Datenanalyse mit NumPy, Pandas und Matplotlib
Von Rohdaten zur Erkenntnis: Wie NumPy, pandas und Matplotlib zusammenspielen – vektorisiertes Rechnen, groupby-Aggregation und ein schneller Plot in einer kleinen Pipeline.
#Python
Daten einlesen in Python: CSV, JSON, Excel und Datenbank
Ein Werkzeugkasten für jede Datenquelle: Wann die Standardbibliothek reicht, wann pandas lohnt, und wie man Encoding, Speicher und SQL-Injection nicht zum Verhängnis werden lässt.
Flask-Apps testen: der Test-Client und zuverlässige Endpoints
Wie ich in meinen Schulungen Flask-Endpunkte teste: mit app.test_client() ohne laufenden Server, pytest-Fixtures und geprüften JSON-Antworten.
Web-APIs mit Flask: von der App zur JSON-Schnittstelle
Von Hello World zur JSON-API: wie Routing, Request-Verarbeitung und jsonify in Flask 1.1 zusammenspielen – und warum SSR und API dieselbe Mechanik sind.
Funktionale Muster in Python: Comprehensions, itertools und functools
Comprehensions, functools und itertools im Zusammenspiel: Wie ich in Schulungen zeige, wann eine Comprehension die bessere Wahl ist als map/filter, wo lru_cache und groupby glänzen und welche Fallstricke lauern.
Fortgeschrittenes Python: Decorators, Magic Methods und Generatoren
Drei Bausteine, die pythonischen Code ausmachen: Decorators umschließen Funktionen, Magic Methods binden eigene Objekte an Pythons Protokolle, Generatoren erzeugen lazy Sequenzen.