , . , .
Flask , , html css . Bootstrap4 , , .
Dash , app.py. , . . asset. - . , , .
“ .” . . , , , . . . etl- .
“ .” . - . etl-, , . , . , , .
“ SQL- , .” . sql. . . . SQLite.
“Pandas , .” , , . Python.
“ , YAML-.” yaml - data scientist- Youtube. . .
“ Docker.“ . Windows, Docker. Windows 10 , Docker Toolbox. , - Docker GitHub. Windows 8.1, , . , . Debian 10. , . , Apache Airflow, .
. , . , . . , Linux. . , Dash docker-, . , , , .
“ , .” . , , . , , , , .
. Dash, . . , app.py 127.0.0.1, 0.0.0.0.
. . .
Das ist alles. Alle Gesundheit, viel GlĂĽck und beruflichen Erfolg!